Auto-Empirical-Research-Skills README

The project's README from github.com/brycewang-stanford/Auto-Empirical-Research-Skills. As one markdown file: README.md.

Awesome GitHub stars License: CC BY-SA 4.0 PRs Welcome Validate catalog OpenSSF Scorecard Security audit: baseline 52/52 CLEAN Rigor coverage Powered by StatsPAI

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


CoPaper.AI Stanford REAP - Center on China's Economy & Institutions

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



实证研究智能体技能大全封面图

🚀 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)

Rigor lane Count Where
Numeric benchmark tasks — gold values recomputed from real data each run 19 benchmark/
Behavioral eval scenarios / rubric items 42 / 217 eval-harness/
其中已证明能区分对错的场景（pass/fail 双 fixture 自检） 9（全部 6 个 critical 场景在内） eval-harness/fixtures/

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

🏁 带上你自己的 agent 来考同一份卷子：pip install -e . 后用 aers-score 给自己打分，成绩发布在 docs/EXTERNAL_SCOREBOARD.md（规则见 docs/SCOREBOARD_RULES.md）。榜上的数字是我们用同一套评分器重算出来的，不是提交者自报的。

⚡ 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：

作用域 说给 Agent 的话 落到哪里
目录（当前会话临时用） "只在当前目录用，不要全局安装" 当前工作目录下的 .claude/skills/
项目（团队共享，可提交进 git） "装到本项目" 项目根目录 .claude/skills/
全局（所有项目可用） "装到全局" ~/.claude/skills/（Codex 为 ~/.codex/skills/）

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：

[!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

# 阶段 关键 skills（点合集名进目录，→ 进完整说明）
1️⃣ 选题精炼 — Agent 把模糊想法收紧成"可证伪 + 可执行"的研究问题 · 25 Diverga · 33 claude-scholar · 05 research-superpower · 11 compound-science
2️⃣ 文献综述 — 检索 · 筛选 · PRISMA 流程 · 批判性阅读 · 主题分析 · 36 literature-review-skill · 24 academic-research-skills · 59 openalex-skill · 68 research-productivity-skills · 53 thematic-analysis
3️⃣ 数据获取 — 公开数据库 · API · 网页抓取 · 数据清洗 · 33 claude-scholar · 68 research-productivity-skills · 32 stata-skill · 57 edgartools
4️⃣ 识别策略 — DiD / RD / IV / SCM / DML / matching 全覆盖 · ⭐ 00 StatsPAI 🔥 · 10 causal-inference-mixtape · 13 MixtapeTools · 51 CausalPy · 63 scientific-agent-skills
5️⃣ 估计建模 — Python / Stata / R 三栈，900+ 估计器 · ⭐ 00.1 Full Empirical · Python · ⭐ 00.2 Full Empirical · Stata · ⭐ 00.3 Full Empirical · R · 40 pyfixest · 39 marginaleffects · 09 awesome-econ-ai
6️⃣ 稳健性审计 — 复现包检查 · Honest-DiD · R&R 模拟 · 41 sewage-econometrics-check · ⭐ 50 AER-skills · 21 AI-research-feedback
7️⃣ 表格 & 图形 — 期刊出版级排版 · LaTeX 嵌入 · ⭐ 00 StatsPAI · 07 AI-Research-SKILLs · 33 claude-scholar · 08 latex-document-skill
8️⃣ 写作 & 同行评审 — LaTeX / Quarto · 仿审稿人 · 校对 · 06 stats-paper-writing · 04 scientific-writer · 22 christopherkenny-skills · 38 academic-proofreader · 56 econ-writing-skill · 16 clo-author
9️⃣ 降 AIGC & 去水印 & 投稿 — 知网 / 万方 / Turnitin / 23 类 AI 痕迹模式 / 隐藏字符 · C2PA · docx 元数据清理 · ⭐ 48 de-AIGC-skills 🇨🇳🇬🇧 · 44 humanizer_academic · 45 deslop · 46 stop-slop · 47 avoid-ai-writing · 49 humanize-chinese

🎼 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

⭐ Skill 在流水线里的角色
00 StatsPAI 🔥 因果引擎：900+ 函数，sp.causal(...) 一行跑闭环（DID / RD / IV / SCM / DML / matching）
00.1 Full Empirical · Python 📘 显式 Python 栈（pandas / statsmodels / linearmodels / pyfixest）
00.2 Full Empirical · Stata 📊 显式 Stata 栈（reghdfe / ivreg2 / csdid / sdid / rdrobust）
00.3 Full Empirical · R 📗 显式 R 栈（tidyverse / fixest / did / HonestDiD）+ Quarto 渲染
48 de-AIGC-skills 🇨🇳🇬🇧 中英双语学术降 AIGC + 去水印层（Turnitin AI / GPTZero / 知网 / 万方 · 隐藏字符 / C2PA / docx 元数据）
50 AER-skills 📕 Top-5 经济学投稿套件：识别 → 稳健性 → R&R
69 Paper-WorkFlow 🧭 元编排器，把上面 9 个阶段串成一键流水线

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。

# 合集 一句话 详情 来源
⭐ 00 StatsPAI 🔥 因果引擎 · Agent-native Python DSL：sp.causal(...) 一行跑闭环（DID/RD/IV/SCM/DML，900+ 函数） → brycewang-stanford/StatsPAI
⭐ 00.1 Full Empirical · Python 📘 显式栈：pandas · statsmodels · linearmodels · pyfixest → ⭐ 本仓库
⭐ 00.2 Full Empirical · Stata 📊 reghdfe · ivreg2 · csdid · sdid · rdrobust 复现包 → ⭐ 本仓库
⭐ 00.3 Full Empirical · R 📗 tidyverse · fixest · did · HonestDiD + Quarto 渲染 → ⭐ 本仓库
01 academic-paper-skills 大纲 → 手稿写作 + 7 维审稿人模拟 → lishix520/academic-paper-skills
02 research-skills 医学影像综述、提案、论文转幻灯片 → luwill/research-skills
03 scientific-skills 假设生成 + 28 个科学数据库 → K-Dense-AI/claude-scientific-skills
04 scientific-writer 引用管理 + 科学写作 → K-Dense-AI/claude-scientific-writer
05 research-superpower 系统化检索、筛选与引文溯源 → [kthorn/research-superpower](https://github.com/kthorn/res

Auto-Empirical-Research-Skills (brycewang-stanford/Auto-Empirical-Research-Skills)

Searching Database…

4.7K ·GitHub
Auto-Empirical-Research-Skills
这是什么？Auto-Empirical Research Skills（AERS）是一个精选的 AI 智能体技能库，含 76 个集合共 1,096 个技能，用于开展实证社会科学研究（经济学、政治学、社会学、心理学等），由 Stanford REAP 和 CoPaper.AI 维护。
这是一个编程框架，还是一套现成的技能文件？它是一个技能库：每个集合是一个文件夹，内含一个 SKILL.md，直接放进 AI 编程智能体的技能目录即可，而不是让你对着它写代码的框架。
怎么把这些技能安装到我的智能体里？最简单的方式：把仓库 URL 粘贴给 Claude Code 或 Codex，告诉它按目录、项目还是全局范围安装，剩下的它自己处理；也可以使用 Claude Code v2.1+ 的插件市场，或者手动把技能文件夹（连同其 SKILL.md）复制到 .claude/skills/。
哪些编程智能体能使用这些技能？直接支持 Claude Code（插件市场需要 v2.1+）和 Codex；另有把整个仓库导入 CodeBuddy 的额外安装路径说明。
这 1,096 个技能都同样可信吗？不是——只有 7 个旗舰技能由 Stanford REAP/CoPaper.AI 团队构建并通过基准锁定（17 项数值基准加行为评估）；其余是从上游仓库收录的社区技能，经过了许可证/来源审计，但没有同等的严格性保证。
这个项目面向谁？在经济学、政治学、社会学、心理学、公共管理和国际关系领域从事定量实证研究、并把 AI 编程智能体当作研究助理来用的研究者和学生。
StatsPAI 是什么？StatsPAI 是该项目的因果推断引擎：一个面向智能体的 Python DSL，拥有 900 多个函数，像 sp.causal(...) 这样的一次调用就能完整跑完 DID/RD/IV/SCM/DML 工作流。
九阶段研究流水线涵盖哪些环节？它把选题打磨、文献综述、数据获取、识别策略、估计、稳健性审计、出版级表格/图表、写作/同行评审以及去 AIGC 痕迹/投稿串成一条链，由 Paper-WorkFlow 技能端到端编排。
可以用项目的评分套件给我的智能体打分吗？可以——用 pip install -e . 安装后运行 aers-score 命令即可获得分数，还能发布到公开的外部记分板上。
它能帮助通过中文的查重/AI 检测吗？可以。de-AIGC-skills 集合提供中英双语的 AI 痕迹消除，针对 Turnitin AI、GPTZero 以及知网、万方等中文平台，包括隐藏字符和 docx 元数据清理。
What are similar projects?open-science, codex-claude-academic-skills, modex-mh-agent, awesome-ai-research-writing, PaperSpine, awesome-persona-skills, goutoujunshi, Mind-Expanding-Books
Which topics is it in?economics, reproducible-research, r, communication, latex, academic-research, data-science, skills, plugin, awesome-list, list, agent-skills
Creator
brycewang-stanford
Size
42.3 MB
Stars
4.7K
Updated
CommitOct 15Releasev2026.07Jul 02
Age
6mo
Commits · 90 Days