Auto-Empirical-Research-Skills
brycewang-stanford · brycewang-stanford/Auto-Empirical-Research-Skills
Cung cấp một bộ sưu tập khổng lồ gồm hơn 23.000 kỹ năng tác nhân AI được thiết kế riêng cho nghiên cứu thực nghiệm trên nhiều lĩnh vực khoa học xã hội, hỗ trợ quy trình làm việc học thuật.
🔬 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.
Xem trước
Bạn có thể làm gì với nó
- Tự động tạo một bài báo nghiên cứu thực nghiệm có thể tái tạo được bằng cách sử dụng các kỹ năng tác nhân AI.
- Lọc và áp dụng các phương pháp nghiên cứu cụ thể như DID, RD hoặc SCM trực tiếp trong môi trường Python.
- Tận dụng các tác nhân AI để thực hiện làm sạch dữ liệu và phân tích thống kê cho các nghiên cứu khoa học xã hội.
Kiểm tra an toàn
Dùng được, nhưng nên đọc ghi chú trước.
- ●Không có giấy phép rõ ràng: hỏi tác giả trước khi dùng cho sản phẩm thương mại.
Quét tự động các file trong repo. Luôn xem lại code trước khi chạy.
Trích từ 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: seeREADME-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：
- 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 |