OpenQuantum: Skill for Codex

QPanda QUBO Workbench

工作边界

这个 Skill 负责组织 QUBO 求解工作流，真正的计算由 qpanda_qubo MCP Server 暴露并经 Harness MCP Client 注册的 Tool 完成， 底层调用本源官方 pyqpanda_alg 的 QUBO 模块（QuadraticBinary / QUBO_QAOA）。当前只开放 本地、无凭据的求解；首次调用可能由 uv 构建固定的 Python 环境（pyqpanda3 是原生 wheel）：

• 1–5 个二值变量；
• 可以用变量名、minimize/maximize 目标和最多 4 个线性等式约束建模；每个约束必须显式给出 penalty；
• QUBO 以数值系数给出：quadratic（方阵）、可选 linear、可选 constant；
• method=traversal 始终返回经典暴力遍历的确定性最优解；
• method=qaoa 额外运行本地 QAOA（layer 1–6），返回比特串概率分布。

当前不开放不等式自动松弛、penalty 自动选择、本源量子云、Token、真机任务提交、任意 Python、 sympy 表达式字符串、文件路径或数据集加载。

工作流

1. 按用户输入选择下述主动作；主动作会加载固定环境并随结果返回 packageVersion，不需要额外的运行时检查调用。
2. 若 Tool 不存在，告诉用户在“设置中心 → 量子组件 → MCP Server 连接”把 QPanda QUBO 配置为启用，重启 OpenQuantum 后再试；不要改用 Bash 绕过设置。
3. 用户给的是业务目标和等式约束时，优先调用 model_and_solve_qpanda_qubo。检查 constraints.feasible 和 penalty.sufficient；后者失败表示 penalty 太弱，不能把 QUBO 最优解写成 原约束问题的最优解。
4. 用户已经给出 QUBO 数值时，调用 solve_qpanda_qubo：目标是 x^T Q x + b·x + c， quadratic 是 Q，linear 是 b，constant 是 c。
5. 先用 method=traversal 拿到确定性最优解；需要量子近似时再用 method=qaoa 并指定 layer。
6. 比较 QAOA 概率分布的最高比特串与经典最优解时，注意比特序可能不同，按目标函数值判断而不是 直接按比特位比较。
7. 输出时区分：用户模型、编译后的 QUBO、上游工具事实、枚举 observations、尚未完成的来源链验收。

与其他能力的分工

• 电路层面的构建、转译与文档查询用 qiskit-circuit-workbench 或 tyxonq-workbench。
• 严格限定的二量子位基态 VQE 与独立验收用 quantum-ground-state。
• 真机执行（悟空 QPU）使用默认关闭的 qpanda_runtime MCP Server 所暴露的 Tool；本地 QUBO 求解不提交任何云任务。

解释规则

• MCP-exposed Tool 成功只代表 pyqpanda_alg 本地计算完成，不代表优化结论通过科学验收。
• classical 是经典暴力遍历的确定性参考；checks.objectiveConsistencyError 只是对目标函数取值 做的自洽检查，不是独立 Validator。
• 建模工具会枚举全部二值赋值，核对“原目标 + penalty 残差平方”等于编译后 QUBO，并独立比较 pyqpanda_alg 的经典最小值；这些是 observations_available，不自动物化最终 Acceptance。
• penalty.sufficient=fail 是模型事实，不是运行错误：提高 penalty 或重新建模后再比较。
• QAOA 结果是变分采样近似，含随机性；不要把一次分布解释为确定性最优。
• Harness MCP Client 连接不可用或 MCP-exposed Tool 返回错误时保留原始错误语义，不编造最优解、分布或版本。

输出格式

保持简洁并包含：

1. 原模型、变量顺序与 QUBO 系数摘要；
2. 可行解数量、原问题可行最优解、penalty 是否足够；
3. pyqpanda_alg 经典最优值，以及与独立枚举参考的误差；
4. 若运行 QAOA：layer、最高概率比特串与分布要点；
5. pyqpanda_alg 版本和 scientificValidation 边界。