Airsc is free for everyone. If it helps you, support it with $2–$20.

Support
VISign in
PluginCautionAI & LLM featuresSome setup

Auto-Empirical-Research-Skills

brycewang-stanford · brycewang-stanford/Auto-Empirical-Research-Skills

Provides a vast collection of over 23,000 AI agent skills tailored for empirical research across various social science disciplines, aiding academic workflows.

🔬 A curated collection of 23,000+ agent skills for empirical research across 8 social science disciplines. | 精选 23,000+ AI Agent 技能库，覆盖8大社会科学学科的实证研究。CoPaper.AI 20分钟完成一篇可复现的规范实证论文，并支持用户上传 Skills。-- Maintained by CoPaper.AI from Stanford REAP.

4.5k stars535License: No licenseUpdated 13 days ago0 opens

Preview

▍

What you can do with it

  • Automatically generate a reproducible empirical research paper using AI agent skills.
  • Filter and apply specific research methods like DID, RD, or SCM directly within a Python environment.
  • Leverage AI agents to perform data cleaning and statistical analysis for social science studies.

Safety check

Caution

Usable, but read the notes first.

  • ●No clear license: check with the author before using it in a commercial product.

Automated scan of the repo files. Always review code you run.

From the README

Auto-Empirical Research Skills (AERS)

🔥 力荐 · StatsPAI — Stata 与 R 的 Python 平替，为 AI Agent 而生

  • 🔁 Stata / R 平替：reghdfe、csdid、rdrobust、synth、fixest、did 等常用命令在 Python 中一站式替代，一个 import statspai as sp 搞定 DID / RD / IV / SCM / DML / matching
  • 🤖 面向 Agent 设计：结构化结果对象 + 内置 MCP Server，Claude / Codex 等智能体可直接调用、诊断、审计与出表
  • ⚡ 运行速度更快：无需启动 Stata / R 会话，免许可证，纯 Python 流水线端到端提速
  • 🏛️ 同一团队维护：StatsPAI 与 AERS 由同一团队（Stanford REAP × CoPaper.AI）开发和持续维护，两者深度集成、同步迭代

github.com/brycewang-stanford/StatsPAI · pip install statspai · MIT 开源 · 欢迎 ⭐ Star

🌐 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 1,107 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 + 77 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 laneCountWhere
Numeric benchmark tasks — gold values recomputed from real data each run19benchmark/
Behavioral eval scenarios / rubric items42 / 217eval-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：

  • 本文件（README.md，GitHub 默认入口）：banner、badges、信任面、9 阶段流水线速览、77 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 77 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](skills/68-research-produ
View source on GitHub