NeuroSkill 神经反馈与脑机接口工作台
本地优先的 EXG/BCI 桌面应用，把脑电采集、GPU 频带分析与神经基础模型推理收进一台电脑。
- Star 数
- ★ 103
- 最近更新
- 3 天前
- License
- GPL-3.0
- 主语言
- Rust
- FA 评分
- 47/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配
- 费用
- 免费，无需付费服务
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 做 EEG 神经反馈实验的研究者，希望在笔记本上实时看到多通道频带功率和会话对比结果，而不把原始脑电上传到云端。
- 不适合
- 需要经 FDA/CE 认证的医疗器械或临床诊断用途的团队
- 不愿安装 Hugging Face CLI、Rust/Tauri 与 npm 工具链的用户
- 主要依赖云端 SaaS、不想在本地管理模型权重与 EXG 设备的用户
这个 Agent 能做什么，适合哪些场景？
NeuroSkill 是一个用 Tauri v2（Rust）加 SvelteKit 构建的本地优先桌面神经反馈与 BCI 应用，面向 EXG/BCI 研究与探索性使用，明确声明仅限科研、不是医疗器械。它通过 LSL 以及远程 rlsl-iroh 接收实时 EXG 数据流，支持 BrainBit、OpenBCI Cyton/Ganglion、Emotiv、Muse、g.tec Unicorn、Neurosity Crown、Oura Ring 等数十种设备，也接受任何兼容的 LSL 信号源。应用内置 GPU 频带功率分析与神经嵌入，并提供会话对比、睡眠分期、UMAP 可视化、打标签、相似度检索和基于截图的检索。它还集成本地 LLM 与 TTS，并对外暴露 WebSocket/HTTP API，模型目录定义在 src-tauri/exg_catalog.json，涵盖 ZUNA、LUNA、REVE、LaBraM、EEGPT、CBraMod、SleepFM 等 EEG/EXG 基础模型。部署边界是本机：官方发行版为 macOS 的 dmg、Windows 的 exe 和 Linux 的 AppImage，也可通过 Homebrew cask 安装，或以源码方式用 npm run tauri dev / build 自行构建。
运行时，NeuroSkill 从支持的 EXG 设备或任意 LSL / 远程 rlsl-iroh 源读取实时多通道生理信号，在桌面端做流式可视化，并调用 GPU 完成频带功率分析与神经嵌入计算。它把每次采集保存为会话，随后可以对比不同会话、执行睡眠分期、生成 UMAP 降维视图，并对片段打标签或以相似度检索、截图检索的方式找回历史数据。模型层由 src-tauri/exg_catalog.json 驱动，可从 Hugging Face 拉取 ZUNA、LUNA、REVE、OpenTSLM、SensorLM、SleepFM、SleepLM、OSF、SignalJEPA、LaBraM、EEGPT、TRIBE v2、NeuroRVQ、CBraMod、ST-EEGFormer 等预训练权重进行推理。应用内嵌本地 LLM 与 TTS，同时以 WebSocket/HTTP API 对外提供接口，便于脚本或外部程序读写数据。文档目录覆盖架构（docs/architecture.md）、设备（docs/DEVICES.md）、指标公式（docs/METRICS.md）、钩子（docs/HOOKS.md）、LLM 内部实现（docs/LLM.md）、LSL 集成（docs/lsl-integration.md）、API（docs/API.md）以及各平台构建说明。
- 做 EEG 神经反馈实验的研究者，希望在笔记本上实时看到多通道频带功率和会话对比结果，而不把原始脑电上传到云端。
- 需要横向评测多个 EEG 基础模型（如 LaBraM、EEGPT、CBraMod、LUNA）的算法工程师，用同一套采集会话跑通加载、嵌入与可视化流程。
- 睡眠或认知方向的研究小组，用 SleepFM/SleepLM 等模型配合夜间采集数据做睡眠分期与 UMAP 聚类观察。
- 使用 Muse、OpenBCI Cyton、Emotiv 或 g.tec Unicorn 等硬件做可穿戴生理信号原型的开发者，需要一个已支持多种设备并能暴露 WebSocket/HTTP API 的桌面端。
- 希望把本地 LLM 与 TTS 接入生理信号工作流的团队，用 NemoSkill 的钩子与本地模型链路构建自定义反馈脚本。
- 教学或演示场景中，需要一条命令在 macOS/Windows/Linux 上装好并现场展示脑电信号处理流程的讲师。
如何安装或部署这个 Agent？
官方提供各平台预编译发行包，直接下载即可运行。
# macOS
https://github.com/NeuroSkill-com/skill/releases/latest/download/NeuroSkill.dmg
# Windows
https://github.com/NeuroSkill-com/skill/releases/latest/download/NeuroSkill.exe
# Linux
https://github.com/NeuroSkill-com/skill/releases/latest/download/NeuroSkill.AppImagemacOS 也可用 Homebrew 安装：
brew tap NeuroSkill-com/skill && brew install --cask neuroskill从源码运行需要先安装 Hugging Face CLI，然后下载所需模型权重（示例为 ZUNA）：
curl -LsSf https://hf.co/cli/install.sh | bash
hf download Zyphra/ZUNAWindows 下安装 Hugging Face CLI 的命令为：
powershell -ExecutionPolicy ByPass -c "irm https://hf.co/install.ps1 | iex"随后在仓库目录执行安装脚本并启动开发模式：
npm run setup -- --yes
npm run tauri dev构建生产版本：
npm run tauri build如何使用这个 Agent？
首次启动桌面应用后，选择要接入的 EXG 设备或 LSL 信号源（例如 BrainFlow、MATLAB、pylsl 提供的流），开始实时流式可视化。采集结束后把数据以会话保存，在应用内对会话做对比、睡眠分期、UMAP 可视化、打标签、相似度检索或截图检索。若要用某个基础模型做嵌入或推理，先确认对应权重已通过 hf download 拉取到本地，模型清单以 src-tauri/exg_catalog.json 为准。外部脚本通过 WebSocket/HTTP API 读写数据，接口细节见 docs/API.md；本地 LLM 与 TTS 的接入分见 docs/LLM.md，钩子扩展见 docs/HOOKS.md。README 中的设备列表与模型列表由 npm run sync:readme:supported 自动生成，更新设备支持后需重新运行该命令。
这个 Agent 有哪些优点和局限？
- 本地优先架构：信号采集、模型推理和存储都在本机完成，适合对原始生理数据敏感的研究场景。
- 设备覆盖广：README 明确列出 BrainBit、OpenBCI、Emotiv、Muse、g.tec、Neurosity、Oura 等数十款硬件，并兼容任意 LSL 源。
- 模型目录可审计：基础模型集中在 src-tauri/exg_catalog.json，覆盖 ZUNA、LUNA、REVE、LaBraM、EEGPT、CBraMod、SleepFM 等 20 个权重。
- 接口齐备：同时提供 WebSocket/HTTP API、本地 LLM 与 TTS、钩子机制，便于把桌面端嵌入既有数据管道。
- 三平台分发完整：macOS dmg、Windows exe、Linux AppImage 加 Homebrew cask，落地成本低。
- 明确不是医疗器械：未获 FDA/CE 批准，不能用于诊断或治疗，临床团队无法直接采用。
- 需要自备 EXG 硬件与 Hugging Face 权重，首次运行还要安装 Hugging Face CLI、npm 与 Tauri/Rust 工具链，环境准备偏重。
- GPL-3.0-only 许可对希望闭源分发或嵌入商业产品的团队构成合规约束。
- 仓库未提供服务端/容器化部署路径，只能在桌面环境运行，无法作为无头服务部署到集群。
- README 未说明 LLM/TTS 的模型来源、硬件加速要求与量化选项，实际推理性能无法从文档预估。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| NeuroSkill 神经反馈与脑机接口工作台 当前 | 47 · 缺口较多 | 桌面应用免费 | ★ 103 | 3 天前 | Rust | — |
| Principia | 66 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 948 | 17 天前 | Rich Text Format | — |
| Open Science 开源科研工作台 | 52 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 5.4k | 今天 | TypeScript | Codex · Claude Code |
| ChatLab 聊天记录分析工具 | 42 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 7.5k | 4 天前 | TypeScript | — |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示这是一个本地优先的 Tauri 桌面 BCI 应用，但仓库级权限边界未在可见文件中说明：没有 capability/权限清单、没有对麦克风/摄像头/蓝牙/文件系统/网络访问的显式声明，因此 least_privilege 仅得 1（存在但薄弱）。user_confirmation 得 0：可见文件没有任何破坏性操作前的用户确认机制描述。data_flow_transparency 得 1：README 提到本地 LLM、LSL、rlsl-iroh 远程流与 WebSocket/HTTP API，但未说明数据流向、是否外发、外发到何处。sensitive_data_handling 得 1：项目处理脑电/EXG 与 Oura 生理数据，属敏感数据，但未见隐私政策、加密或留存说明。dependency_security 得 2：Cargo.toml 明确针对 GHSA-wrw7-89jp-8q8g（glib）与 GHSA-2qph-qpvm-2qf7（rand/phf_generator）打了补丁，并解释了 cubek-matmul、btleplug、muda 的补丁原因，属可核实的依赖安全处理；但补丁指向个人 fork 分支（eugenehp/*），供应链信任面扩大，故未给满分。external_effects 得 1：存在自动更新插件、Discord webhook、远程流等外部副作用，但未见对副作用的边界说明。rollback 得 1：有 updater 与版本号，但未见回滚/降级流程说明。source_attribution 得 1：README 列出大量第三方模型与设备厂商，但未给出各模型/代码的来源许可与归属细节。
self_consistency 得 2：package.json 版本 0.0.129、README 徽章、CI 工作流与 Cargo workspace 成员列表彼此一致，未发现明显矛盾。dependency_availability 得 1：依赖大量 git 分支补丁（eugenehp/cubek、eugenehp/btleplug、eugenehp/gtk-rs-core、eidola-ai/burn-mlx）与本地 patches/ 目录，这些分支若被删除或强推，构建即不可复现；同时依赖 Hugging Face 模型下载与预编译 llama 库，可用性依赖外部服务。failure_messages 得 1：CI 脚本中有若干错误提示与重试逻辑，但产品运行时的失败信息在可见文件中没有体现。
audience_and_scenarios 得 2：README 明确面向 EXG/BCI 研究者，列出设备、模型、文档索引，场景清晰。capability_boundaries 得 2：显著标注“Research use only — not a medical device”，明确不用于诊断或治疗，边界表述到位。trigger_precision 得 1：作为桌面应用与 CLI/daemon，触发条件（何时启动采集、何时调用 LLM、何时外发）在可见文件中未定义。environment_fit 得 2：分别提供 macOS/Windows/Linux 构建与打包脚本、Homebrew cask、平台文档，环境适配有实际支撑。
information_architecture 得 2：README 结构清晰，docs/ 下有架构、设备、指标、API、开发等分册。install_notes 得 2：给出 Homebrew、下载链接、npm run setup、hf download、tauri dev/build 等步骤。naming_stability 得 2：crate 命名统一为 skill-*，包名 neuroskill，版本号集中管理。examples_and_faq 得 1：有快速开始命令，但没有示例用法、FAQ 或常见问题排查。known_limitations 得 2：明确声明非医疗器械、未获 FDA/CE 认证，并列出若干上游 bug 与补丁原因。license 得 3：LICENSE 为完整 GPL-3.0 文本，package.json 标注 GPL-3.0-only，README 与徽章一致，三处互相印证。versioning_changelog 得 2：有 CHANGELOG.md 引用、changelog fragment 校验脚本与 CI 门禁，但可见文件未展示实际变更记录。maintenance_responsibility 得 1：发布者身份未经验证，未见维护者、治理或安全联系渠道说明。
output_usability 得 2：产品输出（实时可视化、分析、嵌入、搜索、API）对研究用途有明确价值，且有截图与文档支撑。marginal_value 得 2：支持大量设备与 EXG 基础模型、本地 LLM/TTS、LSL 与远程流，相对通用工具具备差异化能力。cost_benefit 得 1：构建成本很高（Rust workspace 数十个 crate、Vulkan/ONNX/llama.cpp、模型下载、多平台签名与公证），而可见文件未提供性能或资源占用的量化说明，投入产出比难以评估。
claim_traceability 得 1：README 中设备与模型列表标注为自动生成并给出同步脚本与规范来源（src-tauri/exg_catalog.json），部分声明可追溯；但功能与安全声明缺少对应证据链接。cross_source_corroboration 得 1：许可证、版本号在 README/package.json/LICENSE 间可交叉印证，但安全与隐私相关声明没有第二来源支持。fact_inference_separation 得 1：README 多为功能陈述，未区分已验证事实与设计意图，也未标注哪些能力尚未实现或未测试。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 仓库处理脑电/EXG 与 Oura 生理数据等敏感信息，但可见文件未提供隐私政策、数据留存或加密说明；在采集真实受试者数据前应自行评估合规性。
- Cargo.toml 通过多个个人 fork 分支（eugenehp/cubek、eugenehp/btleplug、eugenehp/gtk-rs-core、eidola-ai/burn-mlx）打补丁，分支被删除或强推会导致构建不可复现，并扩大供应链信任面。
- README 明确声明非医疗器械、未获 FDA/CE 认证，不得用于诊断或治疗；任何临床或健康决策都不应依赖本工具输出。
- 发布者身份未经验证，且未见维护者、治理或安全披露渠道；更新与长期维护责任不明确。
- 可见文件未说明自动更新、远程流（rlsl-iroh）、WebSocket/HTTP API 与 Discord webhook 的数据流向与边界，部署前应确认网络暴露面。