技能概述
VQNet量子机器学习技能库
量子机器学习可微分量子层模型训练调优量子经典混合分布式训练是我们为 AI 助手"注入量子机器学习引擎"的技能包。装上它之后，你的 AI 助手无需任何配置即可学会量子机器学习并产出可训练代码，只需用自然语言描述任务，它就能完成量子张量计算、搭建量子线路与经典神经网络、编写变分量子分类器等，还能将量子线路封装为可微分量子层，覆盖量子-经典混合模型从搭建、训练到真机部署的代码生成与方法论指导全流程。
能力范围
通过加载VQNet量子机器学习技能库，AI能够帮助你在以下方面完成工作
| 能力域 | 具体内容 |
|---|---|
| 量子张量计算 | QTensor 自动微分张量、dtype 类型体系、GPU 加速、CPU/GPU 设备管理 |
| 经典神经网络 | Module、Linear、Conv2D、BatchNorm、LSTM 等网络层，损失函数与优化器，模型定义方式与主流机器学习框架一致 |
| 量子线路构建 | QMachine 量子虚拟机，Hadamard、RX、RY、RZ、CNOT 等量子门操作，复杂线路组合与测量操作 |
| 量子层封装 | QuantumLayer、QuantumBatchAsyncQcloudLayer、NoiseQuantumLayer、QuantumLayerAdjoint |
| 变分量子线路 | 内置自动微分模拟、参数化线路构建、硬件高效 ansatz、振幅/角度嵌入模板、量子自然梯度（QNG）、QNSPSA 优化器 |
| 量子信息分析 | 概率测量、期望值计算、量子熵、互信息等测量与熵分析 |
| QML 算法应用 | 量子分类器、QVC、QDRL、Quansvolution、量子经典混合模型（CNN + QNN） |
| 分布式训练 | MPI 多进程 CPU 训练、NCCL GPU 通信、多节点部署、流水线并行、张量并行、ZeRO 零冗余优化器 |
| PyTorch 后端 | 无缝切换 torch 计算后端；torch 后端状态向量量子线路（sv.torch）与张量网络量子线路（tn.torch） |
| 大模型算子与微调 | scaled softmax 族、top-k/top-p/min-p token 采样族、fused_moe 混合专家算子，trl 微调损失 |
| 量子大模型 | quantum-llm 结合 Llama Factory，使用 VQC 进行大模型微调 |
| 支持真机调用 | 能够与量子编程MCP协同工作，完成真机状态查询、真机任务准备与提交等 |
使用方式
本 SKILL 支持以下安装方式：
导入文件夹 / 压缩包
直接在客户端中导入 SKILL 文件夹或 .zip 压缩包，完成 SKILL 安装。
手动放置到指定路径
将 SKILL 文件夹复制到工具对应的 skills 目录下，完成 SKILL 安装。
一键配置脚本
执行一键配置脚本，快速在工具中完成 MCP 服务配置和 SKILL 的同步安装。
注：如果你认为以上安装方式均有难度，你也可以将SKILL文件夹发送给AI，并告诉AI：帮我安装这个SKILL安装方式具体操作：
打开工具的 设置 页面，找到 SKILL 设置的 相关入口（名称因工具而异，如"技能"、"管理SKILL"等），导入SKILL文件夹后保存开启即可。
以 CodeBuddy 为例：
打开CodeBuddy的设置页面
根据需求选择"用户SKILL"或"项目SKILL"
选择 pyvqnet-skills 文件夹并确认
点击"技能"
点击"导入SKILL"
将 pyvqnet-skills 文件夹复制到对应工具的 skills 目录，重启或刷新工具即可生效。
在本地 AI Coding 工具中安装 SKILL，通常分为全局技能以及项目技能，常用工具安装路径如下：
| 工具 | 用户/全局技能目录 | 项目技能目录 |
|---|---|---|
| OpenCode | ~/.config/opencode/skills/ | <project>/.opencode/skills/ |
| Claude Code | ~/.claude/skills/ | <project>/.claude/skills/ |
| Gemini CLI | ~/.gemini/skills/ | <project>/.gemini/skills/ |
| CodeBuddy | ~/.codebuddy/skills/ | <project>/.codebuddy/skills/ |
| Cline | ~/.cline/skills/ | 仅全局 |
注意：Web 网页端的 AI 工具通常不涉及本地目录，在平台的 Skills 管理界面导入文件夹或 .zip 压缩包即可。它可以帮你自动完成MCP配置和SKILL安装。
| 您需要有的 | 版本要求 | 说明 |
|---|---|---|
| Python | ≥3.11 | 电脑上要装有Python |
| UV | — | 一个Python包管理工具，脚本用它来自动处理依赖 |
目前支持多种 AI 编码工具：OpenCode、Claude Code、Codex、Gemini CLI、CodeBuddy、Cline等；你也可以运行下方脚本实时查询支持列表，我们会不定期更新：
uv run prepare_qpanda3_ai_kits.py list打开终端，cd 到脚本所在目录，运行下面这行命令就完成了：
uv run prepare_qpanda3_ai_kits.py prepare <工具名> -k <你的API_Key>举个例子，假设你用的是CodeBuddy，运行下方命令后，脚本会自动帮你把 MCP 服务器的连接信息写入 CodeBuddy 的配置文件，再把 VQNet量子机器学习技能包安装到 CodeBuddy 的技能目录：
uv run prepare_qpanda3_ai_kits.py prepare codebuddy -k <你的API_Key>6种 AI 编码工具在命令行中对应的<工具名>如下：
| 工具名称 | 命令行参数名 |
|---|---|
| OpenCode | opencode |
| Claude Code | claude |
| Codex (OpenAI) | codex |
| Gemini CLI | gemini |
| CodeBuddy | codebuddy |
| Cline | cline |
脚本支持两种安装级别：
| 级别 | 具体内容 |
|---|---|
| 全局（默认） | uv run prepare_qpanda3_ai_kits.py prepare <工具名> -k <你的API_Key> |
| 项目级 | uv run prepare_qpanda3_ai_kits.py prepare <工具名> -k <你的API_Key> -p |
如果你不确定自己装了什么工具，或者想一次把所有已安装的工具都配置好，可以执行以下命令，不指定工具名，脚本会自动扫描你的电脑，发现装了哪些支持的 AI 工具，然后逐个帮你配置好：
uv run prepare_qpanda3_ai_kits.py prepare -k <你的API_Key>如果以后不需要了，想清理干净也很简单：
只卸载某个工具的配置：
uv run prepare_qpanda3_ai_kits.py uninstall <工具名>卸载所有工具的配置：
uv run prepare_qpanda3_ai_kits.py uninstall任何时候忘了命令怎么用，运行以下命令可以查看所有命令和参数说明：
uv run prepare_qpanda3_ai_kits.py help验证方式
大部分情况下，SKILL 安装后无需手动调用。当你在 AI 对话中提出类似以下问题时，AI 将自动激活本 SKILL：
AI 触发示例
自动识别并激活 SKILL
在对话中键入以下问题，AI 会自动调用本 SKILL：
如果 AI 能输出完整、规范的 pyvqnet 代码，说明 SKILL 已生效。
典型代码示例
AI 生成的 pyvqnet 代码示例
以下为 AI 辅助生成的标准 pyvqnet 代码示例：
from pyvqnet.qnn.pq3.quantumlayer import QuantumLayer
from pyvqnet.qnn.pq3.measure import ProbsMeasure
from pyvqnet.tensor import QTensor
import pyqpanda3.core as pq
def circuit(input, param):
cir = pq.QCircuit()
cir << pq.H(0) << pq.CNOT(0, 1)
cir << pq.RY(0, input[0])
cir << pq.RZ(1, param[0])
打开本小源，直接对话
