К основному содержанию
скилл CX Codex

interpolation — скилл для Claude Code: что делает и как установить

Скилл interpolation помогает выбрать и реализовать численный метод интерполяции данных в Claude Code, от полиномов Лагранжа до сплайнов в SciPy.

MIT ★ 3 951 обновлён 2026-01-26

Установить в Claude Code · Через Skills CLI (Vercel) Все способы и платформы ↓
npx skills add parcadei/Continuous-Claude-v3 --skill interpolation -a claude-code
Открыть на GitHub

Что делает interpolation

Скилл задаёт алгоритм выбора метода интерполяции под конкретный набор данных. Для малого числа точек (<10) он предлагает многочлены Лагранжа или Ньютона, для гладких массивов — кубические сплайны, а для зашумлённых значений — сглаживающие сплайны или метод наименьших квадратов. В многомерных случаях скилл направляет агента на симплексные подходы, триангуляцию Коксетера — Фройденталя — Куна и барицентрическое разбиение.

Внутри заложены готовые сниппеты для вызова через uv run python с библиотеками scipy.interpolate (CubicSpline, make_interp_spline, interp1d) и символьных вычислений через скрипт sympy_compute.py. Для проверки точности скилл предписывает оценивать краевой эффект Рунге и проводить перекрёстную проверку с исключением по одной точке.

Для непосредственного запуска предложенных команд окружению потребуется установленный менеджер пакетов uv вместе с библиотеками numpy, scipy и sympy.

Какие задачи решает

  • подобрать численный метод интерполяции под размер и гладкость массива точек
  • построить кубический сплайн через scipy.interpolate.CubicSpline
  • проверить полиномиальную аппроксимацию на краевой феномен Рунге
  • интерполировать зашумлённые измерения сглаживающими сплайнами

Примеры запросов агенту

  • Подбери метод интерполяции для 8 гладких точек и напиши код на SciPy
  • Интерполируй зашумлённый одномерный массив с помощью сглаживающего сплайна
  • Проверь интерполяционный многочлен на краевой эффект Рунге

Как установить interpolation

1Через Skills CLI (Vercel)

npx skills add parcadei/Continuous-Claude-v3 --skill interpolation -a claude-code

2Вручную: положить файлы

~/.claude/skills/interpolation/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/interpolation/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы об interpolation

Как установить interpolation в Claude Code?

Выполните команду npx skills add parcadei/Continuous-Claude-v3 --skill interpolation -a claude-code.

Что делает скилл interpolation?

Он предоставляет агенту логику выбора метода интерполяции в зависимости от плотности данных, шума и размерности, а также готовые вызовы SciPy.

Какие зависимости нужны для команд из скилла?

Примеры запуска опираются на менеджер uv и установленные в среде пакеты numpy, scipy и sympy.

Исходный текст

SKILL.md · MIT
---
name: interpolation
description: "Problem-solving strategies for interpolation in numerical methods"
allowed-tools: [Bash, Read]
---

# Interpolation

## When to Use

Use this skill when working on interpolation problems in numerical methods.

## Decision Tree


1. **Assess Data Characteristics**
   - How many data points? Spacing uniform or non-uniform?
   - Is data smooth or noisy?
   - Need derivatives at endpoints?

2. **Select Interpolation Method**
   - Few points (<10): Polynomial (Lagrange, Newton)
   - Many points, smooth data: Cubic splines
   - Noisy data: Smoothing splines or least squares
   - High dimensions: Use simplex-based (n+1 neighbors vs 2^n)

3. **Implement with SciPy**
   - `scipy.interpolate.CubicSpline(x, y)` - natural cubic spline
   - `scipy.interpolate.make_interp_spline(x, y, k=3)` - B-spline
   - `scipy.interpolate.interp1d(x, y, kind='cubic')` - 1D interpolation

4. **Validate Results**
   - Check for Runge's phenomenon at boundaries (high-degree polynomials)
   - Cross-validate: leave-one-out error estimation
   - Visual inspection of interpolated curve
   - `sympy_compute.py limit "interp_error" --at boundaries`

5. **High-Dimensional Considerations**
   - Coxeter-Freudenthal-Kuhn triangulation for O(n log n) point location
   - Barycentric subdivision for balanced performance


## Tool Commands

### Scipy_Cubic_Spline
```bash
uv run python -c "from scipy.interpolate import CubicSpline; import numpy as np; x = np.array([0,1,2,3]); y = np.array([0,1,4,9]); cs = CubicSpline(x, y); print(cs(1.5))"
```

### Scipy_Bspline
```bash
uv run python -c "from scipy.interpolate import make_interp_spline; import numpy as np; x = np.array([0,1,2,3]); y = np.array([0,1,4,9]); bspl = make_interp_spline(x, y, k=3); print(bspl(1.5))"
```

### Sympy_Lagrange
```bash
uv run python -m runtime.harness scripts/sympy_compute.py interpolate "[(0,0),(1,1),(2,4)]" --var x
```

## Key Techniques

*From indexed textbooks:*

- [An Introduction to Numerical Analysis... (Z-Library)] DISCUSSION OF THE LITERATURE Discussion of the Literature As noted in the introduction, interpolation theory is a foundation for the development of methods in numerical integration and differentiation, approxima tion theory, and the numerical solution of differential equations. Each of these· topics is developed in the following chapters, and the associated literature is discussed at that point. Additional results on interpolation theory are given in de Boor (1978), Davis (1963), Henrici (1982, chaps.
- [Numerical analysis (Burden R.L., Fair... (Z-Library)] The most commonly used form of interpolation is piecewise-polynomial interpolation. If function and derivative values are available, piecewise cubic Hermite interpolation is recommended. This is the preferred method for interpolating values of a function that is the solution to a differential equation.
- [Numerical analysis (Burden R.L., Fair... (Z-Library)] Copyright 2010 Cengage Learning. May not be copied, scanned, or duplicated, in whole or in part. Due to electronic rights, some third party content may be suppressed from the eBook and/or eChapter(s).
- [Numerical analysis (Burden R.L., Fair... (Z-Library)] Galerkin and Rayleigh-Ritz methods are both determined by Eq. However, this is not the case for an arbitrary boundary-value problem. A treatment of the similarities and differences in the two methods and a discussion of the wide application of the Galerkin method can be found in [Schul] and in [SF].
- [An Introduction to Numerical Analysis... (Z-Library)] Polynomial interpolation theory has a number of important uses. In this text, its primary use is to furnish some mathematical tools that are used in developing methods in the areas of approximation theory, numerical integration, and the numerical solution of differential equations. A second use is in developing means - for working with functions that are stored in tabular form.

## Cognitive Tools Reference

See `.claude/skills/math-mode/SKILL.md` for full tool documentation.

© parcadei · MIT · parcadei/Continuous-Claude-v3

Похожие скиллы

Все скиллы по теме «Наука и исследования» →
scipy tondevrel Справочник по SciPy для ИИ-агента: какой модуль взять под интеграл, оптимизацию, интерполяцию или ОДУ, и на каких вызовах спотыкаются чаще всего. CX Codex +1 121установок matplotlib K-Dense-AI Скилл для построения и тонкой настройки научных графиков на Matplotlib: от отдельных осей до многопанельных фигур и экспорта в PNG, PDF и SVG. CX Codex +1 2 500установок scipy-curve-fit benchflow-ai Скилл scipy-curve-fit обучает агента подбирать параметры нелинейных моделей по экспериментальным данным через scipy.optimize.curve_fit. CX Codex +1 2установок numerical-stability HeshamFS Скилл numerical-stability проверяет условия CFL и Фурье, запускает анализ устойчивости фон Неймана и вычисляет обусловленность матриц для нестационарных задач с частными производными. CX Codex +1 ★ 95звёзд репо scipy-best-practices Mindrally Скилл scipy-best-practices для Claude Code задаёт агенту правила научных вычислений на SciPy: оптимизация, линейная алгебра, статистика, сигналы. Покрывает Python-код, который считает числа. CX Codex +1 1 100установок statistics-math pluginagentmarketplace Скилл statistics-math для Claude Code: даёт агенту статистику, теорию вероятностей, линейную алгебру и регрессию на Python. Считает метрики, проверяет гипотезы. CX Codex +1 434установок

Из того же набора161

Весь набор →
graph-algorithms Скилл graph-algorithms для Claude Code с деревом решений по алгоритмам на графах: обходы, кратчайшие пути, остовные деревья, потоки и спектральный анализ. Запускает Z3 и SymPy через uv run прямо из агента. CX Codex +1 ★ 3 951звёзд репо residues Скилл residues для Claude Code помогает решать задачи с вычетами в комплексном анализе. Запускает вычисления вычетов, определяет порядок полюсов и применяет теорему о вычетах через SymPy и Z3. CX Codex +1 ★ 3 951звёзд репо hilbert-spaces Скилл hilbert-spaces для Claude Code помогает решать задачи функционального анализа, работая с гильбертовыми пространствами. Применяется при доказательстве теорем об ортогональном разложении, проекциях и представлении Риса. CX Codex +1 ★ 3 951звёзд репо debug-agent Субагент debug-agent, который ищет корни ошибок: изучает кодовую базу, анализирует логи, находит паттерны и пишет подробный отчёт с рекомендациями по фиксу. CX Codex ★ 3 951звёзд репо gradient-methods Скилл gradient-methods для Claude Code помогает выбирать градиентный метод оптимизации, шаг и диагностировать сходимость в задачах минимизации и при проверке выбранного подхода. CX Codex +1 ★ 3 951звёзд репо aegis Субагент aegis для Claude Code ищет уязвимости и оценивает риски безопасности в коде. Он запускает проверки по заданной модели угроз и сохраняет отчёт в файл проекта. CX Codex ★ 3 951звёзд репо oracle Субагент oracle для Claude Code, который ищет информацию в вебе, документации и API. Собирает данные из внешних источников и синтезирует их через LLM. CX Codex ★ 3 951звёзд репо onboard Субагент onboard для Claude Code, который анализирует существующий код и создаёт continuity-леджер. Запускается при входе в незнакомый brownfield-проект. CX Codex ★ 3 951звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой