第一次接触量子计算，问题常常是一串接一串。算法怎么选？一个需求适合走哪条量子路线？代码怎么搭？跑完之后，结果怎么验证、怎么比较？
这些工作分散在量子研发的不同环节。现在，中电信量子集团把其中一批常用能力做成了量子计算Skill，并上线TeleAgent技能广场“量子专区”。
打开专区，会看到算法开发、应用研发、“天衍”量子计算云平台工程与算力等多类工具。下面先逛一遍，再挑一个真实案例，看看一项Skill能把任务推进到什么程度。
01
量子Skill能帮什么忙？
量子研发的任务类型很多，这批Skill也各有分工。按实际使用场景，大致可以分成三组。
做算法：把模型、代码和验证串起来
遇到组合优化问题，可以调用量子近似优化算法（QAOA）开发工具；想做量子机器学习研究，可以使用QML开发工具；涉及分子基态能量等问题，则有VQE开发工具。
三类Skill都围绕“真正开始做算法”来设计：从问题建模、代码实现，到结果验证和经典基线对比，减少重复搭建工作。
做应用：先把需求和路线理清楚
一个量子应用在动手开发前，通常还要回答几件事：目标是什么，输入输出有什么限制，现有经典方法做到什么水平，量子方案准备走哪条路线。
量子应用需求分析师负责梳理目标和约束；量子科研与基线检索器查找经典算法、公开数据集和可用组件；量子方案规划与决策助手形成研发计划；量子应用沙盒验证工具负责交付前的运行检查和验证。
做工程：把应用接到“天衍”量子计算云平台
算法有了，还要面对页面、接口、部署和算力任务。围绕“天衍”量子计算云平台，这批Skill也覆盖了工程侧的常见工作。
天衍前端工程助手负责页面和线路展示，天衍后端开发助手负责接口与服务代码，天衍UI规范审查助手检查页面规范，天衍云端算力调度助手处理任务提交、状态查询和结果解析。
02
从一个想法
到一套能跑的研发流程
把这些Skill放到同一条研发链里，会更容易看出它们的关系。
比如拿到一个新的量子应用需求，先由需求分析工具把目标、数据和约束整理清楚；接着检索已有方法和经典基线，形成技术依据；路线确定后，进入QAOA、QML或VQE等算法开发；需要做成应用时，再接上前后端、平台算力和验证工具。
这样一来，每个Skill都负责一个相对明确的环节，前一步的结果也能继续成为后一步的输入。
这条链路里，用一个具体例子最容易看出多项Skill是怎么配合的。下面就拿鸢尾花（Iris）三分类跑一遍。
03
一组Skill接力
能把分类任务做到哪一步？
鸢尾花（Iris）是机器学习里很经典的一组数据。每朵花有4项特征，目标是判断它属于3个品种中的哪一类。
这个案例里，本地同时安装了量子需求分析师、量子方案决策助手、量子机器学习等Skill。它们围绕任务不同环节接力：先梳理需求、确定路线，再进入量子机器学习的具体实现。
这次的任务很明确：基于鸢尾花数据，完成一个量子核分类器，并给出训练、测试和结果验证。前面的Skill已将需求和路线梳理清楚，进入算法实现阶段后，QML Skill接手，准备运行环境、确认所需接口，并搭起后续的训练和推理流程。
小结｜一次实验，也把这套工具链串了起来
一个分类器跑下来，真正有意思的不只是最后的准确率。
从需求梳理、路线确定，到算法开发、结果对比和自检，每一步都有对应的Skill接力完成。一次实验，也把这套量子研发工具链完整地串了起来。
当这些专业能力被沉淀成Skill，下一次遇到类似任务时，就有了更清晰、更顺手的起点。
把专业能力，拆成随任务调用的Skill
从一个需求开始，量子研发会经过分析、调研、算法、工程、算力和验证等多个环节。中电信量子集团正在把这些专业能力逐步沉淀为Skill，让不同任务都有更明确的工具入口。
目前，这批量子计算Skill已上线TeleAgent技能广场“量子专区”。欢迎大家进入专区，根据自己的任务选择合适的Skill，亲自体验这套量子计算“技能包”。
