Neuroskill Bci

连接到正在运行的 NeuroSkill 实例，并将用户的实时认知与情绪状态（专注度、放松度、情绪、认知负荷、困倦程度、心率、心率变异性、睡眠分期以及 40 多项衍生 EXG 评分）融入响应中。需要 BCI 可穿戴设备（Muse 2/S 或 OpenBCI）以及本地运行的 NeuroSkill 桌面应用。

技能元数据

来源	可选 — 使用 hermes skills install official/health/neuroskill-bci 安装
路径	optional-skills/health/neuroskill-bci
版本	1.0.0
作者	Hermes Agent + Nous Research
许可证	MIT
平台	linux, macos, windows
标签	BCI、神经反馈、健康、专注度、EEG、认知状态、生物特征、neuroskill

参考：完整 SKILL.md

info

以下是 Hermes 在触发此技能时加载的完整技能定义。这是 Agent 在技能激活时看到的指令。

NeuroSkill BCI 集成

将 Hermes 连接到正在运行的 NeuroSkill 实例，以读取来自 BCI 可穿戴设备的实时大脑和身体指标。利用这些数据提供认知感知响应、建议干预措施，并随时间追踪心理表现。

⚠️ 仅限研究用途 — NeuroSkill 是一个开源研究工具。它不是医疗设备，未经过 FDA、CE 或任何监管机构的批准。切勿将这些指标用于临床诊断或治疗。

完整的指标参考请见 references/metrics.md，干预协议请见 references/protocols.md，WebSocket/HTTP API 请见 references/api.md。

---

前提条件

• 已安装 Node.js 20+（node --version）
• NeuroSkill 桌面应用正在运行，并已连接 BCI 设备
• BCI 硬件：Muse 2、Muse S 或 OpenBCI（通过 BLE 连接 4 通道脑电图 + 光电容积描记 + 惯性测量单元）
• npx neuroskill status 返回数据且无错误

验证安装

node --version                    # 必须为 20+
npx neuroskill status             # 完整系统快照
npx neuroskill status --json      # 机器可解析的 JSON

如果 npx neuroskill status 返回错误，请告知用户：

• 确保 NeuroSkill 桌面应用已打开
• 确保 BCI 设备已开机并通过蓝牙连接
• 检查信号质量 — NeuroSkill 中的绿色指示（每电极 ≥0.7）
• 如果显示 command not found，请安装 Node.js 20+

---

CLI 参考：npx neuroskill <command>

所有命令均支持 --json（原始 JSON，管道安全）和 --full（人类可读摘要 + JSON）。

命令	描述
status	完整系统快照：设备、分数、频带、比值、睡眠、历史
session [N]	单次 session 详情，包含前/后半段趋势（0=最近一次）
sessions	列出所有天数的所有已记录 session
search	ANN 相似性搜索，查找神经上相似的历史时刻
compare	A/B session 比较，包含指标差异和趋势分析
sleep [N]	睡眠阶段分类（清醒/N1/N2/N3/REM），带分析
label "text"	在当前时刻创建带时间戳的注释
search-labels "query"	对过去标签进行语义向量搜索
interactive "query"	跨模态 4 层图搜索（文本 → EXG → 标签）
listen	实时事件流（默认 5 秒，可设置 --seconds N）
umap	session 嵌入的 3D UMAP 投影
calibrate	打开校准窗口并启动配置文件
timer	启动专注计时器（番茄钟/深度工作/短时专注预设）
notify "title" "body"	通过 NeuroSkill 应用发送操作系统通知
raw '{json}'	原始 JSON 直通到服务器

全局标志

标志	描述
--json	原始 JSON 输出（无 ANSI，管道安全）
--full	人类可读摘要 + 彩色 JSON
--port <N>	覆盖服务器端口（默认：自动发现，通常是8375）
--ws	强制使用 WebSocket 传输
--http	强制使用 HTTP 传输
--k <N>	最近邻数量（用于 search, search-labels）
--seconds <N>	监听持续时间（默认：5）
--trends	显示每个会话的指标趋势（会话）
--dot	Graphviz DOT 格式输出（交互式）

---

1. 检查当前状态

获取实时指标

npx neuroskill status --json

始终使用 --json 以获得可靠的解析。默认输出是彩色的人类可读文本。

响应中的关键字段

scores 对象包含所有实时指标（除非另有说明，范围均为 0–1）：

{
  "scores": {
    "focus": 0.70,           // β / (α + θ) — 持续注意力
    "relaxation": 0.40,      // α / (β + θ) — 平静清醒
    "engagement": 0.60,      // 积极的脑力投入
    "meditation": 0.52,      // Alpha波 + 静止 + HRV 相干性
    "mood": 0.55,            // 由 FAA、TAR、BAR 综合得出
    "cognitive_load": 0.33,  // 前额θ / 颞叶α · f(FAA, TBR)
    "drowsiness": 0.10,      // TAR + TBR + 频谱质心下降
    "hr": 68.2,              // 心率，单位 bpm（来自 PPG）
    "snr": 14.3,             // 信噪比，单位 dB
    "stillness": 0.88,       // 0–1；1 = 完全静止
    "faa": 0.042,            // 前额Alpha不对称性（正值表示接近）
    "tar": 0.56,             // Theta/Alpha 比率
    "bar": 0.53,             // Beta/Alpha 比率
    "tbr": 1.06,             // Theta/Beta 比率（ADHD 替代指标）
    "apf": 10.1,             // Alpha峰频率，单位 Hz
    "coherence": 0.614,      // 半球间相干性
    "bands": {
      "rel_delta": 0.28, "rel_theta": 0.18,
      "rel_alpha": 0.32, "rel_beta": 0.17, "rel_gamma": 0.05
    }
  }
}

也包括：device（状态、电量、固件）、signal_quality（每个电极的 0–1 值）、 session（时长、eopchs）、embeddings、labels、sleep 摘要以及 history。

解读输出

解析 JSON 并将指标转化为自然语言。永远不要只汇报原始数字——要赋予它们意义：

正确做法：

“你目前的专注度很扎实，达到 0.70 —— 这属于心流状态区间。心率稳定在 68 bpm，FAA 为正，表明接近动机良好。这正是处理复杂任务的好时机。”

错误做法：

“专注度：0.70，放松度：0.40，心率：68”

关键解读阈值（完整指南见 references/metrics.md）：

• 专注度 > 0.70 → 心流状态区间，保持好
• 专注度 < 0.40 → 建议休息或执行协议
• 困倦度 > 0.60 → 疲劳警告，存在微睡眠风险
• 放松度 < 0.30 → 需要压力干预
• 认知负荷 > 0.70 持续 → 大脑排空或休息
• TBR > 1.5 → θ 波主导，执行控制下降
• FAA < 0 → 退缩/负面情绪 —— 考虑进行 FAA 重新平衡
• SNR < 3 dB → 信号不可靠，建议重新调整电极位置

3. 历史检索

神经相似性检索

npx neuroskill search --json                    # 自动：最近一次会话，k=5
npx neuroskill search --k 10 --json             # 10 个最近邻居
npx neuroskill search --start <UTC> --end <UTC> --json

使用 HNSW 近似最近邻搜索在 128 维 ZUNA 嵌入上查找历史上神经相似的时刻。返回距离统计、时间分布（一天中的小时）以及最佳匹配天数。

当用户提出以下问题时使用此功能：

• "我上次处于类似状态是什么时候？"
• "找到我最佳的专注时段"
• "我通常下午什么时候状态崩溃？"

语义标签搜索

npx neuroskill search-labels "deep focus" --k 10 --json
npx neuroskill search-labels "stress" --json | jq '[.results[].EXG_metrics.tbr]'

使用向量嵌入（Xenova/bge-small-en-v1.5）搜索标签文本。返回匹配的标签及其在标记时的关联 EXG 指标。

跨模态图搜索

npx neuroskill interactive "deep focus" --json
npx neuroskill interactive "deep focus" --dot | dot -Tsvg > graph.svg

4 层图：查询 → 文本标签 → EXG 点 → 附近标签。使用 --k-text、--k-EXG、--reach <minutes> 进行调整。

---

4. 会话比较

npx neuroskill compare --json                   # 自动：最近两次会话
npx neuroskill compare --a-start <UTC> --a-end <UTC> --b-start <UTC> --b-end <UTC> --json

返回约 50 个指标的绝对变化、百分比变化和方向等指标增量。同时包含 insights.improved[] 和 insights.declined[] 数组、两次会话的睡眠分期数据以及一个 UMAP 任务 ID。

解读对比时要结合上下文——提及趋势，而不仅仅是增量：

“昨天你有两个强专注时段（上午 10 点和下午 2 点）。今天你从上午 11 点左右开始有一个专注时段，目前仍在持续。你今天的整体参与度更高，但压力峰值也更多——你的压力指数上升了 15%，FAA 更频繁地出现负值。”

# 按改善百分比排序指标
npx neuroskill compare --json | jq '.insights.deltas | to_entries | sort_by(.value.pct) | reverse'

---

5. 睡眠数据

npx neuroskill sleep --json                     # 最近 24 小时
npx neuroskill sleep 0 --json                   # 最近一次睡眠会话
npx neuroskill sleep --start <UTC> --end <UTC> --json

返回逐 epoch 的睡眠分期（5 秒窗口）及分析：

• 分期代码：0=清醒，1=N1，2=N2，3=N3（深睡），4=REM
• 分析：效率百分比、入睡潜伏期（分钟）、REM 潜伏期（分钟）、片段计数
• 健康目标：N3 15–25%，REM 20–25%，效率 >85%，入睡潜伏期 <20 分钟

npx neuroskill sleep --json | jq '.summary | {n3: .n3_epochs, rem: .rem_epochs}'
npx neuroskill sleep --json | jq '.analysis.efficiency_pct'

当用户提到睡眠、疲劳或恢复时使用此命令。

---

6. 标记时刻

npx neuroskill label "突破"
npx neuroskill label "学习算法"
npx neuroskill label "冥想后"
npx neuroskill label --json "专注块开始"   # 返回 label_id

在以下情况自动标记时刻：

• 用户报告突破或洞见
• 用户开始新任务类型（例如"切换到代码审查"）
• 用户完成重要协议
• 用户要求你标记当前时刻
• 发生显著状态转换（进入/离开心流状态）

标签存储在数据库中，并通过 search-labels 和 interactive 命令建立索引以便后续检索。

---

7. 实时流式传输

npx neuroskill listen --seconds 30 --json
npx neuroskill listen --seconds 5 --json | jq '[.[] | select(.event == "scores")]'

Streams 实时 WebSocket 事件（EXG、PPG、IMU、分数、标签），持续指定时长。需要 WebSocket 连接（不适用于 --http）。

在连续监控场景中，或需要在协议期间实时观察指标变化时使用。

---

8. UMAP 可视化

npx neuroskill umap --json                      # 自动：最近 2 次会话
npx neuroskill umap --a-start <UTC> --a-end <UTC> --b-start <UTC> --b-end <UTC> --json

GPU 加速的 ZUNA 嵌入 3D UMAP 投影。separation_score 表示两次会话的神经区分程度：

• > 1.5 → 会话在神经上具有明显差异（不同的大脑状态）
• < 0.5 → 两次会话的大脑状态相似

---

9. 主动状态感知

会话开始检查

在会话开始时，如果用户提到他们佩戴了设备或询问自身状态，可选运行状态检查：

npx neuroskill status --json

注入简短的状态摘要：

“快速检查：专注度正在建立，为 0.62；放松状态良好，为 0.55；您的 FAA 为正值——趋近动机已激活。看起来是一个不错的开始。”

何时主动提及状态

仅在以下情况提及认知状态：

• 用户明确询问（"我现在状态如何？"、"检查一下我的专注度"）
• 用户报告难以集中注意力、感到压力或疲劳
• 超过关键阈值（困倦度 > 0.70，专注度持续 < 0.30）
• 用户即将进行高认知需求的任务并询问准备情况

不要打断心流状态来报告指标。如果专注度 > 0.75，请保护当前会话——保持沉默才是正确的回应。

---

10. 建议方案

当指标显示需要时，从 references/protocols.md 中建议一个方案。开始前务必先询问，切勿打断心流状态：

"过去15分钟你的专注度持续下降，TBR 已攀升超过 1.5——这是 theta 波主导和精神疲劳的迹象。要不要我带你做一个 Theta-Beta 神经反馈锚定练习？这是一个90秒的练习，通过有节奏的计数和呼吸来抑制 theta 波、提升 beta 波。"

关键触发条件：

• 专注度 < 0.40，TBR > 1.5 → Theta-Beta 神经反馈锚定或箱式呼吸
• 放松度 < 0.30，压力指数高 → 心脏相干呼吸或 4-7-8 呼吸法
• 认知负荷持续 > 0.70 → 认知负荷卸载（思维清空）
• 困倦度 > 0.60 → 超昼夜节律重置或清醒重置
• FAA < 0（负值） → FAA 再平衡
• 心流状态（专注度 > 0.75，投入度 > 0.70） → 不要打断
• 高静止度 + 头痛指数 → 颈部放松序列
• 低 RMSSD（< 25ms） → 迷走神经调音

错误处理

错误	可能原因	解决方法
npx neuroskill status 卡住	NeuroSkill 应用未运行	打开 NeuroSkill 桌面应用
device.state: "disconnected"	BCI 设备未连接	检查蓝牙、设备电池
所有分数返回 0	电极接触不良	重新调整头带，湿润电极
signal_quality 值 < 0.7	电极松动	调整佩戴位置，清洁电极接触点
SNR < 3 dB	信号噪音大	尽量减少头部移动，检查环境
command not found: npx	未安装 Node.js	安装 Node.js 20+

---

示例交互

“我现在的状态如何？”

npx neuroskill status --json

→ 自然解读各项分数，提及专注度、放松度、情绪以及任何值得关注的比值（FAA、TBR）。仅当指标显示存在需求时，才建议采取行动。

“我无法集中注意力”

npx neuroskill status --json

→ 检查指标是否证实了这一情况（θ 波偏高、β 波偏低、TBR 上升、嗜睡程度升高）。 → 若得到证实，从 references/protocols.md 中推荐相应方案。 → 若指标看起来正常，问题可能出在动机层面，而非神经层面。

“比较一下我今天和昨天的专注度”

npx neuroskill compare --json

→ 解读趋势，而不仅仅是数字。指出哪些方面改善、哪些下降以及可能的原因。

“我上一次处于心流状态是什么时候？”

npx neuroskill search-labels "flow" --json
npx neuroskill search --json

→ 报告时间戳、相关指标以及用户当时在做什么（来自标签）。

“我睡得怎么样？”

npx neuroskill sleep --json

→ 报告睡眠结构（N3%、REM%、效率），与健康目标对比，并指出任何问题（高觉醒期、低 REM）。 "记住这一刻——我刚刚取得了一个突破"

npx neuroskill label "breakthrough"

→ 确认标签已保存。可选择记录当前指标以记住该状态。

---

参考资料

• NeuroSkill 论文 — arXiv:2603.03212（Kosmyna 与 Hauptmann，MIT 媒体实验室）
• NeuroSkill 桌面应用（GPLv3 协议）
• NeuroLoop 命令行伴侣（GPLv3 协议）
• MIT 媒体实验室项目