channel-capacity — скилл для Claude Code: информационная теория
Скилл channel-capacity для Claude Code считает пропускную способность канала и взаимную информацию, а также применяет алгоритм Блахута-Аримото в задачах теории информации и кодирования.
MIT ★ 3 951 обновлён 2026-01-26
npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a claude-codeЧто делает channel-capacity
Скилл предлагает структурированный подход к задачам на пропускную способность. Внутри — формулы для взаимной информации I(X;Y), определение пропускной способности как максимума взаимной информации по распределению входа, и таблица с формулами для стандартных каналов: двоичного симметричного (BSC), двоичного стирания (BEC) и AWGN.
Включены три инструмента: Scipy_Mutual_Info вычисляет энтропию через scipy, Sympy_Bsc_Capacity упрощает выражения для BSC через SymPy, Z3_Capacity_Bound доказывает верхние границы через SMT-решатель. Блахут-Аримото итеративно ищет распределение, достигающее ёмкости канала.
Для работы нужны Python, scipy, sympy и z3; инструменты запускаются через uv run в проекте.
Какие задачи решает
- вычислить взаимную информацию между входом и выходом канала
- найти пропускную способность канала для заданной матрицы переходов
- рассчитать ёмкость двоичного симметричного или стирающего канала
- применить алгоритм Блахута-Аримото к конкретному каналу
- доказать верхние границы пропускной способности
Примеры запросов агенту
- Рассчитай взаимную информацию для входов [0.5, 0.5] и выходов [0.6, 0.4]
- Найди пропускную способность двоичного симметричного канала с вероятностью ошибки 0.1
- Примени Блахут-Аримото к матрице переходов и выведи ёмкость
Как установить channel-capacity
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a claude-code2Вручную: положить файлы
~/.claude/skills/channel-capacity/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/channel-capacity/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a codex2Вручную: положить файлы
.agents/skills/channel-capacity/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a cursor2Вручную: положить файлы
.cursor/skills/channel-capacity/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install parcadei/Continuous-Claude-v3 .claude/skills/math/information-theory/channel-capacity2Вручную: положить файлы
.github/skills/channel-capacity/SKILL.md1Через Skills CLI (Vercel)
npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a gemini-cli2Командой платформы
gemini skills install https://github.com/parcadei/Continuous-Claude-v3 --path .claude/skills/math/information-theory/channel-capacityВручную: положить файлы
.devin/skills/channel-capacity/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Claude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о channel-capacity
Как установить channel-capacity в Claude Code?
Выполни npx skills add parcadei/Continuous-Claude-v3 --skill channel-capacity -a claude-code, затем загрузи документацию из ~/.claude/skills/channel-capacity/SKILL.md.
Что делает скилл channel-capacity?
Предоставляет методы для расчёта пропускной способности канала: формулы для взаимной информации, готовые ответы для стандартных каналов (BSC, BEC, AWGN) и инструменты на Python для численных расчётов и доказательств.
Какие зависимости нужны для работы?
Python с библиотеками scipy, sympy и z3; инструменты вызываются через uv run.
Исходный текст
SKILL.md · MIT
---
name: channel-capacity
description: "Problem-solving strategies for channel capacity in information theory"
allowed-tools: [Bash, Read]
---
# Channel Capacity
## When to Use
Use this skill when working on channel-capacity problems in information theory.
## Decision Tree
1. **Mutual Information**
- I(X;Y) = H(X) + H(Y) - H(X,Y)
- I(X;Y) = H(X) - H(X|Y) = H(Y) - H(Y|X)
- Symmetric: I(X;Y) = I(Y;X)
- `scipy.stats.entropy(p) + scipy.stats.entropy(q) - joint_entropy`
2. **Channel Model**
- Input X, output Y, channel P(Y|X)
- Channel matrix: rows = inputs, columns = outputs
- Element (i,j) = P(Y=j | X=i)
3. **Channel Capacity**
- C = max_{p(x)} I(X;Y)
- Maximize over input distribution
- Achieved by capacity-achieving distribution
4. **Common Channels**
| Channel | Capacity |
|---------|----------|
| Binary Symmetric (BSC) | 1 - H(p) where p = crossover prob |
| Binary Erasure (BEC) | 1 - epsilon where epsilon = erasure prob |
| AWGN | 0.5 * log2(1 + SNR) |
5. **Blahut-Arimoto Algorithm**
- Iterative algorithm to compute capacity
- Alternates between optimizing p(x) and p(y|x)
- Converges to capacity
- `z3_solve.py prove "capacity_upper_bound"`
## Tool Commands
### Scipy_Mutual_Info
```bash
uv run python -c "from scipy.stats import entropy; p = [0.5, 0.5]; q = [0.6, 0.4]; H_X = entropy(p, base=2); H_Y = entropy(q, base=2); print('H(X)=', H_X, 'H(Y)=', H_Y)"
```
### Sympy_Bsc_Capacity
```bash
uv run python -m runtime.harness scripts/sympy_compute.py simplify "1 + p*log(p, 2) + (1-p)*log(1-p, 2)"
```
### Z3_Capacity_Bound
```bash
uv run python -m runtime.harness scripts/z3_solve.py prove "I(X;Y) <= H(X)"
```
## Key Techniques
*From indexed textbooks:*
- [Elements of Information Theory] Elements of Information Theory -- Thomas M_ Cover & Joy A_ Thomas -- 2_, Auflage, New York, NY, 2012 -- Wiley-Interscience -- 9780470303153 -- 2fcfe3e8a16b3aeefeaf9429fcf9a513 -- Anna’s Archive. Using a randomly generated code, Shannon showed that one can send information at any rate below the capacity *C* of the channel with an arbitrarily low probability of error. The idea of a randomly generated code is very unusual.
## Cognitive Tools Reference
See `.claude/skills/math-mode/SKILL.md` for full tool documentation.
© parcadei · MIT · parcadei/Continuous-Claude-v3