PART 9
把 PART 8 產出的三支程式讀完——不教 Python 語法,教的是「別人交給你一份程式,你要先看哪裡」
PART 8 那一輪的產物是一包檔案。先下載下來,這一頁講的每一段都在裡面:
下載 vfb-recompute.zip(三支程式、說明,以及那一輪的全部輸出)
取論文的靶、取 VFB 那一側、逐列比對
同一個數字問三條路
畫 PART 8 第 3 節那張圖
三個行數出自 out/recompute/run_meta.json 的 files;合計 884 行與其中 175 行註解出自同檔的 code_lines(註解用 tokenize、說明字串用 ast 數的,2026-09-15 實測)。
for 迴圈或字典是什麼。它要你看的是另一種東西:哪幾行代表一個決定。決定是看得懂的,語法可以跳過。
讀 recompute.py 的時候,第一眼不要看它怎麼抓資料。看開頭那一段。
# ══════════════════════════════════════════════════════════════════ # 自己決定的參數:全部集中在這裡。改動這一段就會改動結論。 # ══════════════════════════════════════════════════════════════════ PARAMS = { # 用 VFB 的哪一套資料。換一套,下面每個數字都會變。 "vfb_dataset": "Nern2024", # 拿什麼當比對的鍵。兩個選擇實測命中率差很多: # "instance" → 用神經元自己的標籤,取括號前那一段(例如 Dm20_R) # "class" → 用它所屬類別的標籤,取最後一個詞(例如 Tm3) # 預設用 instance;理由與兩者的命中率見 out/compare.json 的 key_choice。 "match_key": "instance", # 「什麼算一個細胞型」:只算沒有下位類別的類別(末端類別)。 # 設成 False 會把泛稱(例如「膽鹼性神經元」)也算成一個型, # 而那會讓型底下的顆數加總超過神經元總數。 "leaf_classes_only": True, }
三行。而 PART 7 第 3 節列的那六個「必須自己決定的事」,有三個就在這裡——①用哪一套資料、②什麼算一個細胞型、③拿什麼當比對的鍵。
把 match_key 從 instance 改成 class,其他完全不動,重跑一次:
instance(預設) | class | |
|---|---|---|
| 名字對得上的 | 753 | 547 |
| 顆數也相同的 | 732 | 535 |
| 顆數不同的 | 21 | 12 |
| 只在論文那一側 | 25 | 185 |
| 只在 VFB 那一側 | 184 | 192 |
同一份資料、同一支程式、同一天跑的,結論從 732 變成 535。如果這份程式把這個選擇藏在第 180 行的某個判斷式裡,讀的人根本不會知道有這個選擇存在——他會以為 732 是資料告訴他的。
右欄五個數字出自 out/recompute/run_meta.json 的 match_key_class_variant(把參數改掉重跑一次存下來的);左欄出自 out/recompute/compare.json。2026-09-15。
page_size(「每頁取幾列」),看起來很重要,實際上這支程式走的是知識庫、一次就取完,從頭到尾沒有任何一行讀它。而 match_key 原本也只是註解——比對那一段寫死了用 instance,改它不會有任何效果。兩個都在寫這一頁的時候才發現:page_size 刪掉,match_key 補成真的會生效。recompute.py 跑起來會印五步。前三步是骨幹——就是 PART 8 第 2 節那些數字,這一節逐段讀的也是它們;④⑤ 是產給頁面用的(樹狀圖的實例、以及把論文原句逐字對回全文):
① 取論文的靶… 778 列 732 個型 52,827 顆 ② 取 VFB 那一側… 53,402 顆 類別 844(泛稱 23、末端 821) ③ 逐列比對… 鍵=instance 對得上 753/778 96.8% (分母:論文表的 instance 列(帶側別)) 鍵=class 對得上 547/732 74.7% (分母:論文表的 cell type(不帶側別)) 放到同一個分母(732 個型):instance 97.1% vs class 74.7% 差 22.4 個百分點 顆數相同 732 不同 21(最大差 202) 只在論文 25 只在 VFB 184 ④ 取樹狀圖的實例… Dm3 與 Dm3a/Dm3b 的重疊:0 顆(分類學上位不會重複數) Dm3 直接 401 顆 / 這一叢共 1573 顆(樹狀圖上兩個都要寫) ⑤ 對論文原句… 6 條全部逐字對得到
這是實際的執行輸出(python3 recompute.py,逐字貼回來的),每一個數字都同時寫進 out/recompute/target.json、out/recompute/vfb.json、out/recompute/compare.json、out/recompute/class_tree_examples.json、out/recompute/paper_quotes.json。2026-09-15。
if 擋住了一整類災難def paper_target() -> dict:
"""論文那一側:下載補充表,算出要比對的靶。
**下載網址有坑**:PMC 那條路回 200 但只有 1.8 KB,是空殼。
要從出版社的靜態內容站抓。抓到的東西太小就直接停,不要往下做。
"""
import openpyxl
req = urllib.request.Request(SUPP, headers={"User-Agent": UA})
with urllib.request.urlopen(req, timeout=300) as r:
blob = r.read()
if len(blob) < 100_000:
raise SystemExit(f"補充表只抓到 {len(blob)} 位元組,八成是空殼")
為什麼要有那兩行?
因為 HTTP 200 不代表你拿到了東西。PMC 那個網址回應正常、內容型態正常,檔案只有 1.8 KB——是一個空殼。沒有那兩行,程式會一路跑到解壓縮那一步才中斷,而錯誤訊息會指向壓縮檔壞了,完全看不出真正的問題是網址挑錯了。
這就是 PART 8 第 6 節說指令 1 要改的地方。那條指令只要求「說明你是從哪個網址拿到的」,沒要求看一眼檔案有多大。
這一段解決的是那六個決定裡的第②個:什麼算一個細胞型。
# 哪些類別是「泛稱」(底下還有別的類別,而那個別的類別也在這一組裡) lit = "[" + ",".join(f"'{c}'" for c in classes) + "]" # **只看這一組之內**:某個類別在整個 VFB 本體論裡還有下位,但那些下位 # 在這套資料裡沒有神經元,它在這裡仍算末端。這是我們的選擇,不是資料說的。 generic_rows = cypher( "MATCH (a:Class)<-[:SUBCLASSOF*1..8]-(b:Class) " "WHERE a.short_form IN %s AND b.short_form IN %s " "RETURN a.short_form, a.label, count(DISTINCT b) " "ORDER BY count(DISTINCT b) DESC" % (lit, lit)) generic = {r[0] for r in generic_rows} leaf = {c: lab for c, lab in classes.items() if c not in generic}
這幾行在問什麼?
用白話講:「在我這一組類別裡,有誰的下面還站著另一個也在我這一組裡的類別?」——有的話,那個就是泛稱。SUBCLASSOF*1..8 是「往下找一到八層」。
結果是 844 個類別裡有 23 個是泛稱,821 個是末端。PART 2 第 3 節講的「VFB 查的是本體論裡的詞」,在這裡具體成了四行程式。
1..8 是一個沒被寫進 PARAMS 的決定。為什麼是八層不是五層或二十層?沒有理由,就是夠深。這種數字在任何一份研究程式裡都找得到——它不影響這一次的結果(最深的鏈遠不到八層),但它是一個決定,而它躲在程式中間。讀別人的程式時,這種數字要逐一挑出來問一次。
# 這裡才是 PARAMS["match_key"] 真正生效的地方。
# 選 class 的時候,論文那一側也要換成 cell type 欄,否則比的是兩種東西。
if PARAMS["match_key"] == "instance":
got = vfb["keys_instance"]
else:
got = vfb["keys_class"]
...
而每一個比率都要把分母印出來。上面 ③ 那段輸出裡印比率的三行,753/778 的分母是列、547/732 的分母是型——兩個百分比的分母不一樣,並排看就會誤導。(這裡的 732 是論文的分型數,跟「顆數相同的 732 列」是兩件事,只是剛好相等——PART 8 第 2 節把它拆開過。)所以程式除了各自的比率,還會把兩者放到同一個分母再算一次(都降到型這一層)。一支會產出百分比的程式,最該檢查的就是它有沒有告訴你分母是什麼。
注意那句註解的後半:換鍵的時候,兩邊都要換。VFB 那側換成類別標籤,論文那側就得從 instance 欄換到 cell type 欄——不然一邊有左右(Dm15_R)、另一邊沒有(Dm15),比出來的命中率會低得莫名其妙,而且你會以為是資料的問題。
cross_check.py 存在的理由,整個寫在它的開頭:
"""cross_check.py — 同一個數字,換三條路各問一次。
① 知識庫 Cypher pdb.virtualflybrain.org recompute.py 用的就是這條
② REST 的 run_query v3-cached.virtualflybrain.org 網站自己在用的那條
③ MCP 的 get_term_info vfb3-mcp.virtualflybrain.org 給 AI 工具用的那條
**這支程式的重點不是「確認三條一樣」,是把不一樣的地方攤開。**
"""
而它抓到的,是 PART 8 第 5 節那個矛盾:①③ 都說 53,402,② 說 60,002 而且在五萬列被截斷。查下去發現②數的是「(個體, 類別)配對」,不是神經元——一顆神經元同時屬於兩個類別,它就出現兩次。
# 一顆神經元可以同時屬於好幾個類別(例如「Dm15」與「麩胺酸性神經元」)。 # pairs 就是(個體, 類別)配對的數量——下面第二條路數的其實是這個。 # 也確認一件事:一顆是不是只對到一個模板座標框(若不是,列數還有第二個來源) triples = ...
那個 triples 為什麼要算?
因為「找到一個解釋」跟「確認沒有第二個解釋」是兩件事。列數比顆數多,除了「一顆屬於多個類別」,還可能是「一顆有多個座標框的影像」。所以多算一次(個體, 類別, 模板)三元組——結果跟配對數一樣是 59,739,代表模板不是第二個來源。
而配對數 59,739 跟 ② 報的 60,002 還差 263。那 263 到現在沒解掉,就寫在輸出檔的 note 欄裡,一個字都不修飾。
三條路的回答、instanceof_pairs=59,739、三元組數與那句 note,全部出自 out/recompute/cross_check.json(cross_check.py 產生,2026-09-15)。
make_figure.py 只有 91 行,但它做了三個會影響讀者怎麼看那張圖的決定,三個都寫在開頭那段 docstring 裡(節錄,原文前面還有檔案說明與產出清單):
**兩格都用對數軸**。理由:每型顆數從 1 跨到 4,000,線性軸會把九成的點
擠在左下角一團,看不出「絕大多數落在對角線上」這件事——而那正是結論。
對數軸畫不了 0,但這裡沒有 0(對得上的型兩邊都至少 1 顆),所以不用特別處理。
圖內不放文字說明,只留座標軸標籤,其餘寫在 HTML 的 figcaption 裡。
不是為了好看。線性軸會讓「絕大多數點落在對角線上」這個結論看不見——而那是整張圖唯一要講的事。
對數軸畫不了 0,這是個真的坑。但這裡沒有 0——對得上的型兩邊都至少 1 顆。「沒有 0」是查過才敢寫的,不是假設的。
圖上只有座標軸標籤。所有說明寫在圖說裡,因為圖裡的文字沒辦法被稽核程式檢查,圖說裡的可以。
compare.json 裡「顆數相同」的列數——兩個都是 732。對不上就代表圖跟數字來自不同的計算,那是嚴重的問題。這正是 指令 9 最後要求回報點數的原因。
「圖上落在對角線 732 點」出自 out/recompute/figure.json 的 on_diagonal;「顆數相同 732 列」出自 out/recompute/compare.json 的 same_count。2026-09-15。
把前面幾節的讀法抽出來,就是五個問題。它們跟這篇論文、這個資料庫都沒有關係——不管是 AI 寫的、學生寫的、還是合作者寄來的,拿到就這樣問一次:
SUBCLASSOF*1..8 的那個 8、「小於 100,000 位元組就停」的那個門檻——這些不在參數表裡,但它們都是決定。逐一挑出來問一次為什麼。
第 1、2 點提到的參數與門檻在 recompute/recompute.py 裡(PARAMS、SUBCLASSOF*1..8、len(blob) < 100_000);第 5 點的 63 秒、51 秒與「7 個輸出檔逐位元組相同」出自 out/recompute/run_meta.json 的 clean_run(由 recompute/run_meta.py --zip 真的解開重跑產生,2026-09-15 實測)。
從 PART 1 到這裡,表面上講的是 Virtual Fly Brain 怎麼用。但每一個部分真正卡住的地方,都不是操作:
| 表面上在講 | 實際上卡住的地方 | |
|---|---|---|
| 1 | 模板與對位 | 別人的資料憑什麼跟你的疊在一起 |
| 2 | 搜尋框怎麼用 | 同一個東西有三個名字,而你要數的是哪一種 |
| 3 | 十支查詢 | 它們為什麼不能相加 |
| 4 | 八套連線資料 | 你說的那個 N 是從哪一套、哪一版來的 |
| 5 | 相似度分數 | 它底下那份骨架到底是什麼 |
| 6 | 三種問法 | 三個答案不一樣,差別全在預設值 |
| 7 | 怎麼寫指令給 AI | 你有哪六件事還沒想清楚 |
| 8 | 實際跑一遍 | 哪些數字是預先知道的,哪些不是 |
| 9 | 讀程式 | 哪幾行是決定,而它有沒有被寫出來 |