Auto-Empirical Research Skills (AERS)

📌 文档结构（2026-07-22 起）： 本文件是中文默认入口 —— banner + badges + 信任面 + 9 阶段流水线速览 + 76 行合集总表。 每个合集的完整描述、按用途分组、精确数字、验证方法在 docs/CONTENT_ZH.md（扩展正文，总表行内的 → 直接跳转到对应锚点）。

English version: README-en.md · 中文扩展正文：docs/CONTENT_ZH.md · README-zh-CN.md 已弃用（重定向占位）

🌐 语言: English | 简体中文（默认） | 繁體中文 | 日本語 | 한국어

Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品
_{由斯坦福实证研究方法论团队打造，覆盖从数据清洗到顶刊投稿的完整工作流}

🚀 New here? Open the Skill Search → to filter all 1,096 skills by method, stage, language, and license. The 5-minute tour (make quickstart) prints the same picture in your terminal.

🇨🇳 中文用户从本文件开始（流水线速览 + 76 行总表），每个合集的完整描述见 docs/CONTENT_ZH.md。📖 English readers: see README-en.md.

信任面 · Trust surface (rigor stats)

Full trust overview: docs/TRUST.md · docs/RIGOR_COVERAGE.md

⚡ 安装与使用（30 秒上手）

最省事的一招：把 URL 丢给 Agent

把项目 URL 地址 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills 丢给 Claude Code / Codex，并指定是目录 / 项目 / 全局安装 —— 剩下的让它自己做。例如：

帮我安装 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
装到「全局」（~/.claude/skills/），我想在所有项目里都能用

把最后一行换成你要的作用域即可：

手动安装（两种，任选其一）

A. 插件市场（Claude Code v2.1+，推荐，可升级）

claude plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills
claude plugin install aer-skills@auto-empirical-research-skills                 # 顶刊投稿全流程（9 skills）
claude plugin install empirical-analysis-python@auto-empirical-research-skills  # Python 计量流水线
claude plugin install empirical-analysis-stata@auto-empirical-research-skills   # Stata 计量流水线
claude plugin install empirical-analysis-r@auto-empirical-research-skills       # R + Quarto 流水线

B. 只要某一个 skill —— 直接拷文件夹

git clone --recurse-submodules https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
cd Auto-Empirical-Research-Skills

cp -R skills/00.1-Full-empirical-analysis-skill_Python  .claude/skills/   # 项目级
cp -R skills/00.1-Full-empirical-analysis-skill_Python  ~/.claude/skills/ # 全局

拷进去的文件夹必须自带 SKILL.md（部分合集的 SKILL.md 在下一层，拷那一层）。

怎么用

新开一个会话，直接用自然语言说要做什么，Agent 会按 description 自动挑 skill；说不动就点名方法或 skill：

用面板数据跑一个 Callaway–Sant'Anna 事件研究，并出 HonestDiD 稳健性和期刊级表格

完整安装说明（Codex / CodeBuddy 整库导入、--plugin-dir 单次加载、常见故障排查）见 INSTALL.md。

中文文档结构

中文内容分两级维护，各司其职：

• 本文件（README.md，GitHub 默认入口）：banner、badges、信任面、9 阶段流水线速览、76 行合集总表。
• docs/CONTENT_ZH.md（扩展正文）：每个合集的完整描述（#skill-NN 锚点）、按用途分组、精确数字、2 分钟验证、三层信任、旗舰流水线详解、贡献与引用。总表行内的 → 直接跳到对应锚点。
• 其他语言：README-en.md · README-zh-TW.md · README-ja.md · README-ko.md

[!NOTE] 维护规则： 改合集总表 → 本文件与 CONTENT_ZH.md 的锚点表两处同步；改合集详情 / 分组 / 数字 → 只改 docs/CONTENT_ZH.md。统计数字（合集数 / skill 数）以 catalog/skills.json 为准，由 make validate 的 readme-stats 检查器守护。

贡献者（Contributors）： 提交前请在本地跑通完整门禁 make check（catalog 校验 + 链接 + 单元测试 + eval-harness + benchmark）。详见 CONTRIBUTING.md。

旧版归档： README-zh-CN.md 已弃用，仅作向后兼容的重定向占位。

🚀 从一个 idea 到一篇论文：社科实证研究 · 端到端流水线（全自动、可介入）

AERS 不只是 76 个散装 skill —— 它能陪你走完一篇论文。 从模糊 idea → 选题精炼 → 文献综述 → 数据获取 → 识别策略 → 估计建模 → 稳健性审计 → 出版级表格 / 图形 → 写作与同行评审 → 降 AIGC → 投稿。端到端、全自动、每一步都可被人介入（中间任何一步你都可以接过去手工改方法、补变量、加稳健性，再让流水线自动接上跑）。

9 阶段流水线 · 每一步都覆盖到具体 skill

🎼 元编排：⭐ 69 Paper-WorkFlow —— 一键串起来

Paper-WorkFlow 是 AERS 的"指挥棒"，它把上面 9 个阶段的 skill 串成 一条按键即运行的端到端流水线。 你在 IDE 入口给它一句自然语言：

"开一个新论文项目：空气污染与中国劳动力市场，CS 设计 + 省级面板"

它会自动按顺序调：

1. ⭐ 00 StatsPAI → sp.csdid(...) 给出 CS-DID 估计草案 + 写出估计方程与识别假设
2. 33 claude-scholar → 抓变量定义 / 数据源候选 / 相关文献
3. ⭐ 00 StatsPAI → 真跑 sp.feols(...) + sp.honest_did(...)
4. 41 sewage-econometrics-check → 10 项复现包审计 + 稳健性体检
5. ⭐ 00 StatsPAI + 07 AI-Research-SKILLs → 出 Table 1–5 + 期刊级图
6. 38 academic-proofreader → 通读 + §comment 标"审稿人会挑刺的位置"
7. 56 econ-writing-skill 起草初稿 + ⭐ 48 de-AIGC-skills 🇨🇳🇬🇧 + 45 deslop 过知网 / Turnitin

任何阶段你都可以手动介入 —— 上一阶段的产物全部落盘（产物-幂等 pipeline），你接过去改方法、补控制、加稳健性，再让流水线自动接下去跑。这就是"全自动 + 可介入"。

🏆 7 个 Stanford REAP × CoPaper.AI 自研 skill —— 是整个流水线的主干

为什么挑这 7 个？因为它们的行为都被基准钉死了 —— 不是营销口径，是对着已知答案反复跑过验证过的（17 项数值 benchmark + 37 项行为评测 ↗）。

看到这里 —— 完整 76 行合集目录

↴ 直跳到下方 76 行总表（每个合集带 #skill-NN 锚点）。如果你更关心"这些 skill 怎么用"而不是"有哪些 skill"，看 📘 中文唯一权威正文 里的「按用途分组」与「旗舰流水线」两节。

🧰 76 个核心 Skills 合集一览（00 → 72，编号连续无空缺）

打开仓库 → 看见整座库。 全部 76 个合集 · 1,096 个 skill，每一个都已 vendor 进本仓库，由 catalog/skills.json 跟踪。⭐ = Stanford REAP × CoPaper.AI 团队自研的 skill；其余为精选、经安全审计的社区作品。

主题图例 — 🚀 全流程与编排器 · 🎯 因果推断与计量经济学 · 📚 文献与研究设计 · ✍️ 写作 / 编辑 / 去 AIGC · 📑 引用 / 复现 / 同行评审 · 🛠️ 数据 / 工具 / 基础设施

点击【→】 跳转到 docs/CONTENT_ZH.md 中该合集的完整描述；点击合集名 直接打开其目录。

🙏 尊重原作者 — 「来源」列直接链回上游原始仓库（owner/repo）。本仓库里的社区合集都是上游快照：请去原仓库点 star、提 issue、看 LICENSE。完整的许可证与来源置信度审计见 docs/LICENSE_AUDIT.md，机器可读版本在 catalog/provenance.json。

想看更详细的描述（主题分类、字段、统计）？ 见 docs/CONTENT_ZH.md 中标注 #skill-NN 锚点的同一张表 —— 它是每个合集的完整描述所在的扩展正文。

📈 项目历程

自 2026-04 首次发布以来的主干里程碑（完整提交记录见 Commits 与 CHANGELOG.md）：

---
config:
  gitGraph:
    rotateCommitLabel: false
---
gitGraph TB:
   commit id: "2026-04 首次发布"
   branch community
   commit id: "2026-05 首个社区 PR"
   checkout main
   merge community
   commit id: "2026-05 更名 AERS"
   commit id: "2026-06 插件市场"
   commit id: "2026-06 全库路由器"
   commit id: "2026-07 首个 tag" tag: "v2026.07"
   branch kaggle
   commit id: "2026-07 Kaggle 集成"
   checkout main
   merge kaggle
   commit id: "2026-08 de-AIGC 双语"

_{Star 增长曲线（非提交数）· 由 scripts/build-star-history.py 从 GitHub API 生成并提交入库}

如果 AERS 对你的工作有帮助，请引用它（CITATION.cff）并点个 Star，让更多研究者看到。

AI 是放大器，不是替代品。它替你做最耗时的"搬砖"，你保留最核心的"判断"。

_{Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品}

扫码访问 copaper.ai

关注公众号「CoPaper.AI」

内置 20 个方法论 skill · 20 分钟完成实证论文 · 自研 StatsPAI（900+ 函数 / MIT 开源）