📌 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 |
> /plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills
What's inside
📌 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: seeREADME-en.md.
| 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。
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/） |
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）。
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。
中文内容分两级维护，各司其职：
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。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。
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）。
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：
sp.csdid(...) 给出 CS-DID 估计草案 + 写出估计方程与识别假设sp.feols(...) + sp.honest_did(...)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"。
| ⭐ 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） |
Showing a partial view of a very large repo.
View @brycewang-stanford’s profileStanford REAP × CoPaper.AI · 由斯坦福实证方法论团队精选与维护 访问 copaper.ai 微信：CoPaper.AI 按 11 个主流学科板块覆盖 经管与商科 社会科学 人文学科 数学与物理科学 生命科学 医学与健康 工程与技术 计算机科学与 AI 体育科学 点击任一学科名可跳转到对应说明；每类下的代表子领域在正文总览中完整列出。下方封面墙按 venue 导航，完整分类见覆盖一览。 🧭 布局指南 · 📚 Skill Pack 一览 · ⚡ 如何使用 · 🧪 自动实证
@brycewang-stanfordFAQ
auto-empirical-research-skills is a Claude Code plugin with 200 hand-picked skills for automation work, indexed on Flowy. Install it with the command on its page. It includes pipeline, 00-Full-empirical-analysis-skill_StatsPAI, 00.1-Full-empirical-analysis-skill_Python. Its skills do not fire on their own yet. Request auto-invocation to have Flowy route them as you prompt. Free and open source.
Is this plugin yours?
Claim it with GitHubSubmit a pluginPromote it