BD neuropixels-analysis
Анализирует внеклеточные записи Neuropixels от начала до конца с помощью SpikeInterface. Охватывает загрузку данных SpikeGLX/Open Ephys/NWB, предварительную обработку, коррекцию дрейфа/движения, сортировку спайков Kilosort4 (и на ЦП), метрики качества и курацию единиц (на основе порогов, модель-ориентированную UnitRefine и визуальный обзор с помощью ИИ). Используйте при работе с записями Neuropixels 1.0/2.0, сортировкой спайков или анализом внеклеточной электрофизиологии.
машинный переводПоказать оригиналСкрыть оригинал«Analyzes Neuropixels extracellular recordings end-to-end with SpikeInt…»
Analyzes Neuropixels extracellular recordings end-to-end with SpikeInterface. Covers loading SpikeGLX/Open Ephys/NWB data, preprocessing, drift/motion correction, Kilosort4 (and CPU) spike sorting, quality metrics, and unit curation (threshold-based, model-based UnitRefine, and AI-assisted visual review). Use when working with Neuropixels 1.0/2.0 recordings, spike sorting, or extracellular electrophysiology analysis.
Анализирует внеклеточные записи Neuropixels от начала до конца с помощью SpikeInterface.
Как процесс D 47/100 · Процесс не доведён — слабые места: результат и критерий готовности, когда включается, входы и предусловия
Как улучшить
- Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
- spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.
Находки guard · 0
✓ Критических и высоких находок нет
Просканировано файлов: 19. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.
По спецификации Agent Skills
- заметка
edit-residueв тексте есть пометки об устаревшем (строки 165, 196, 199): проверьте, не остались ли старые правила рядом с новыми — полная проверка читает текст на противоречия
Процессный рейтинг: все десять параметров 47/100
- 0Результат и критерий готовности. Не сказано, что считать результатом
- 0Входы и предусловия. Не сказано, что нужно иметь на входе
- 20Когда включается. Не сказано, при каком запросе скилл включается
- 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
- 55Ошибки и развилки. Развилок: 1
- 60Инструменты и файлы. Используются инструменты (web, python), но во frontmatter они не объявлены
- 70Стоимость исполнения. Тело инструкции 4766 токенов
- 85Шаги. Шагов: 34, расплывчатых формулировок: 1
- 100Согласованность. Имя и обязательные поля на месте
- 100Отчётность по ходу. Скилл сообщает о ходе работы
- low Разделов верхнего уровня: 13. Похоже на несколько доменов в одном скилле
Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.
Сигналы качества
- +5В description нет примеров фраз, по которым скилл должен срабатывать
- +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
- +3Формат ответа не описан: модель каждый раз решает сама
- -31 из 7 скриптов не упомянуты в SKILL.md
- +2Инструкции на одном языке
- +3Длина description 420 символов: достаточно сигнала, не съедает бюджет
- +4Структура: 36 заголовков
- +3Пошаговые инструкции: 34 пунктов
- +4Есть примеры (21 блоков кода)
- +4Справочные файлы упоминаются в инструкциях (10 из 10)
- +1Лицензия указана
База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 86.