interpret-uv-vis-spectrum
关于
This skill interprets UV-Vis absorption spectra to identify chromophores, determine electronic transition types, and apply the Woodward-Fieser rules for wavelength prediction. It also uses the Beer-Lambert law for concentration calculations. Developers should use it for compound identification, purity checking, and quantitative analysis in spectroscopic applications.
快速安装
Claude Code
推荐npx 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/interpret-uv-vis-spectrum在 Claude Code 中复制并粘贴此命令以安装该技能
技能文档
name: interpret-uv-vis-spectrum locale: zh-CN source_locale: en source_commit: 6f65f316 translator: claude-sonnet-4-6 translation_date: 2026-03-16 description: > 解读紫外-可见吸收光谱,识别发色团、确定电子跃迁类型、应用 Woodward-Fieser 规则预测吸收波长,并利用比尔-朗伯定律计算浓度。用于化合物鉴定、纯度 检测和定量分析。 license: MIT allowed-tools: Read Grep Glob WebFetch WebSearch metadata: author: Philipp Thoss version: "1.0" domain: spectroscopy complexity: intermediate language: natural tags: spectroscopy, uv-vis, chromophore, beer-lambert, electronic-transitions
解读紫外-可见光谱
通过识别发色团、归因电子跃迁、应用 Woodward-Fieser 规则以及利用比尔-朗伯定律进行定量分析,系统解读紫外-可见吸收光谱。
适用场景
- 确认共轭烯烃或芳香族化合物的发色团
- 鉴别电子跃迁类型(π→π*、n→π*、σ→σ*)
- 通过 Woodward-Fieser 规则预测共轭二烯和 α,β-不饱和羰基的吸收波长
- 利用比尔-朗伯定律进行浓度测定和纯度检测
- 监测反应进程或配合物形成(通过吸光度变化)
输入
- 必填:UV-Vis 光谱(吸光度 vs. 波长,单位 nm)
- 必填:所用溶剂
- 必填:样品浓度和比色皿光程(定量分析时需要)
- 可选:分子式或结构(用于聚焦解读)
- 可选:ε(摩尔消光系数,若已知)
步骤
第 1 步:识别吸收带和基本参数
读取光谱的基本特征:
- λmax(最大吸收波长,nm):吸光度最高处对应的波长。
- ε(摩尔消光系数,L·mol-1·cm-1):由比尔-朗伯定律计算:
A = ε × c × l,其中 A 为吸光度,c 为浓度(mol/L),l 为光程(cm)。 - 吸收带的形状:宽带(n→π* 跃迁)或振动精细结构(芳香族 π→π* 跃迁)。
电子跃迁类型参考:
| 跃迁类型 | 典型 λmax(nm) | 典型 ε | 特点 |
|---|---|---|---|
| σ→σ* | < 150 | 高 | 仅在真空 UV 可见(烷烃) |
| n→σ* | 150–250 | 中等 | 含杂原子化合物 |
| π→π* | 150–250(孤立),200–400(共轭) | 高(> 1000) | 烯烃、芳香族、羰基 |
| n→π* | 250–600 | 低(10–100) | 羰基、偶氮基 |
预期结果: 记录所有吸收带的 λmax、ε,并初步归因跃迁类型。
失败处理: 若无明显吸收峰(基线平坦),可能化合物在所测波段无发色团,或浓度太低。尝试增大浓度或改用更短波长(185–210 nm)。
第 2 步:识别发色团
根据 λmax 和 ε 确定存在的发色团:
| 发色团 | λmax(nm) | log ε | 跃迁 |
|---|---|---|---|
| 孤立 C=C | 165 | 3.8 | π→π* |
| 孤立 C=O | 280–300 | 1.5 | n→π* |
| 共轭二烯 | 220–260 | 4.0 | π→π* |
| α,β-不饱和羰基 | 220(高 ε)+ 310–330(低 ε) | π→π* + n→π* | |
| 苯 | 254(精细结构) | 2.0 | B 带 |
| 苯(取代后红移) | 270–290 | — | E2 带 |
| 多环芳烃 | 300–400+ | 3–5 | π→π* |
溶剂效应:
- 极性溶剂使 n→π* 跃迁蓝移(超色移)
- 极性溶剂使 π→π* 跃迁红移(深色移)
- 氢键溶剂(水、醇)对 n→π* 的影响最显著
预期结果: 化合物中的主要发色团已确认,跃迁性质与 λmax 和 ε 相符。
失败处理: 若 λmax 与预期发色团不符,考虑溶剂效应(换溶剂重测)或互变异构(改变 pH 后重测)。
第 3 步:应用 Woodward-Fieser 规则
通过经验规则预测共轭体系的 λmax:
共轭二烯(Woodward 规则):
| 贡献项 | 增量(nm) |
|---|---|
| 基值(s-顺二烯) | 253 |
| 基值(s-反二烯) | 217 |
| 每个共轭延伸(C=C) | +30 |
| 每个烷基取代基 | +5 |
| 每个环外双键 | +5 |
| 每个交叉共轭同环双键(homodienoid) | — |
α,β-不饱和羰基(Woodward-Fieser 规则):
| 贡献项 | 增量(nm) |
|---|---|
| 基值(酮,六元环及链状) | 215 |
| 基值(醛) | 208 |
| 基值(五元环酮) | 202 |
| α 位烷基 | +10 |
| β 位烷基 | +12 |
| δ 位以上烷基 | +18 |
| α,β 双键延伸(双重共轭) | +30 |
计算示例(2-环己烯酮):
- 基值:215 nm
- β-烷基取代(2 个):+ 2 × 12 = +24
- 预测 λmax:239 nm(实验值约 239 nm)
预期结果: 计算得到的 λmax 与实验值相差在 ±5 nm 以内。
失败处理: 若预测值偏差超过 10 nm,检查是否遗漏了取代基(特别是隐蔽的烷基)或分子中存在张力导致非理想共平面结构。
第 4 步:定量分析——比尔-朗伯定律
利用比尔-朗伯定律进行浓度测定:
A = ε × c × l
- 确定 ε(标准曲线法):
- 配制一系列浓度标准溶液(如 5–50 μM)
- 在 λmax 处测定各标准溶液的吸光度
- 绘制 A 对 c 的线性图,斜率 = ε × l(光程已知时可直接求 ε)
- 测定未知样品浓度:
- 在 λmax 处测定样品吸光度
- 代入 c = A / (ε × l)
- 比尔-朗伯定律的适用范围:
- 吸光度应在 0.1–1.0 之间(最佳线性范围)
- A > 1.5 时可能出现非线性(适当稀释后重测)
- 检查混合物中其他组分在 λmax 处是否也有吸收(干扰)
## 定量结果
- 所用波长(λmax):[值] nm
- 所用 ε:[值] L·mol-1·cm-1
- 光程:[值] cm
- 测定吸光度:[值]
- 计算浓度:[值] mol/L
- 线性范围是否验证:[是/否]
预期结果: 计算得到的浓度与预期值合理吻合,且相对标准偏差(RSD)< 2%(对于重复测量)。
失败处理: 若浓度超出标准曲线范围(A > 1.5 或 < 0.05),按比例稀释或浓缩后重测。若标准曲线 R² < 0.999,检查配制误差或溶液降解。
第 5 步:综合结论
整合所有分析,得出结论:
## UV-Vis 分析总结
- 观测 λmax(nm):[值],ε = [值]
- 归因跃迁类型:[π→π* / n→π* / …]
- 确认的发色团:[共轭二烯 / α,β-不饱和酮 / 苯环 / …]
- Woodward-Fieser 预测值:[nm](若适用)
- 溶剂效应:[有/无,描述]
- 定量结果:[浓度,若测定]
- 建议补充测试:[改变 pH 后重测(用于酸碱指示剂)/ 荧光 / NMR]
预期结果: 主要发色团已确认,跃迁类型已归因,定量结果(若有)已报告,结论与其他谱学数据一致。
失败处理: 若结论模糊,建议改变溶剂、pH 或温度重新测定,利用溶剂效应区分 n→π* 和 π→π* 跃迁。
验证清单
- λmax 和 ε 已从谱图准确读取
- 跃迁类型(π→π*、n→π*)已根据 λmax 和 ε 进行归因
- 发色团已通过 λmax 确认(参考标准表)
- 溶剂效应已分析(若有多种溶剂条件的数据)
- Woodward-Fieser 规则已应用于共轭体系(预测值与实验值比较)
- 定量分析中吸光度在 0.1–1.0 线性范围内
- 结论与 IR/NMR 数据的官能团结论相符
常见问题
- 混淆 ε 和 A:摩尔消光系数 ε 是物质的特性参数(单位 L·mol-1·cm-1),吸光度 A 是测量值(无量纲)。报告 λmax 时必须同时给出 ε,而不仅仅是 A。
- 忽视溶剂截止波长:常用溶剂在短波区有截止点(水:190 nm;乙醇:210 nm;二氯甲烷:235 nm)。截止波长以下的吸收是溶剂本身的贡献,不属于样品信号。
- 在 A > 1.5 处进行定量:比尔-朗伯定律在高吸光度区间不再线性,将导致浓度低估。应稀释至吸光度 0.1–1.0 范围内。
- 误判 n→π 跃迁的溶剂效应方向*:n→π* 在极性溶剂(如水)中蓝移(超色移),而 π→π* 红移(深色移)。二者方向相反,可用于区分跃迁类型。
- 忽视精细振动结构:苯环在 254 nm 附近的精细结构(B 带,E1u 带被禁阻)是芳香族的标志性特征。若谱图平滑无精细结构,检查浓度和溶剂的影响。
- 遗漏烷基取代基:Woodward-Fieser 计算中,每个直接相连的烷基均需计入。隐蔽的环内取代基(如环己酮中的亚甲基)常被遗漏。
相关技能
interpret-ir-spectrum— IR 提供 UV-Vis 所无法给出的官能团信息interpret-nmr-spectrum— NMR 确认共轭体系的具体结构plan-spectroscopic-analysis— 规划多谱联用分析方案
GitHub 仓库
相关推荐技能
llamaguard
其他LlamaGuard是Meta推出的7-8B参数内容审核模型,专门用于过滤LLM的输入和输出内容。它能检测六大安全风险类别(暴力/仇恨、性内容、武器、违禁品、自残、犯罪计划),准确率达94-95%。开发者可通过HuggingFace、vLLM或Sagemaker快速部署,并能与NeMo Guardrails集成实现自动化安全防护。
cost-optimization
其他这个Claude Skill帮助开发者优化云成本,通过资源调整、标记策略和预留实例来降低AWS、Azure和GCP的开支。它适用于减少云支出、分析基础设施成本或实施成本治理策略的场景。关键功能包括提供成本可视化、资源规模调整指导和定价模型优化建议。
quantizing-models-bitsandbytes
其他这个Skill使用bitsandbytes库量化大语言模型,能在GPU内存有限时通过8位或4位量化减少50-75%内存占用,同时保持精度损失最小。它支持INT8、NF4、FP4等多种量化格式,可与HuggingFace Transformers无缝集成,适用于需要部署更大模型或加速推理的场景。还提供QLoRA训练和8位优化器支持,让开发者能轻松实现高效模型压缩。
dispatching-parallel-agents
其他该Skill用于并行处理3个以上无依赖关系的独立故障,可为每个问题域分派专属Claude代理同时执行调查修复。它通过并发处理多个独立问题显著提升故障排查效率,特别适用于测试文件、子系统等无共享状态的场景。
