interpret-uv-vis-spectrum
关于
This skill interprets UV-Vis spectra to identify chromophores and electronic transitions. It applies Woodward-Fieser rules for conjugated systems and performs quantitative analysis using the Beer-Lambert law. Use it for characterizing organic compounds, monitoring reaction kinetics, and analyzing metal complexes.
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
解 UV-Vis 譜
析紫外可見吸收→識發色團、歸電子躍遷、於共軛系用 Woodward-Fieser 律、以 Beer-Lambert 律定量。
用
- 識有機物之發色團與共軛度
- 證芳環、共軛烯、烯酮存在
- 定量析(由吸光度定濃)
- 監反應動力(追蹤吸光度時變)
- 徵金屬-配體絡合物(d-d 與電荷轉移躍遷)
- 評溶劑效(溶劑效應)
入
- 必:UV-Vis 譜(波長 nm vs 吸光度或摩爾吸光)
- 必:測用溶劑
- 可:濃與光程(為 Beer-Lambert 算)
- 可:λmax 之摩爾吸光 ε
- 可:多溶劑之譜(析溶劑效應)
- 可:他譜法之結構信息
行
一:驗儀參與譜質
析吸收帶前確數據可靠:
- 波長範:確譜涵相關範。標 UV-Vis 於 190-800 nm。溶劑定低波長截:
| 溶劑 | UV 截(nm) | 備 |
|---|---|---|
| 水 | 190 | UV 優透 |
| 己烷 | 195 | 非極、溶劑效微 |
| 甲醇 | 205 | 質子性、或致藍移 |
| 乙腈 | 190 | 通用 UV 溶劑佳 |
| 二氯甲烷 | 230 | 230 下吸 |
| 氯仿 | 245 | 245 下吸 |
| 丙酮 | 330 | 強吸,差 UV 溶劑 |
- 吸光度範:可靠測於 A = 0.1-1.0 間。< 0.1 噪主;> 1.0 雜光致非線。標範外 λmax
- 基線與空白:驗減溶劑空白。殘溶劑吸或杯偽影→短波長處升基線
- 狹縫寬:窄縫解析佳而信噪低。若期精細(電子帶之振動級進)→驗縫寬適(典 1-2 nm)
得:儀參記,溶劑截守,吸光度於線範,基線確淨。
敗:λmax A > 1.0 →須稀而重測。溶劑吸於關注區→建換更透溶劑重採。
二:定 λmax 與帶特徵
尋並徵諸吸收帶:
- 尋 λmax:識各吸收頂(λmax)並記波長(nm)與吸光度(或 ε 若知)
- 量帶形:察各帶寬而無特(溶液相電子躍遷典)或示振動精細結構(剛性發色團如多環芳香典)
- 記肩:吸收肩示疊躍遷。記約波長與強
- 按 ε 歸:
| ε (L mol-1 cm-1) | 躍遷型 | 例 |
|---|---|---|
| < 100 | 禁戒(n → π*) | 酮 ~280 nm |
| 100-10,000 | 弱允 | 芳 250-270 nm |
| 10,000-100,000 | 全允(π → π*) | 共軛烯 ~220 nm |
| > 100,000 | 電荷轉移 | 金屬絡合、染料 |
得:諸吸收頂與肩列,附波長、吸光度/ε、質性帶形。
敗:譜無明頂(單調升)→化合物於測範或缺發色團,或濃過低。增濃或延波長範。
三:歸電子躍遷
各吸收帶賦具體躍遷型:
- *σ → σ(< 200 nm)**:僅真空 UV 觀。飽和烴與 C-C/C-H 鍵相關。標 UV-Vis 不常測
- *n → σ(150-250 nm)**:孤對至 σ 反鍵。雜原子(O、N、S、鹵)觀。飽和胺 ~190-200;醇/醚 ~175-185
- π → π(200-500 nm)**:成鍵 π 至反鍵 π。有機物最強吸收。強與波長隨共軛延而增
- *n → π(250-400 nm)**:孤對至 π 反鍵。形式禁戒(ε 低,典 10-100)。C=O(簡酮 270-280)、N=O、C=S 之特徵
- 電荷轉移躍遷:給體與受體間或金屬與配體間電子轉移。典極強(ε > 10,000)且寬。金屬絡合物、給-受有機分子見
- d-d 躍遷(過渡金屬絡合物):可見區之弱寬帶,由晶場或配體場裂生
得:各吸收帶賦躍遷型附理(位、強、溶劑敏)。
敗:若帶不能歸標躍遷型→考電荷轉移或雜質吸收。多疊躍遷或須解卷積。
四:共軛系用 Woodward-Fieser 律
為共軛烯與烯酮預 λmax 並比觀察:
- 共軛烯(Woodward 律):
| 組 | 增量(nm) |
|---|---|
| 基值(異環二烯) | 214 |
| 基值(同環二烯) | 253 |
| 各額外共軛 C=C | +30 |
| 各環外 C=C | +5 |
| 各 C=C 上烷基取代 | +5 |
| -OAcyl 取代 | +0 |
| -OR 取代 | +6 |
| -SR 取代 | +30 |
| -Cl、-Br 取代 | +5 |
| -NR2 取代 | +5 |
- α-β 不飽和羰(Woodward-Fieser 律):
| 組 | 增量(nm) |
|---|---|
| 基值(α-β 不飽和酮,6 環或無環) | 215 |
| 基值(α-β 不飽和醛) | 208 |
| 各額外共軛 C=C | +30 |
| 各環外 C=C | +5 |
| 同環二烯組 | +39 |
| α 取代(烷) | +10 |
| β 取代(烷) | +12 |
| γ 及更高取代(烷) | +18 |
| -OH(α) | +35 |
| -OH(β) | +30 |
| -OAc(α、β、γ) | +6 |
| -OR(α) | +35 |
| -OR(β) | +30 |
| -Cl(α) | +15 |
| -Cl(β) | +12 |
| -Br(β) | +25 |
| -NR2(β) | +95 |
- 算預 λmax:基值加諸適用增量
- 比觀察:+/- 5 nm 內合支設發色團。差 > 10 nm 示結構賦誤或強溶/立體效
得:預 λmax 算並比觀察值,支或駁設發色團結構。
敗:若預與觀察顯異→復審假設發色團結構。常誤:計取代錯、忽環外雙鍵、或用誤基值(同環 vs 異環)。
五:用 Beer-Lambert 律定量
以吸光度定濃或徵摩爾吸光:
- Beer-Lambert 式:A = ε * b * c,A = 吸光度(無量綱),ε = 摩爾吸光(L mol-1 cm-1),b = 光程(cm),c = 濃(mol L-1)
- 定 ε:若濃與光程知→由 λmax 測吸光度算 ε
- 定濃:若 ε 知(文獻或校曲)→由測吸光度算濃
- 察線性:Beer-Lambert 律僅線範內有效(典 A = 0.1-1.0)。高吸光度因雜光、分子作用、儀限→偏差
- 評溶劑效:比極 vs 非極溶劑之譜:
- 紅移:λmax 至長波。π → π* 於極溶劑紅移;n → π* 於非極溶劑紅移
- 藍移:λmax 至短波。n → π* 於極/質子溶劑藍移(氫鍵穩孤對基態)
- 增/減色效:ε 增減而波長不變
得:定量結果以適有效數算,線性驗,有多溶劑時記溶劑效。
敗:Beer-Lambert 線性失→察樣降解、高濃聚集、或熒光干擾。稀並重測以證。
驗
- 溶劑截守且吸光度於線範(0.1-1.0)
- 諸 λmax 與肩列附波長、吸光度、ε
- 各吸收帶賦電子躍遷型
- 適用處行 Woodward-Fieser 算並比觀察 λmax
- Beer-Lambert 律正用,線性已驗
- 多溶劑時記溶劑效
- 發色團賦合他譜法之分子結構
忌
- 測於 A > 1.0:高吸光度因雜光效不可靠。λmax 吸光度 > 1.0 必稀並重測
- 忽溶劑截:試解溶劑截下之吸收→偽影非真樣
- 僅以強辨躍遷:~280 nm 之弱帶可為羰之 n → π* 或芳之禁戒 π → π*。須脈絡與溶劑效辨
- 誤用 Woodward-Fieser 律:此經律僅適共軛烯與 α-β 不飽和羰。不可用芳系、孤立發色團、金屬絡合物
- 忽雜質吸收:少量強吸雜質可主譜。λmax 不合預期→考雜質貢獻
- 假設一帶=一躍遷:寬 UV-Vis 帶常含多疊躍遷。精確賦或需帶解卷積
參
interpret-nmr-spectrum—— 定分子連接以助發色團識interpret-ir-spectrum—— 識貢獻發色團之官能團interpret-mass-spectrum—— 立分子式並由裂片察共軛interpret-raman-spectrum—— 對稱發色團之互補振數據plan-spectroscopic-analysis—— 數據採前擇譜技序
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。
