📦
latex-posters
87创建 LaTeX 科研海报
科研海报在 LaTeX 中很难排版，也很难为印刷进行校对。此技能提供模板、布局指导和 PDF 检查，帮助制作符合会议要求的海报。
设计与创意 查看
技能 neuropixels-analysis
📦
neuropixels-analysis
内容修订 r1 中风险 🔑 环境变量📁 文件系统访问⚡ 包含脚本🌐 网络访问⚙️ 外部命令
分析 Neuropixels 记录
Neuropixels 分析需要许多相互关联的预处理、排序和整理步骤。此技能提供实用的 SpikeInterface 工作流、脚本和参考资料，用于可复现的神经记录分析。
支持: Claude Codex Code(CC)
使用我的智能体安装
将此请求复制给你的智能体，其中包含权威 Skill 页面和清单。
智能体请求
Review the Skillstore skill "neuropixels-analysis" from https://skillstore.io/skills/davila7-neuropixels-analysis.md and its manifest at https://skillstore.io/api/skills/davila7-neuropixels-analysis/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.你的智能体仍应展示其计划，并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文，而不是读取完整页面时，请使用这些链接。
测试它
正在使用“neuropixels-analysis”。 为 Neuropixels 1.0 SpikeGLX 记录规划预处理。
预期结果:
- 加载 AP 流并确认通道数量、时长和采样率。
- 应用高通滤波、相位偏移校正、坏通道移除和 common median reference。
- 将预处理后的记录保存到新的输出目录，并保持原始数据不变。
- 在选择 sorter 前生成漂移图和探针布局图。
正在使用“neuropixels-analysis”。 帮助解释 Kilosort4 后的质量指标。
预期结果:
- 使用低 SNR 和较差的 presence ratio 分离明显的噪声单元。
- 标记存在不应期违规的单元以供人工审查。
- 在声明最终 good units 前比较 Allen、IBL 和严格阈值。
- 当实验依赖精确整理时，将不确定单元导出到 Phy。
正在使用“neuropixels-analysis”。 为已完成的分析创建报告检查清单。
预期结果:
- 记录探针类型、预处理参数、sorter 版本和运动校正设置。
- 汇总总单元数、接受单元数、拒绝单元数和关键质量指标分布。
- 在方法记录中包含漂移图、波形摘要、correlograms 和整理标准。
安全审计
中风险v9 • 2026/7/23 打开版本化报告
All 101 static findings were adjudicated. The static alerts are false positives from Markdown examples, placeholder API keys, documentation URLs, scientific domain terms, and expected output writes. One semantic privacy risk remains because AI-assisted curation may send derived neural data to external model providers.
19
已扫描文件
5,375
分析行数
0
复核项
0
已忽略误报
已确认安全问题 (1)
中
External AI Curation Can Share Research Data
The skill describes Anthropic and OpenAI clients for visual unit analysis. This can transmit waveform plots or derived neural recording data to external model providers unless users opt in.
The cited sections explicitly document provider clients and visual unit analysis. The feature appears intended rather than malicious, but it creates a privacy and data governance risk.
风险因素
🔑 环境变量 (2)
📁 文件系统访问 (7)
🌐 网络访问 (11)
⚙️ 外部命令 (48)
SKILL.md:35 SKILL.md:36 SKILL.md:37 SKILL.md:43-49 SKILL.md:49-53 SKILL.md:53-66 SKILL.md:66-70 SKILL.md:70-83 SKILL.md:83-89 SKILL.md:89-99 SKILL.md:99-103 SKILL.md:103-111 SKILL.md:111-115 SKILL.md:115-126 SKILL.md:126-130 SKILL.md:130-143 SKILL.md:143-147 SKILL.md:147-157 SKILL.md:157-163 SKILL.md:163-176 SKILL.md:176-182 SKILL.md:182-189 SKILL.md:189-193 SKILL.md:193-204 SKILL.md:204-210 SKILL.md:210-220 SKILL.md:220-221 SKILL.md:221-224 SKILL.md:224-227 SKILL.md:227-228 SKILL.md:228-229 SKILL.md:229-232 SKILL.md:232-233 SKILL.md:233-234 SKILL.md:234-240 SKILL.md:240-242 SKILL.md:242-246 SKILL.md:246-248 SKILL.md:248-252 SKILL.md:252-254 SKILL.md:254-258 SKILL.md:258-260 SKILL.md:260-264 SKILL.md:264-268 SKILL.md:268-296 SKILL.md:296-313 SKILL.md:313-317 SKILL.md:317-334
审计者: codex 查看审计历史 →
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据，不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/davila7-neuropixels-analysis/audits/9?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/davila7-neuropixels-analysis?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/davila7-neuropixels-analysis?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/davila7-neuropixels-analysis/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/davila7-neuropixels-analysis.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
davila7. (2026). neuropixels-analysis security audit report (audit version 9) [Author version unspecified]. Skillstore. https://skillstore.io/skills/davila7-neuropixels-analysis/audits/9BibTeX 引用
@techreport{davila7-davila7-neuropixels-analysis-2026,
author = {davila7},
title = {neuropixels-analysis security audit report (audit version 9)},
institution = {Skillstore},
year = {2026},
number = {9},
url = {https://skillstore.io/skills/davila7-neuropixels-analysis/audits/9},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "neuropixels-analysis security audit report (audit version 9)"
version: "unspecified"
type: report
authors:
- name: "davila7"
date-released: "2026-07-23"
url: "https://skillstore.io/skills/davila7-neuropixels-analysis/audits/9"
identifiers:
- type: other
value: "skillstore:davila7-neuropixels-analysis:audit:9"
description: "Skillstore immutable audit report identifier"
比较变体
2 个可安装变体每位作者的技能都保持为独立的可安装项。推荐变体按 Skillstore 证据排序。
为什么此变体排名第一
Skillstore 评分最高
作者 / 来源 Skillstore 评分 证据置信度 Skillstore 使用量 已更新
davila7-neuropixels-analysis
Skillstore 评分 77
证据置信度 高
Skillstore 使用量 14
已更新
2026-09-09
k-dense-ai-neuropixels-analysis
Skillstore 评分 76
证据置信度 高
Skillstore 使用量 23
已更新
2026-09-09
Skillstore 评分
评分依据 证据置信度: 高 82
架构
85
可维护性
87
内容
71
社区
83
规范符合性
你能构建什么
准备一份新记录
加载 SpikeGLX 或 Open Ephys 会话，检查通道，应用预处理，并保存可复用的中间数据。
运行排序流水线
选择 sorter，运行后处理，计算质量指标，并导出结果以供人工审查。
标准化单元整理
跨会话应用 Allen、IBL 或严格标准，并记录阈值以支持可复现分析。
试试这些提示
规划基础预处理
我在 [path] 有一份 Neuropixels SpikeGLX 记录。请帮我规划安全的预处理、预期输出，以及 spike sorting 前的检查项。
选择运动校正
我的漂移图显示 [describe pattern]。请推荐一种运动校正策略，并解释我应该检查哪些参数。
比较 Sorter 选项
我需要在 [hardware limits] 下对一份 Neuropixels 记录进行排序。请针对这个场景比较 Kilosort4、SpykingCircus2 和 Mountainsort5。
审查整理标准
请审查这些 Neuropixels 研究的质量指标阈值和整理标签。找出薄弱假设，并建议一个可复现的报告计划。
最佳实践
- 在 spike sorting 前检查漂移和坏通道，尤其是长时记录。
- 保存预处理数据和参数记录，以便分析可复现。
- 将自动整理作为第一轮筛选，并人工审查边界单元。
避免
- 在未检查漂移、探针元数据或坏通道的情况下，对原始数据运行 spike sorting。
- 将质量指标阈值视为可跨探针、脑区和实验通用。
- 在未确认数据治理规则的情况下，将图表或元数据发送到外部 AI 服务。
常见问题
这个技能会自行运行 spike sorting 吗？
它提供指导和脚本。用户仍需在自己的 Python 环境中运行命令。
涵盖哪些数据格式？
文档涵盖通过 SpikeInterface 使用 SpikeGLX、Open Ephys 和 NWB 的工作流。
我需要 GPU 吗？
Kilosort4 受益于 GPU。文档中也讨论了基于 CPU 的替代方案，例如 SpykingCircus2 和 Mountainsort5。
这能替代人工整理吗？
不能。它支持自动化和 AI 辅助审查，但重要或不确定的单元仍需要专家检查。
它能处理运动校正吗？
可以。它解释了 Neuropixels 记录的漂移检查、SpikeInterface 预设和非刚性校正选项。
在使用 AI 辅助整理前，我应该检查什么？
确认图表或派生记录数据是否可以与所选模型提供商共享。
开发者详情
作者
davila7许可证
MIT
Skillstore 修订
r1
版本提示
作者未声明版本。
引用
c43861a65bb95efcae259cd161c9d6f4dc7eec6f
维护新鲜度
2026/7/25
使用量
11 次下载 · 245 次浏览
davila7 的更多技能
查看全部📦
content-creator
87创建适合 SEO 的营销内容
营销团队需要清晰的内容，以匹配品牌语调和搜索目标。此技能提供模板、分析脚本和平台指南，用于可重复的内容生产。
写作与内容 查看
📦
treatment-plans
86创建结构化医疗治疗计划
临床治疗计划往往会变得不一致、冗长或难以审查。此技能提供重点明确的模板、可衡量的目标、时间表和本地质量检查。
文档 查看
📦
clinical-reports
86创建结构化临床报告
临床团队需要符合医疗和监管标准的清晰报告。此技能为病例报告、诊断、试验和患者记录提供模板、检查清单和验证指导。
文档 查看
📦
exploratory-data-analysis
85分析科学数据文件
科学数据文件很难检查，因为每种格式存储结构和元数据的方式都不同。此技能可检测格式、分析数据质量，并创建实用的 Markdown EDA 报告。
数据与分析 查看
📦
diffdock
85运行 DiffDock 分子对接工作流
分子对接设置经常失败，因为输入、参数和置信度分数很难对齐。此技能会指导从准备到结果审查的 DiffDock 工作流。
研究与学习 查看
相关技能
查看全部📦
data-processing
84处理 JSON、YAML 和 TOML 数据
由 0xDarkMatter
结构化配置数据在 JSON、YAML 和 TOML 文件之间可能难以检查。此技能指导使用 jq 和 yq 查询进行提取、过滤、转换和更新。
数据与分析 查看
📦
pytdc
82使用 PyTDC 分析治疗领域 ML 数据集
由 K-Dense-AI
药物发现团队需要可靠的数据集和公平的评估协议。此技能帮助 Claude 使用 PyTDC 获取经过整理的治疗领域 ML 数据、基准划分、指标和分子 oracle。
数据与分析 查看
📦
nature-data
82起草 Nature 数据可用性声明
由 Yuan1z0825
研究作者在投稿前通常需要精确的数据可用性表述。此技能可帮助起草声明、将数据集映射到访问路径，并检查 FAIR 元数据。
数据与分析 查看
📦
send-experiment-designer
82设计可靠的电子邮件实验
由 aaron-he-zhu
电子邮件测试往往因实验设计检验效能不足或同时改变多个变量而得出薄弱的结论。此技能可制定严谨的方案，并在考虑不确定性的情况下解读结果。
数据与分析 查看
📦
senior-data-scientist
81设计数据科学实验与模型
由 alirezarezvani
当实验、特征和模型缺乏清晰的统计结构时，数据科学项目往往会失败。此技能为 Claude、Codex 和 Claude Code 提供用于实验、特征工程和模型评审的引导式工作流。
数据与分析 查看
📦
senior-computer-vision
81构建生产级计算机视觉系统
由 alirezarezvani
计算机视觉团队需要在模型、数据集、推理和部署方面获得可靠指导。此技能通过实用的工程检查，帮助规划和优化生产级视觉流水线。
数据与分析 查看