Does auto-empirical-research-skills auto-invoke its skills?

Not yet. It is indexed on Flowy as a plain plugin. Request auto-invocation on its page and Flowy will route its skills for you as you prompt.

Is auto-empirical-research-skills free?

Yes. Flowy is free and open source, with nothing gated. You can read every skill in full before you install.

Automation

Plugin

auto-empirical-research-skills

📌 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 |

FLOW.md

brycewang-stanford@brycewang-stanford

GitHub

Plugin Signal86/100Strong

maintained98

capable100

documented50

adopted75

Install on Claude Code

> /plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills

Stats

Python HTML CSS Bash C++

+7 tags

Prisma Git GitHub Markdown LaTeX Anthropic MCP

3,337

Stars

435

Forks

Active

Maintenance

Stata

Language

3d ago

Last commit

4mo ago

Created

Repo: brycewang-stanford/Auto-Empirical-Research-Skills

In this plugin

172 skills 146 agents

See everything inside

What's inside

Skills

200

/pipelineClassical end-to-end empirical analysis workflow in the traditional Python econometric stack — pandas + numpy + scipy + statsmodels + linearmodels + pyfixest + rdrobust + econml + causalml + matplotlib/seaborn. **Defaults to economics empirical-paper style** (AER / QJE / AEJ) —/pipelineClassical end-to-end empirical analysis workflow in the modern tidyverse + econometrics R ecosystem — dplyr + tidyr + haven + fixest + sandwich + lmtest + clubSandwich + AER + ivreg + did + bacondecomp + HonestDiD + eventstudyr + rdrobust + rddensity + Synth + gsynth + synthdid /pipelineClassical end-to-end empirical analysis workflow in the traditional Stata ecosystem — native Stata + reghdfe + ivreg2 + csdid + did_imputation + eventstudyinteract + sdid + rdrobust + rddensity + synth + synth_runner + psmatch2 + teffects + ebalance + coefplot + esttab + asdoc +/00-Full-empirical-analysis-skill_StatsPAIUse when the user asks to run a full empirical / causal analysis in Python — by default in the style of an applied economics paper (AER / QJE / JPE / ReStud / AEJ) with DID / RD / IV / SCM / DML / matching, written-out estimating equation + identifying assumption, Table 1 //00.1-Full-empirical-analysis-skill_PythonClassical end-to-end empirical analysis workflow in the traditional Python econometric stack — pandas + numpy + scipy + statsmodels + linearmodels + pyfixest + rdrobust + econml + causalml + matplotlib/seaborn. **Defaults to economics empirical-paper style** (AER / QJE / AEJ) —/00.2-Full-empirical-analysis-skill_StataClassical end-to-end empirical analysis workflow in the traditional Stata ecosystem — native Stata + reghdfe + ivreg2 + csdid + did_imputation + eventstudyinteract + sdid + rdrobust + rddensity + synth + synth_runner + psmatch2 + teffects + ebalance + coefplot + esttab + asdoc +

Show all 200 skills

Agents

146

data-detectiveInvestigates data quality, profiling datasets for distributional anomalies, missingness patterns, panel structure, merge diagnostics, and variable construction issues. Use when working with a new dataset, validating merges, checking panel structure, profiling variables for literature-scoutConducts systematic literature surveys of econometric methods, seminal papers, and prior applications. Use when you need to find related papers, understand the intellectual genealogy of a method, survey standard approaches for a research question, or identify which assumptions methods-explorerConducts deep analysis of specific econometric and statistical methods, comparing estimator properties, software implementations, and computational tradeoffs. Also researches benchmark parameter values, calibration targets, and stylized facts from the literature. Use when econometric-reviewerReviews estimation code with an extremely high quality bar for identification, inference, and econometric correctness. Use after implementing estimation routines, modifying econometric models, running regressions, or writing code that uses statsmodels, linearmodels, PyBLP,identification-critic--- name: identification-critic effort: high maxTurns: 15 skills: [causal-inference, identification-proofs, game-theory, structural-modeling] disallowedTools: [Edit, Write, MultiEdit, NotebookEdit] description: >- Scrutinizes identification arguments for completeness,journal-refereeSimulates a top-5 economics journal referee providing a full report on research quality, contribution, and methodology. Use when reviewing draft papers, written artifacts, research projects before submission, or during /workflows:review on completed work. <examples> <example>

Show all 146 agents

Badges

README

Read on GitHub

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)

Rigor lane	Count	Where
Numeric benchmark tasks — gold values recomputed from real data each run	17	`benchmark/`
Behavioral eval scenarios / rubric items	37 / 183	`eval-harness/`

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：

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、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

#	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 & 投稿 — 知网 / 万方 / Turnitin / 23 类 AI 痕迹模式	· ⭐ 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：

⭐ 00 StatsPAI → sp.csdid(...) 给出 CS-DID 估计草案 + 写出估计方程与识别假设
33 claude-scholar → 抓变量定义 / 数据源候选 / 相关文献
⭐ 00 StatsPAI → 真跑 sp.feols(...) + sp.honest_did(...)
41 sewage-econometrics-check → 10 项复现包审计 + 稳健性体检
⭐ 00 StatsPAI + 07 AI-Research-SKILLs → 出 Table 1–5 + 期刊级图
38 academic-proofreader → 通读 + §comment 标"审稿人会挑刺的位置"
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（Turnitin AI / GPTZero / 知网 / 万方）
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
06	stats-paper-writing	端到端 LaTeX 统计论文写作	→	fuhaoda/stats-paper-writing-agent-skills
07	AI-Research-SKILLs	发表级 ML 图表、LaTeX、引文核验	→	Orchestra-Research/AI-Research-SKILLs
08	latex-document-skill	创建 / 编译任意 LaTeX 文档为 PDF	→	ndpvt-web/latex-document-skill
09	awesome-econ-ai	Python 面板数据分析（`linearmodels`）	→	meleantonio/awesome-econ-ai-stuff
10	causal-inference-mixtape	DID / IV / RDD / SCM 模板（Cunningham）	→	Jill0099/causal-inference-mixtape
11	compound-science	面向定量社会科学的贝叶斯估计	→	James-Traina/compound-science
12	claude-code-my-workflow	提交 → PR → 合并的研究工作流（Emory）	→	pedrohcgs/claude-code-my-workflow
13	MixtapeTools	Cunningham 的因果推断工具集与讲义	→	scunning1975/MixtapeTools
14	research-starter	R 中的 IV / DiD / RDD，含完整诊断	→	luischanci/claude-code-research-starter
15	social-science-research	R 或 Python 端到端数据分析	→	Felpix-Studios/social-science-research
16	clo-author	多代理数据分析（R / Stata / Python）	→	hsantanna88/clo-author
17	DAAF	安全意识代理框架（32 条 deny rule）	→	DAAF-Contribution-Community/daaf
18	stata-accounting	来自 126 篇 JAR 论文的实测 Stata 范式	→	jusi-aalto/stata-accounting-research
19	vera-economic-intelligence	经济情报 / 政策研究情报工作流	→	CuellarC05/vera-economic-intelligence
20	python-econ-skill	DSGE / HANK 与定量经济计算	→	wenddymacro/python-econ-skill
21	AI-research-feedback	用 AI 同行评审生成结构化反馈	→	claesbackman/AI-research-feedback
22	christopherkenny-skills	面向 Quarto（`.qmd`）的 APSA 风格检查器	→	christopherkenny/skills
23	baygent	带护栏的 PyMC / Arviz 贝叶斯工作流	→	Learning-Bayesian-Statistics/baygent-skills
24	academic-research-skills	5 审稿人多视角论文评审	→	Imbad0202/academic-research-skills
25	Diverga	研究问题精炼器（抗模式坍缩）	→	HosungYou/Diverga
26	scholar	统计算法设计与文档	→	Data-Wise/claude-plugins
27	my_claude_skills	经济学摘要写作指南	→	dariia-m/my_claude_skills
28	paper-replicate-agent	论文复现代理演示	→	maxwell2732/paper-replicate-agent-demo
29	project20XXy	可复现手稿 + notebook 项目	→	quarcs-lab/project20XXy
30	zirui-song-claude-skills	Zirui Song 的研究辅助 Claude 技能集	→	zirui-song/claude-skills
31	claude-code-skills	Python 面板数据分析	→	thalysandratos/claude-code-skills
32	stata-skill	高性能 Stata C/C++ 插件	→	dylantmoore/stata-skill
33	claude-scholar	研究全生命周期：选题 → 综述 → 实验 → 审稿回复	→	Galaxy-Dawn/claude-scholar
34	research-companion	头脑风暴、评估并决策研究方向	→	andrehuang/research-companion
35	academic-writing-skills	面向投稿场所的工业 AI 文献研究	→	bahayonghang/academic-writing-skills
36	literature-review-skill	完整文献综述工作流（中文）	→	taoyunudt/literature-review-skill
37	IlanStrauss-ai-skills	Ilan Strauss 经济学研究 AI 工作流	→	IlanStrauss/ai-skills
38	academic-proofreader	学术校对	→	peternka/academic_proofreader
39	marginaleffects	预测、斜率与比较（R / Python）	→	vincentarelbundock/marginaleffects
40	pyfixest	Python 中的快速固定效应估计	→	py-econometrics/pyfixest
41	sewage-econometrics-check	10 项复现包审计	→	sticerd-eee/sewage
42	ARIS	自主「research-in-sleep」代理，端到端	→	wanshuiyin/Auto-claude-code-research-in-sleep
43	research-plugins	478 个研究插件：数据可视化、领域、基础设施	→	wentorai/research-plugins
44	humanizer_academic	为医学/学术手稿去 AI 味（23 类模式）	→	matsuikentaro1/humanizer_academic
45	deslop	去除 AI 写作痕迹（5 维评分）	→	stephenturner/skill-deslop
46	stop-slop	三层 AI 痕迹检测与改写	→	hardikpandya/stop-slop
47	avoid-ai-writing	审计 → 改写 → 二次审计 AI 味（留痕）	→	conorbronsdon/avoid-ai-writing
⭐ 48	de-AIGC-skills 🇨🇳🇬🇧	中英双语学术降 AIGC（Turnitin AI / GPTZero / 知网 / 万方）	→	⭐ 本仓库
49	humanize-chinese	检测并人性化 AI 生成的中文文本	→	swaylq/humanize-chinese
⭐ 50	AER-skills 📕	Top-5 经济学投稿套件：识别 → 稳健性 → R&R	→	brycewang-stanford/AER-skills
51	CausalPy	贝叶斯准实验（PyMC Labs）	→	pymc-labs/CausalPy
52	slr-prisma	系统文献综述，PRISMA 2020	→	keemanxp/slr-prisma
53	thematic-analysis	Braun & Clarke 六阶段定性主题分析	→	keemanxp/thematic-analysis-skill
54	open-science-skills	引用一致性、DOI 与论据支撑审计	→	scdenney/open-science-skills
55	r-skills	R 中用 `brms` 做贝叶斯推断	→	ab604/claude-code-r-skills
56	econ-writing-skill	综合 50+ 顶级指南的经济学写作	→	hanlulong/econ-writing-skill
57	edgartools	查询与分析 SEC 文件	→	dgunning/edgartools
58	econstack	政策简报（UK GES / AU Treasury）	→	charlescoverdale/econstack
59	openalex-skill	通过 OpenAlex 查询 2.4 亿+ 学术作品	→	shiquda/openalex-skill
60	superpapers	综合性实证研究支持套件	→	regisely/superpapers
61	research-methods	与预注册匹配的验证性检验	→	phdemotions/research-methods
62	citation-checker	对照 CrossRef / S2 / OpenAlex 核验引用	→	PHY041/claude-skill-citation-checker
63	scientific-agent-skills	DoWhy 识别–估计–反驳框架	→	tondevrel/scientific-agent-skills
64	mcp-stata	20 个 Stata 因果推断与复现 skill	→	tmonk/mcp-stata
65	game-theory-paper-writer	生成并压力测试博弈论论文	→	本仓库 PR #17
66	empirical-research-skills	面向大型面板的 R 性能优化	→	SiyaoZheng/ai4ss-skills
67	econfin-workflow-toolkit	中国公司金融实证工作流，从提案到论文	→	本仓库 PR #22
68	research-productivity-skills	论文检索、SSRN、DOI 查询、下载	→	本仓库 PR #21
⭐ 69	Paper-WorkFlow 🧭	元编排器，串起整个社会科学论文流水线	→	brycewang-stanford/Paper-WorkFlow
70	ssci-polish ✍️	SSCI / SCI 英文论文语言润色（语法、可读性、学术语气）	→	⭐ 本仓库
⭐ 71	lit-review-agent-tools 🔍	文献综述工具选型 + 一键安装运行（MinerU / PaperQA2 / ASReview / STORM / MCP 服务器）	→	brycewang-stanford/lit-review-agent-tools
⭐ 72	Kaggle Research 🧪	通过官方 CLI 安全检索 Kaggle 资源、限界下载公开数据并保留审计证据	→	⭐ 本仓库

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

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）

File tree

1572

brycewang-stanford/Auto-Empirical-Research-SkillsView on GitHub

.claude-plugin/
  marketplace.json
.github/
  dependabot.yml
  ISSUE_TEMPLATE/
    bug_report.yml
    config.yml
    feature_request.yml
    skill_submission.yml
    usage_question.yml
  pull_request_template.md
  workflows/
    check-external-links.yml
    check-tools-links.yml
    quality-evals.yml
    refresh-star-history.yml
    scorecard.yml
    sync-aer-skills.yml
    sync-statspai-skill.yml
    validate-catalog.yml
.gitignore
.gitmodules
.nojekyll
.pre-commit-config.yaml
agents/
  aider.yaml
  anthropic.yaml
  codebuddy.yaml
  cursor.yaml
  openai.yaml
  README.md
benchmark/
  .gitignore
  candidates/
    reference-badcontrol/
      results.json
    reference-bartik/
      results.json
    reference-bayesian/
      results.json
    reference-bunching/
      results.json
    reference-cate/
      results.json
    reference-did/
      results.json
    reference-dml/
      results.json
    reference-eventstudy/
      results.json
    reference-iv/
      results.json
    reference-mediation/
      results.json
    reference-oaxaca/
      results.json
    reference-ols/
      results.json
    reference-panelfe/
      results.json
    reference-qte/
      results.json
    reference-rd/
      results.json
    reference-survival/
      results.json
    reference-synth/
      results.json
  check_benchmark.py
  data/
    sim-badcontrol.csv
    sim-bartik.csv
    sim-bayesian.csv
    sim-bunching.csv
    sim-cate.csv
    sim-dml.csv
    sim-event-study.csv
    sim-mediation.csv
    sim-oaxaca.csv
    sim-panel-fe.csv
    sim-qte.csv
    sim-rdd.csv
    sim-staggered-did.csv
    sim-survival.csv
    sim-synth.csv
  lib/
    badcontrol.py
    bartik.py
    bayesian.py
    bunching.py
    card.py
    cate.py
    dml.py
    eventstudy.py
    lalonde.py
    mediation.py
    oaxaca.py
    panelfe.py
    qte.py
    rdd.py
    simdid.py
    survival.py
    synth.py
  README.md
  reference_pipeline.py
  schema/
    candidate.schema.json
    task.schema.json
  tasks/
    bad-control-recovery.toml
    bartik-recovery.toml
    bayesian-recovery.toml
    bunching-recovery.toml
    card-iv-recovery.toml
    cate-recovery.toml
    decomposition-recovery.toml
    did-staggered-recovery.toml
    dml-recovery.toml
    event-study-recovery.toml
    lalonde-recovery.toml
    mediation-recovery.toml
    panel-fe-recovery.toml
    qte-recovery.toml
    rdd-recovery.toml
    survival-recovery.toml
    synthetic-control-recovery.toml
catalog/
  provenance.json
  skill-audit.json
  skills-enriched.json
  skills.json
CHANGELOG.md
CITATION.cff
CODE_OF_CONDUCT.md
CONTRIBUTING.md
demo-notebooks/
  _lalonde_data.csv
  _python_pipeline_outputs/
    _runner_v2.py
    artifacts/
      data_contract.json
      pap.json
      result.json
      sample_construction.json
      strategy.md
    data/
      lalonde.csv
    figures/
      fig_corr.pdf
      fig_corr.png
      fig_dist.pdf
      fig_dist.png
      fig1_trend.pdf
      fig1_trend.png
      fig2_event_study.pdf
      fig2_event_study.png
      fig2c_love_plot.pdf
      fig2c_love_plot.png
      fig2c2_overlap.pdf
      fig2c2_overlap.png
      fig3_coefplot.pdf
      fig3_coefplot.png
      fig4_sensitivity.pdf
      fig4_sensitivity.png
      fig5_spec_curve.pdf
      fig5_spec_curve.png
    tables/
      table1_balance.csv
      table1_balance.tex
      table2_main_summary.csv
      table2_main.html
      table2_main.tex
      table3_mechanism.csv
      table3_mechanism.html
      table3_mechanism.tex
      table4_heterogeneity_full.html
      table4_heterogeneity_full.tex
      table4_heterogeneity.csv
      table4_heterogeneity.tex
      table5_robustness_full.html
      table5_robustness_full.tex
      table5_robustness.csv
      table5_robustness.tex
      tableA1_robustness.csv
      tableA1_robustness.tex
  _r_pipeline_outputs/
  _r_pipeline_outputs_5.2/
    figures/
      fig1_trend.pdf
      fig1_trend.png
      fig2_event_study.pdf
      fig2_event_study.png
      fig3_coefplot.pdf
      fig3_coefplot.png
      fig4_sensitivity.pdf
      fig4_sensitivity.png
    lalonde_analysis.R
    tables/
      table1_balance.docx
      table1_balance.tex
      table1_balance.xlsx
      table2_main.docx
      table2_main.tex
      table2_main.xlsx
      table2b_designs.docx
      table2b_designs.tex
      table2b_designs.xlsx
      table3_mechanism.docx
      table3_mechanism.tex
      table3_mechanism.xlsx
      table4_heterogeneity.docx
      table4_heterogeneity.tex
      table4_heterogeneity.xlsx
      table5_robustness.docx
      table5_robustness.tex
      table5_robustness.xlsx
    _runner_v2.R
    artifacts/
      data_contract.json
      pap.json
      result.json
      sample_construction.json
      strategy.md
    figures/
      fig2c_love_plot.pdf
      fig2c_love_plot.png
      fig2c2_overlap.pdf
      fig2c2_overlap.png
      fig5_spec_curve.pdf
      fig5_spec_curve.png
    table_main.html
    table_main.tex
    tables/
      tableA1_robustness.csv
      tableA1_robustness.tex
  _stata_lalonde_outputs/
  _stata_lalonde_outputs_v5.2/
    artifacts/
      data_contract.json
      pap.json
      result.json
      sample_construction.json
      strategy.md
    data/
      lalonde_analysis.dta
    figures/
      fig1_kde_re78.pdf
      fig1_kde_re78.png
      fig2b_ps_overlap.pdf
      fig2b_ps_overlap.png
      fig3_coefplot.pdf
      fig3_coefplot.png
      fig4_spec_curve.pdf
      fig4_spec_curve.png
      het_by_black.pdf
      het_by_black.png
      het_by_educ.pdf
      het_by_educ.png
    logs/
      lalonde_pipeline.log
    tables/
      table1_balance.tex
      table1_balance.xlsx
      table1_full.rtf
      table1_full.tex
      table2_main.docx
      table2_main.rtf
      table2_main.tex
      table2_main.txt
      table2_main.xlsx
      table3_horserace.docx
      table3_horserace.rtf
      table3_horserace.tex
      table3_horserace.txt
      table3_horserace.xlsx
      table4_heterogeneity.docx
      table4_heterogeneity.rtf
      table4_heterogeneity.tex
      table4_heterogeneity.txt
      table4_heterogeneity.xlsx
      tableA1_robustness.docx
      tableA1_robustness.rtf
      tableA1_robustness.tex
      tableA1_robustness.txt
      tableA1_robustness.xlsx
    _pregenerate_artifacts.py
    artifacts/
      data_contract.json
      pap.json
      result.json
      sample_construction.json
      strategy.md
    data/
      lalonde_analysis.dta
    figures/
      coefplot_estimators.pdf
      coefplot_estimators.png
      fig2c2_overlap.pdf
      fig2c2_overlap.png
      fig5_spec_curve.pdf
      fig5_spec_curve.png
      het_treat_by_black.pdf
      het_treat_by_black.png
      het_treat_by_educ.pdf
      het_treat_by_educ.png
      kde_re78.pdf
      kde_re78.png
      pscore_overlap.pdf
      pscore_overlap.png
    logs/
      lalonde_pipeline.log
    README.md
    tables/
      table_main_estimators.docx
      table_main_estimators.rtf
      table_main_estimators.tex
      table_main_estimators.xlsx
      table_progressive_specs.docx
      table_progressive_specs.rtf
      table_progressive_specs.tex
      table_progressive_specs.xlsx
      table1_balance.tex
      table1_balance.xlsx
      table1_full.docx
      table1_full.rtf
      table1_full.tex
      table1_full.xlsx
      tableA1_robustness.docx
      tableA1_robustness.rtf
      tableA1_robustness.tex
      tableA1_robustness.xlsx
  _statspai_pipeline_outputs/
  _statspai_pipeline_outputs_5.2/
    artifacts/
      causal_question.yaml
      data_contract.json
      empirical_strategy.md
      footnote4_sample.txt
      result_reproducibility.json
      sample_construction.json
    figures/
      fig1_earnings_dist.png
      fig2a_balance.png
      fig2b_ps_overlap.png
      fig3_coefplot.png
      fig4_heterogeneity.png
      fig5_robustness_forest.png
    full_analysis.py
    replication/
      paper.docx
      paper.md
      paper.tex
      paper.xlsx
    tables/
      evalue.txt
      oster_bounds.txt
      table1_panels.docx
      table1_panels.tex
      table1_panels.xlsx
      table1_summary.docx
      table1_summary.tex
      table1_summary.xlsx
      table2_main.docx
      table2_main.tex
      table2_main.xlsx
      table3_heterogeneity.docx
      table3_heterogeneity.tex
      table3_heterogeneity.xlsx
      tableA1_robustness.docx
      tableA1_robustness.tex
      tableA1_robustness.xlsx
  _statspai_pipeline_outputs_v2/
    artifacts/
      data_contract.json
      empirical_strategy.md
      pap_power.json
      result.json
      sample_construction.json
    figures/
      fig1_distributions.png
      fig2c_love_plot.png
      fig2c2_overlap.png
      fig3_coefplot.png
      fig4_cate.png
      fig4b_cate_by_group.png
      fig5_robustness_forest.png
      fig5b_spec_curve.png
    replication.docx
    replication.md
    replication.tex
    replication.xlsx
    tables/
      table1_summary.docx
      table1_summary.tex
      table1_summary.xlsx
      table2_main.docx
      table2_main.tex
      table2_main.xlsx
      table2b_design_race.docx
      table2b_design_race.tex
... 1600 more

Showing a partial view of a very large repo.

More Flows by @brycewang-stanford.

VerifiedPlugin

Content

awesome-journal-skills

Stanford 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

200 skills

@brycewang-stanford

View Plugin

FAQ

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, pipeline, pipeline. Its skills do not fire on their own yet. Request auto-invocation to have Flowy route them as you prompt. Free and open source.

What is auto-empirical-research-skills?: 📌 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 |
How do I install auto-empirical-research-skills?: Run these in Claude Code: /plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills. Then prompt normally.
Does auto-empirical-research-skills auto-invoke its skills?: Not yet. It is indexed on Flowy as a plain plugin. Request auto-invocation on its page and Flowy will route its skills for you as you prompt.
Is auto-empirical-research-skills free?: Yes. Flowy is free and open source, with nothing gated. You can read every skill in full before you install.

auto-empirical-research-skills

Skills

Agents

Badges

README

Auto-Empirical Research Skills (AERS)

🚀 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)

⚡ 安装与使用（30 秒上手）

最省事的一招：把 URL 丢给 Agent

手动安装（两种，任选其一）

怎么用

中文文档结构

🚀 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）

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

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

看到这里 —— 完整 76 行合集目录

🧰 76 个核心 Skills 合集一览（`00 → 72`，编号连续无空缺）

📈 项目历程

File tree

More Flows by @brycewang-stanford.

awesome-journal-skills

auto-empirical-research-skills

Skills

Agents

Badges

README

Auto-Empirical Research Skills (AERS)

🚀 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)

⚡ 安装与使用（30 秒上手）

最省事的一招：把 URL 丢给 Agent

手动安装（两种，任选其一）

怎么用

中文文档结构

🚀 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）

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

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

看到这里 —— 完整 76 行合集目录

🧰 76 个核心 Skills 合集一览（00 → 72，编号连续无空缺）

📈 项目历程

File tree

More Flows by @brycewang-stanford.

awesome-journal-skills

🚀 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`.

🧰 76 个核心 Skills 合集一览（`00 → 72`，编号连续无空缺）