optics-learning

name	optics-learning
description	光学学习技能，提供知识树构建、概念可视化和学习进度跟踪。 触发条件： - 用户说"帮我梳理XX知识体系" - 用户说"构建XX的学习路径" - 用户说"我需要学习超表面光学" - 用户询问某个光学概念的前置知识 自动触发：当用户表达学习光学领域知识的需求时。

光学学习技能

能力概览

当你需要系统学习某个光学领域时，此技能提供：

1. 知识树构建 - 分析领域内的概念依赖关系
2. 学习路径规划 - 确定从基础到高级的学习顺序
3. 可视化 - 生成概念关系图和流程图
4. 进度跟踪 - 帮助你记录和追踪学习状态

知识树构建流程

1. 领域分析

分析目标领域的关键概念：

• 核心定义和原理
• 关键公式和定律
• 典型应用场景
• 与其他领域的关联

2. 依赖关系梳理

确定前置知识（必须先学）和并行知识（可以同时学）：

前置依赖：
  A 知识 → B 知识 （必须先学 A 才能学 B）

并行关系：
  A 知识 ←→ B 知识 （两者可以交叉学习）

3. 生成结构

输出格式：

# [领域] 知识树

## Level 1: 基础概念
- [[概念A]] - 核心定义
- [[概念B]] - 关键原理

## Level 2: 核心理论
- [[理论X]] - 核心公式
- [[理论Y]] - 关键应用

## Level 3: 高级应用
- [[应用Z]] - ...

## 学习路径
1. 先学 [[A]] 和 [[B]]
2. 然后学 [[X]]
3. 最后深入 [[Z]]

可视化支持

Mermaid 图

自动生成知识树的可视化：

graph TD
    A["基础数学"] --> B["电磁场理论"]
    B --> C["波动光学"]
    C --> D["傅里叶光学"]
    D --> E["成像系统"]
    C --> F["干涉与衍射"]
    F --> G["光学测量"]

Python 可视化

使用 optics_viz.py 脚本生成概念图：

• 高斯光束传播
• 衍射图样
• 超表面相位分布
• 干涉条纹

学习进度跟踪

状态定义

• ideas - 听说过，了解大概
• studying - 正在学习
• mastered - 已掌握
• reference - 作为参考

Dataview 查询

在 Obsidian 中使用：

```dataview
TABLE title, type, status
FROM ""
WHERE field = "optics" AND subfield = "超表面光学"
SORT status

## 光学子领域清单

### 基础层
- 电磁场理论 (Maxwell 方程)
- 波动光学 (干涉、衍射、偏振)
- 几何光学 (光线追迹、成像)

### 方法层
- 傅里叶光学 (频率分析、传递函数)
- 激光物理 (谐振腔、增益介质)
- 非线性光学 (极化率、XPM、SPM)

### 应用层
- 超表面光学 (相位调控、异常折射)
- 等离激元光学 (SPR、纳米光学)
- 量子光学 (纠缠、压缩态)

### 计算层
- FDTD (时域有限差分)
- RCWA (严格耦合波分析)
- BPM (光束传播法)

## 快速启动命令

当你需要开始新领域学习时，使用以下 prompt：

"帮我构建 [领域名] 的知识树，生成 Obsidian 笔记并更新学习路径"

## 示例

### 超表面光学知识树

超表面光学 ├── 前置知识 │ ├── 电磁场理论 │ ├── 波动光学 │ └── 广义斯涅尔定律 ├── 核心概念 │ ├── 相位突变 (Phase Discontinuity) │ ├── 广义反射/折射定律 │ └── 共振单元设计 ├── 关键技术 │ ├── V 形天线阵列 │ ├── 高折射率介电纳米柱 │ └── 几何相位 (Pancharatnam-Berry) └── 应用方向 ├── 超构透镜 (Metalens) ├── 轨道角动量生成 └── 智能光学表面

## 模拟工具子模块（关联 qutip / sympy skills）

构建知识树后，理论推导和数值仿真是深入学习的关键步骤。以下两个 skill 作为本技能的模拟工具子模块：

### qutip — 量子光学数值模拟

**适用场景**：需要数值求解量子系统动力学时调用。擅长开放量子系统、耗散过程、Wigner 函数可视化。

- 关联 skill：`qutip`（`.claude/skills/qutip/SKILL.md`）
- 典型用例：
  1. **腔 QED 模拟**：Jaynes-Cummings 模型，原子-光子耦合动力学（`mesolve` + 期待值演化）
  2. **退相干分析**：Lindblad 主方程求解耗散过程，计算纠缠度随时间衰减（`concurrence`）
  3. **量子态可视化**：相干态/压缩态的 Wigner 函数分布图（`wigner` + `contourf`）

### sympy — 符号推导与解析验证

**适用场景**：需要精确符号推导、公式验证、或生成 LaTeX 公式时调用。擅长解析积分、微分方程、矩阵对角化。

- 关联 skill：`sympy`（`.claude/skills/sympy/SKILL.md`）
- 典型用例：
  1. **Maxwell 方程推导**：从旋度方程出发，符号推导电磁波方程和边界条件（`diff` + `simplify`）
  2. **耦合模理论**：符号建立耦合微分方程组，解析求解本征频率分裂（`dsolve` + `eigenvals`）
  3. **公式→代码流水线**：符号推导得到解析解后，`lambdify` 转为 NumPy 函数供 matplotlib 绑图

### 协同工作流

optics-learning（知识树） → sympy（手推核心公式，确认物理正确性） → qutip（数值验证，参数扫描，可视化动态过程）