本手册主要介绍Kaiwu与KPP Skill的功能、安装方法、账号注册与本地授权配置，并提供通过AI完成建模、求解和模型训练的使用示例。

一、认识Kaiwu与KPP Skill

Skill是提供给AI的专业操作说明，可以包含参考资料、示例和辅助脚本。安装后，AI 可以根据其中的规则选择工具、编写代码并执行任务。

使用本手册的完整流程，需要AI应用支持本地Skill加载、终端执行和文件读写。

Kaiwu Skill可以帮助你将题目中的目标、变量和约束转化为模型，调用求解器，再将结果还原为业务方案。例如，将任务分配给机器，计算各机器的负载并检查分配是否合法。

KPP Skill可以帮助你完成以下类型的模型任务：

- BM/RBM：学习二元数据中的关联和隐藏模式，进行采样与生成；
- DBN：通过多层 RBM 学习分层特征；
- Q-VAE：结合编码、重建和能量模型潜变量先验；
- Q-Diffusion：通过候选生成模型与能量模型进行离散序列生成；
- MAIFS：为已有 PyTorch 模型选择输入特征子集。

两个Skill可以在同一个任务中配合使用，AI应根据任务所需的能力和SDK依赖版本安排调用与运行环境。

二、安装Skill

2.1 方式一：AI 自动安装

在支持本地文件操作和 Skill 管理的 AI 应用中，新建对话，发送以下内容：

请帮我安装下面两个 Skill：



1. https://github.com/qboson/kaiwu-coding-skill

2. https://github.com/qboson/kpp-coding-skill

根据 AI 应用的提示完成安装所需的文件访问和联网操作。安装完成后，按照应用提示刷新技能列表或新建对话，使应用加载技能。

2.2 方式二：手动安装

步骤 1：下载技能包

分别打开以下 GitHub 仓库，点击 Code → Download ZIP，下载当前分支的压缩包：

- Kaiwu Skill：https://github.com/qboson/kaiwu-coding-skill
- KPP Skill：https://github.com/qboson/kpp-coding-skill

步骤 2：解压并整理文件夹

解压后，将两个技能文件夹分别命名为：

- kaiwu-coding-skill
- kpp-coding-skill

确认每个文件夹根目录中都能直接找到 SKILL.md，保留仓库中的全部附带文件。

步骤 3：放入当前应用的Skills目录

通过 AI 应用的技能管理界面或官方说明，找到其支持的Skills目录；也可以先询问AI：

请根据当前 AI 应用的官方说明，告诉我本机可用的 Skills 安装目录，

以及手动放入 Skill 后使其生效的方法。

将两个完整文件夹放入该目录。安装后的结构应类似：

<当前 AI 应用的 Skills 目录>/

├── kaiwu-coding-skill/

│   ├── SKILL.md

│   └── references/

└── kpp-coding-skill/

    ├── SKILL.md

    ├── README.md

    ├── agents/

    ├── references/

    └── scripts/

其中，references/存放配套资料，KPP的scripts/包含环境验证脚本，按应用提示刷新技能列表或重启应用，使应用加载技能。

三、注册账号与本地授权配置

3.1 获取用户 ID 和 SDK Code

运行本手册中的SDK求解与采样示例前，请准备QBoson用户ID和SDK Code。

1. 登录或注册 玻色量子 Ising® 专用量子计算云平台；
2. 进入SDK下载页面；
3. 在页面中获取你的用户ID和SDK Code，例如：

user_id="123456", sdk_code="AjUvlTvWrWZoeidADu5Vbf6pceVmuX"

3.2 使用时完成授权

首次运行需要授权的SDK求解或采样功能时，如果当前环境缺少license，Kaiwu SDK会在交互式终端提示输入用户ID和SDK Code，由本人在本地终端按提示输入，完成授权后继续运行任务。

本手册的两个示例都需要Kaiwu SDK授权，任务运行环境中已有有效license时可直接复用，SDK Code请妥善保管，并在本人操作的本地终端中输入。

如果AI应用的运行窗口不支持交互输入，或 KPP 验证脚本提示缺少授权，请先让AI提供进入任务运行环境的命令，再由本人在本地终端进入该环境并执行：

python -c "import kaiwu as kw; kw.license.ensure_license()"

按终端提示输入用户ID和SDK Code，完成后告知 AI“本地授权已完成”，并使用同一环境继续任务。此方式见SDK授权接口说明，云端真机计算还需要账号具备相应的真机权限和计算额度。

四、使用示例

在AI应用中发送以下提示词，由AI按Skill准备兼容环境并执行。两个示例均使用本地经典模拟退火计算；需要授权时，由本人按第三部分的说明在本地终端完成。

4.1 Kaiwu：任务分配优化

请使用 kaiwu-coding-skill，将时长为 2、3、4、5 的四个任务分配给两台相同的机器；

每个任务完整分配给一台机器，两台机器同时开始、各自依次处理任务，目标是最小化最大总负载；



请构建 QUBO 模型，用 Kaiwu 本地模拟退火求解，检查分配是否合法，

输出分配方案和各机器负载，并保存代码及结果。

核对基准：该问题的最优最大负载为 7，例如将时长为 2、5 和 3、4 的任务分别分给两台机器，求解结果以 SDK 实际返回的候选方案及其约束检查为准。

4.2 KPP：RBM 训练与样本生成

请使用 kpp-skill，完成一个小规模 RBM 训练与生成示例。



从 000000、111000、000111、111111 四种模式中等概率选取 128 条训练数据；

构建 6 个可见单元、3 个隐藏单元的 RBM，在 CPU 上使用 Kaiwu 本地模拟退火采样，训练 20 步；

训练后累计采样得到 20 条样本，仅导出可见层的 6 列 0/1 数据；

请检查损失和梯度是否有限、参数是否更新、样本格式是否正确，保存代码、模型配置、

模型参数及样本 CSV，并报告实际运行结果。

预期产物：训练代码、模型文件和一份 20 行、6 列的二元样本 CSV。

该示例用于熟悉训练与采样流程，模型效果应根据实际数据和任务指标评估。

本手册主要介绍Kaiwu与KPP Skill的功能、安装方法、账号注册与本地授权配置，并提供通过AI完成建模、求解和模型训练的使用示例。

一、认识Kaiwu与KPP Skill

Skill是提供给AI的专业操作说明，可以包含参考资料、示例和辅助脚本。安装后，AI 可以根据其中的规则选择工具、编写代码并执行任务。

使用本手册的完整流程，需要AI应用支持本地Skill加载、终端执行和文件读写。

Kaiwu Skill可以帮助你将题目中的目标、变量和约束转化为模型，调用求解器，再将结果还原为业务方案。例如，将任务分配给机器，计算各机器的负载并检查分配是否合法。

KPP Skill可以帮助你完成以下类型的模型任务：

- BM/RBM：学习二元数据中的关联和隐藏模式，进行采样与生成；
- DBN：通过多层 RBM 学习分层特征；
- Q-VAE：结合编码、重建和能量模型潜变量先验；
- Q-Diffusion：通过候选生成模型与能量模型进行离散序列生成；
- MAIFS：为已有 PyTorch 模型选择输入特征子集。

两个Skill可以在同一个任务中配合使用，AI应根据任务所需的能力和SDK依赖版本安排调用与运行环境。

二、安装Skill

2.1 方式一：AI 自动安装

在支持本地文件操作和 Skill 管理的 AI 应用中，新建对话，发送以下内容：

请帮我安装下面两个 Skill：



1. https://github.com/qboson/kaiwu-coding-skill

2. https://github.com/qboson/kpp-coding-skill

根据 AI 应用的提示完成安装所需的文件访问和联网操作。安装完成后，按照应用提示刷新技能列表或新建对话，使应用加载技能。

2.2 方式二：手动安装

步骤 1：下载技能包

分别打开以下 GitHub 仓库，点击 Code → Download ZIP，下载当前分支的压缩包：

- Kaiwu Skill：https://github.com/qboson/kaiwu-coding-skill
- KPP Skill：https://github.com/qboson/kpp-coding-skill

步骤 2：解压并整理文件夹

解压后，将两个技能文件夹分别命名为：

- kaiwu-coding-skill
- kpp-coding-skill

确认每个文件夹根目录中都能直接找到 SKILL.md，保留仓库中的全部附带文件。

步骤 3：放入当前应用的Skills目录

通过 AI 应用的技能管理界面或官方说明，找到其支持的Skills目录；也可以先询问AI：

请根据当前 AI 应用的官方说明，告诉我本机可用的 Skills 安装目录，

以及手动放入 Skill 后使其生效的方法。

将两个完整文件夹放入该目录。安装后的结构应类似：

<当前 AI 应用的 Skills 目录>/

├── kaiwu-coding-skill/

│   ├── SKILL.md

│   └── references/

└── kpp-coding-skill/

    ├── SKILL.md

    ├── README.md

    ├── agents/

    ├── references/

    └── scripts/

其中，references/存放配套资料，KPP的scripts/包含环境验证脚本，按应用提示刷新技能列表或重启应用，使应用加载技能。

三、注册账号与本地授权配置

3.1 获取用户 ID 和 SDK Code

运行本手册中的SDK求解与采样示例前，请准备QBoson用户ID和SDK Code。

1. 登录或注册 玻色量子 Ising® 专用量子计算云平台；
2. 进入SDK下载页面；
3. 在页面中获取你的用户ID和SDK Code，例如：

user_id="123456", sdk_code="AjUvlTvWrWZoeidADu5Vbf6pceVmuX"

3.2 使用时完成授权

首次运行需要授权的SDK求解或采样功能时，如果当前环境缺少license，Kaiwu SDK会在交互式终端提示输入用户ID和SDK Code，由本人在本地终端按提示输入，完成授权后继续运行任务。

本手册的两个示例都需要Kaiwu SDK授权，任务运行环境中已有有效license时可直接复用，SDK Code请妥善保管，并在本人操作的本地终端中输入。

如果AI应用的运行窗口不支持交互输入，或 KPP 验证脚本提示缺少授权，请先让AI提供进入任务运行环境的命令，再由本人在本地终端进入该环境并执行：

python -c "import kaiwu as kw; kw.license.ensure_license()"

按终端提示输入用户ID和SDK Code，完成后告知 AI“本地授权已完成”，并使用同一环境继续任务。此方式见SDK授权接口说明，云端真机计算还需要账号具备相应的真机权限和计算额度。

四、使用示例

在AI应用中发送以下提示词，由AI按Skill准备兼容环境并执行。两个示例均使用本地经典模拟退火计算；需要授权时，由本人按第三部分的说明在本地终端完成。

4.1 Kaiwu：任务分配优化

请使用 kaiwu-coding-skill，将时长为 2、3、4、5 的四个任务分配给两台相同的机器；

每个任务完整分配给一台机器，两台机器同时开始、各自依次处理任务，目标是最小化最大总负载；



请构建 QUBO 模型，用 Kaiwu 本地模拟退火求解，检查分配是否合法，

输出分配方案和各机器负载，并保存代码及结果。

核对基准：该问题的最优最大负载为 7，例如将时长为 2、5 和 3、4 的任务分别分给两台机器，求解结果以 SDK 实际返回的候选方案及其约束检查为准。

4.2 KPP：RBM 训练与样本生成

请使用 kpp-skill，完成一个小规模 RBM 训练与生成示例。



从 000000、111000、000111、111111 四种模式中等概率选取 128 条训练数据；

构建 6 个可见单元、3 个隐藏单元的 RBM，在 CPU 上使用 Kaiwu 本地模拟退火采样，训练 20 步；

训练后累计采样得到 20 条样本，仅导出可见层的 6 列 0/1 数据；

请检查损失和梯度是否有限、参数是否更新、样本格式是否正确，保存代码、模型配置、

模型参数及样本 CSV，并报告实际运行结果。

预期产物：训练代码、模型文件和一份 20 行、6 列的二元样本 CSV。

该示例用于熟悉训练与采样流程，模型效果应根据实际数据和任务指标评估。