plan-spectroscopic-analysis
О программе
Этот навык помогает разработчикам планировать спектроскопические анализы, выбирая подходящие методики и выстраивая их последовательность от неразрушающих к разрушающим методам. Он определяет необходимость подготовки образцов и устанавливает критерии успеха, что полезно для оптимизации времени работы приборов и валидации результатов. В качестве ключевых входных данных требуются цель анализа и описание образца.
Быстрая установка
Claude Code
Рекомендуетсяnpx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/plan-spectroscopic-analysisСкопируйте и вставьте эту команду в Claude Code для установки этого навыка
Документация
謀光譜分析
設計光譜分析之征伐:擇正確之術、效率序之、定答某樣特定分析問之成功之準。
用時
- 始察未知化合物,決用何光譜術
- 優化分析序以保樣供破壞法
- 取儀器時前謀樣備之需
- 確互補術間之互驗
- 資源有限時預算儀器時並分優之術
- 訓新分析者於系統分析謀劃
入
- 必要:分析問(結構識、定量、純度評、官能團篩、反應監)
- 必要:樣述(物態、約量、已知或疑之化合物類)
- 可選:可用之儀器與其能
- 可選:預算與時之制
- 可選:安全數據(毒性、反應性、揮發性、光敏)
- 可選:先有分析數據(若已有結果)
法
第一步:定分析問
擇任術前明確所需之訊:
-
分問之型:
- 結構識:定未知化合物之全分子結構。需最廣之術集。
- 結構確認:驗已知化合物與其預期結構符。所需術較少,焦於診斷之徵。
- 定量分析:定已知分析物之濃或量。需校與線性佳之術(UV-Vis、附內標 NMR)。
- 純度評:定樣是否含雜質、若有則識之。需高敏與分離之能。
- 官能團篩:識何官能團存而不全結構定。IR 常足。
- 反應監:時序追化學反應之進。需速與反應條件之相容(in situ IR、Raman、UV-Vis)。
-
定成功之準:明示何者為滿之答。結構識:「諸光譜數據相符之單一結構提案」。定量:「相對誤 < 5% 之濃」。
-
察已知:匯所有樣已有訊(元素分析、反應式、預期產、文獻先例)。此制問並減所需術數。
得:清晰所述之分析問,含定之成功之準與樣已有之知之要。
敗則:若分析問模糊(「察此樣」),與請者協以縮之。模糊問致分析無焦並耗儀器時。
第二步:察樣特性
評樣以定何術可行:
- 物態:固(晶、非晶、粉)、液、溶、氣、薄膜、生物組織。各態制何樣備法與術可施。
- 可用量:估樣總質或體。某術需毫克(NMR),他可用微克(MS)或納克(SERS)。
- 溶解性:試或估於常溶劑(水、甲醇、DMSO、氯仿、己烷)之溶解。NMR 需氘代溶劑;UV-Vis 需透明溶劑。
- 穩定性:察熱穩(GC-MS 需揮發)、光穩(Raman 用激光)、空氣/水分敏(KBr 片備)、溶液穩(時依測)。
- 安全患:記毒、燃、反應、放射。此影響操作協並或排某術(如揮發毒物不宜於開放氣 Raman 無封)。
- 預期分子量範圍:小有機(< 1000 Da)對聚合物/生物分子(> 1000 Da)需異 MS 電離法與異 NMR 採之策。
得:樣特性之要,列態、量、溶、穩、患、分子量範圍。
敗則:若樣不能足察(如量過小不能試溶),用保守之法:始以非破、最少樣之術(Raman、ATR-IR),初果後再評。
第三步:以決策矩擇術
依分析問與樣特性擇最有訊之術:
| Technique | Best For | Sample Needs | Destructive? | Sensitivity | Key Limitations |
|---|---|---|---|---|---|
| 1H NMR | H connectivity, integration, coupling | 1--10 mg in deuterated solvent | No | mg | Requires solubility, insensitive |
| 13C NMR | Carbon skeleton, functional groups | 10--50 mg in deuterated solvent | No | mg | Very insensitive, long acquisition |
| 2D NMR | Full connectivity, stereochemistry | 5--20 mg in deuterated solvent | No | mg | Hours of instrument time |
| IR (ATR) | Functional group ID | Any solid/liquid, minimal prep | No | ug | Water interference, fingerprint overlap |
| IR (KBr) | Functional group ID, transmission | 1--2 mg solid in KBr pellet | No* | ug | Moisture sensitive, sample mixed |
| Raman | Symmetric modes, aqueous samples | Any state, no prep for solids | No | ug--mg | Fluorescence, photodegradation |
| EI-MS | Volatile small molecules, fragmentation | ug, must be volatile | Yes (GC-MS) | ng--ug | Requires volatility |
| ESI-MS | Polar/large molecules, MW determination | Solution in volatile solvent | Yes | pg--ng | Adduct complexity, ion suppression |
| MALDI-MS | Polymers, proteins, large molecules | Solid + matrix | Yes | fmol | Matrix interference below 500 Da |
| UV-Vis | Chromophores, quantitation | Solution, ug--mg | No | ug | Limited structural information |
*IR with KBr is non-destructive to the molecule but the sample cannot be easily recovered from the pellet.
- 配問與術:結構識常需 NMR + MS + IR 為基。官能團篩唯需 IR。定量以 UV-Vis 或 NMR 為佳。
- 察可行:諸候術與第二步之樣特性互照。除不容者(如 GC-MS 對非揮發、NMR 對順磁樣)。
- 依訊密分優:依各術對此特定問所供之訊量排餘術。
- 計費與可得:若數術供類訊,取速、廉、易得者。
得:擇之術之排列,附各擇之因與所排術之何及因之注。
敗則:若無單一術足(結構識常然),謀當含互補術合答之問。若無宜術,記其制並薦他法(如衍化以使樣宜於 GC-MS)。
第四步:為各術謀樣備
定各擇術之具體備所需:
- NMR 備:1--50 mg 樣溶於 0.5--0.7 mL 氘代溶劑。依溶與譜窗擇溶:
| Solvent | 1H Residual | Use When |
|---|---|---|
| CDCl3 | 7.26 ppm | Non-polar to moderately polar compounds |
| DMSO-d6 | 2.50 ppm | Polar compounds, broad solubility |
| D2O | 4.79 ppm | Water-soluble compounds, peptides |
| CD3OD | 3.31 ppm | Polar organic compounds |
| C6D6 | 7.16 ppm | Aromatic region overlap avoidance |
-
IR 備:依樣態擇法:
- ATR:固或液直置於晶。最速,最少備。
- KBr 片:1--2 mg 樣與 100--200 mg 乾 KBr 研,壓為透明片。
- 溶液池:溶於 IR 透明溶劑(CCl4、CS2)。透明窗有限。
- 薄膜:自溶液鑄於 NaCl 或 KBr 窗。宜聚合物與油。
-
MS 備:配電離法與樣:
- EI (GC-MS):樣必揮發。溶於揮發溶劑(二氯甲烷、己烷)。
- ESI (LC-MS):溶於 ESI 容溶劑(甲醇/水、乙腈/水含 0.1% 甲酸)。
- MALDI:與宜矩陣(DHB、CHCA、芥子酸)混並乾於板。
-
UV-Vis 備:溶於 UV 透明溶劑。調濃使 lambda-max 之吸光在 0.1 至 1.0 之間。樣與參用配對之比色皿。
-
Raman 備:多樣需最少備。固可裸測。液於玻璃瓶(玻璃 Raman 散射弱)。避螢光容器。水溶液 Raman 良,水為弱 Raman 散射者。
得:各擇術之備協,含溶之擇、所需量、特殊處理之指。
敗則:若樣量不足諸謀術,依第三步之訊階分優。若樣不溶於諸宜溶劑,考固態術(ATR-IR、Raman、固態 NMR、MALDI-MS)。
第五步:定分析序與互驗策
序分析以保樣與最大訊流:
-
依破壞分序:非破術先,破術後。
- 首層(非破、無備):Raman、ATR-IR
- 二層(非破、需備):UV-Vis、NMR(樣常可蒸溶劑而回收)
- 三層(破或耗樣):MS(ESI、EI/GC-MS、MALDI)
-
訊流:以早果優化後分析:
- IR/Raman 官能團數據助擇最佳 NMR 試(如 IR 無羰基,略羰基焦之 13C 分析)。
- MS 之分子式助釋 NMR(積分比、預期峰數)。
- NMR 連接數據助釋 MS 碎裂。
-
定互驗點:識諸術果當合處:
- 分子式:MS(分子離子)必合 NMR(H 與 C 計)與元素分析。
- 官能團:IR 之歸必與 NMR 化學位移與 MS 碎裂相合。
- 不飽和度:自式(MS)算者必合所觀環與雙鍵(NMR、UV-Vis)。
-
謀備案:定若初果模糊,何附加試行:
- 若 NMR 示意外複雜:行 2D 試(COSY、HSQC、HMBC)。
- 若 MS 分子離子模糊:試異電離法或請 HRMS。
- 若 IR 為一官能團主導:試 Raman 取互補訊。
-
記謀:生書面分析謀,含術序、樣備步驟、預期周轉時、備案試之決點。
得:完備、有序之分析謀,含備協、互驗之準、備案規記之。
敗則:若謀因樣或儀器之制不能完,明記其制並提最佳可達之分析子集。
驗
- 分析問清晰定,附明示之成功之準
- 樣特性已察(態、量、溶、穩、患)
- 術以決策矩擇之,附諸因記之
- 不可行之術已識並排,附因
- 各擇術之樣備已謀
- 分析序自非破至破
- 互補術間之互驗點已定
- 模糊果之備案試已識
- 估總樣耗並對可用量驗
陷
- 略謀劃相:直赴最近之儀器耗樣與時。即 15 分鐘之謀亦省數時之重析。
- 依習慣而非需擇術:非每分析皆需 NMR。簡單官能團確認唯需 IR。配術與問。
- 低估樣需:分析序中途耗盡樣可避。前算總樣需並加 20% 備。
- 先行破壞法:NMR 前 GC-MS 致 NMR 樣自另一份。先序非破法以最大每毫克之訊。
- 忽溶劑相容:DMSO-d6 中之 NMR 樣不易用於 GC-MS(非揮發溶劑)。跨諸術謀溶劑之擇。
- 無互驗策:無定檢點,諸術之矛盾果或至最終解時方覺。
參
interpret-nmr-spectrum— 釋依此謀採之 NMR 數據interpret-ir-spectrum— 釋依此謀採之 IR 數據interpret-mass-spectrum— 釋依此謀採之 MS 數據interpret-uv-vis-spectrum— 釋依此謀採之 UV-Vis 數據interpret-raman-spectrum— 釋依此謀採之 Raman 數據validate-analytical-method— 驗此謀所擇之定量法
GitHub репозиторий
Похожие навыки
llamaguard
ДругоеLlamaGuard — это модель от Meta с 7–8 миллиардами параметров для модерации входных и выходных данных больших языковых моделей по шести категориям безопасности, таким как насилие и разжигание ненависти. Она обеспечивает точность 94–95% и может быть развернута с помощью vLLM, Hugging Face или Amazon SageMaker. Используйте этот навык, чтобы легко интегрировать фильтрацию контента и защитные механизмы в ваши ИИ-приложения.
cost-optimization
ДругоеЭтот навык Claude помогает разработчикам оптимизировать облачные расходы за счет правильного подбора ресурсов, стратегий тегирования и анализа затрат. Он предоставляет framework для сокращения облачных расходов и внедрения управления затратами в AWS, Azure и GCP. Используйте его, когда вам нужно проанализировать расходы на инфраструктуру, оптимизировать ресурсы или уложиться в бюджетные ограничения.
quantizing-models-bitsandbytes
ДругоеЭтот навык выполняет квантизацию LLM до 8-битной или 4-битной точности с использованием библиотеки bitsandbytes, обеспечивая сокращение использования памяти на 50-75% при минимальной потере точности. Он идеально подходит для запуска больших моделей при ограниченной памяти GPU или для ускорения вывода, поддерживая форматы INT8, NF4 и FP4. Навык интегрируется с HuggingFace Transformers и позволяет использовать обучение QLoRA и 8-битные оптимизаторы.
dispatching-parallel-agents
ДругоеЭтот навык Claude распределяет нескольких агентов для исследования и устранения трёх и более независимых проблем параллельно. Он предназначен для сценариев с несвязанными сбоями, которые можно устранить без общего состояния или зависимостей. Ключевая возможность — параллельное решение проблем, где за каждую независимую предметную область назначается отдельный агент для максимальной эффективности.
