neuro-explain
Skill3 starsChanged 4 months agoMITView on GitHub
Use when: 신경과학 메커니즘 인용 (도파민, 세로토닌, 노르에피네프린, 예측 코딩, Hebbian), 생물학적 타당성 주장. 쉬운 설명·예시·실생활 비유 3종 필수.
In this repository33 other files it gives its agents.
- AGENTS.mdAGENTS.md
- CLAUDE.mdCLAUDE.md
- ckpt-cleanupSkill
- commitSkill
- confluence-research-recordSkill
- confluenceSkill
- cost-resetSkill
- costSkill
- discussSkill
- drawio-skillSkill
- dumbifySkill
- experimental-designSkill
- experimentSkill
- figureSkill
- graphifySkill
- grokSkill
- harness-auditSkill
- harness-benchSkill
- intentSkill
- learn-from-feedbackSkill
- paper-readSkill
- paperSkill
- project-initSkill
- pydicomSkill
- quick-skillSkill
- researchSkill
- setup-panelsSkill
- solveSkill
- statistical-analysisSkill
- statistical-powerSkill
- storytellingSkill
- wandb-cleanupSkill
- workflowSkill
The file
Files
/neuro-explain — 신경과학 메커니즘 설명 기준
신경과학 메커니즘을 인용하거나 생물학적 타당성을 주장할 때 반드시 적용하는 규칙.
자동 트리거 조건
- 신경조절물질 언급 (도파민, 세로토닌, 노르에피네프린, 아세틸콜린)
- 피질 회로 메커니즘 언급 (예측 코딩, Hebbian 학습, recurrent processing)
- 해마 회로 언급 (DG, CA1, CA3, theta 진동)
- "생물학적으로 타당한", "뇌에서는", "신경과학적 근거"로 시작하는 주장
- 논문 근거 인용 (Schultz 1997, Rao & Ballard 1999, Lamme & Roelfsema 2000 등)
필수 3종 (MANDATORY — 없이 신경과학 인용 금지)
| 순서 | 항목 | 기준 |
| 1 | 쉬운 설명 | 전문 지식 없는 사람도 이해할 수 있는 1~3문장 요약 |
| 2 | 쉬운 예시 1개 | 생물/의학/심리학 일상 예시 (뇌·뉴런·학습 맥락) |
| 3 | 실생활 비유 1개 | 뇌와 무관한 일상 현상 비유 (음식·스포츠·공학 등) |
작성 형식
[메커니즘 이름] (출처: 저자 연도)
├── 쉬운 설명: [전문 지식 없는 사람도 이해할 수 있는 1~3문장]
├── 예시: [생물/의학/심리학 맥락의 구체 예시 1개]
└── 실생활 비유: [일상 현상과의 비유 1개]참고 예시
Dopamine Prediction Error (Schultz 1997)
- 쉬운 설명: 도파민 뉴런은 예상보다 결과가 좋으면 폭발적으로 반응하고(LTP), 예상보다 나쁘면 활성이 낮아진다(LTD). 즉, "기대 대비 실제 결과"의 차이(δ)를 신호로 보낸다.
- 예시: 시험에서 60점 예상했는데 80점 나오면 도파민 급증, 80점 예상했는데 60점이면 도파민 급감.
- 실생활 비유: 배달앱에서 30분 예상했는데 15분에 도착하면 기분 좋음, 60분이 걸리면 기분 나쁨 — 절대 시간이 아닌 "기대 대비 차이"가 기분을 결정한다.
3-Factor Hebbian Rule (Fremaux & Gerstner 2016)
- 쉬운 설명: 시냅스 강도는 뉴런 A 활성화 + 뉴런 B 활성화 + 도파민 보상 신호 세 조건이 모두 충족될 때만 강해진다. 뇌는 "함께 활성화됨 + 보상"이라는 세 조건이 맞아야 연결을 강화한다.
- 예시: 학생이 답을 맞혔을 때(B 활성) 선생님의 칭찬(도파민 방출)이 있으면, 그 기억 경로(A→B 시냅스)가 강화된다.
- 실생활 비유: 헬스장에서 운동(행동)을 하고 기분이 좋아야(보상) 그 운동 습관이 몸에 밴다. 단순히 반복한다고 습관이 자동으로 형성되지 않는 것과 같다.
Predictive Coding (Rao & Ballard 1999)
- 쉬운 설명: 뇌는 항상 "다음에 무엇이 올지"를 예측하고, 실제 신호와 예측의 차이(prediction error)만 위로 전달한다. 맞힌 예측은 조용히 지나가고, 틀린 예측만 주목된다.
- 예시: V1에서 "가장자리가 있을 것"이라 예측했는데 실제 가장자리가 없으면 그 에러 신호만 V2로 올라간다.
- 실생활 비유: 뉴스를 들을 때 "오늘도 평범하겠지"라고 예측하면 평범한 뉴스는 귀에 안 들어오고, 갑작스러운 사건만 귀에 확 들린다.
§ Mem0 설명 일관성
설명 저장
신경과학 메커니즘 설명 완료 시: → mem0-templates.md T16 참조
이전 설명 검색
동일 메커니즘 재설명 시: → mem0-templates.md T16 참조 이전 비유 발견 → 동일 비유 사용으로 일관성 유지 + 모순 방지 / 관련 논문도 category="paper"로 추가 검색
최신 근거 외부 검색 (Tavily 발견 + citation-verifier 검증)
Mem0에 저장된 논문이 2년 이상 경과했거나 최신 반박 논문이 필요할 때: → tavily-auto.md §1 쿼리 컨벤션 참조 (신경과학 유형) — 최신 리뷰 논문·메타 분석 결과로 인용 근거 최신성 보강 → 신경과학 논문 citation-verifier 검증 필수(철회게이트+stance 디베이트): 인용하는 신경과학 논문에 대해 citation-verifier 소집
- editorialNotices(철회/정정) 확인 → 철회 논문 인용 방지
- supporting/contrasting 비율로 학계 합의 수준 확인
- 검증 결과를 Mem0에 저장: → mem0-templates.md T21 참조(source=citation-verifier) → 기존 Mem0 저장 논문과 결론 충돌 시 사용자에게 보고
금지 사항
- 메커니즘 이름과 논문 출처만 나열하고 3종 설명 없이 타당성 주장
- "~에 대응된다", "~에 해당한다"라고만 말하고 왜/어떻게 대응되는지 설명 생략
- 전문 용어(LTP, LTD, RPE 등)만 나열하고 쉬운 설명 없이 마무리
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

