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）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 × StatsPAI · 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 1,151 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 + 78 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 ~/.agents/skills/，老版本 ~/.codex/skills/）

已经 clone / 下载到本地？ 把 Auto-Empirical-Research-Skills 文件夹的本地路径复制给 Agent，让它读 INSTALL.md 自己装：

帮我安装这个本地 skills 包：/Users/你的用户名/Downloads/Auto-Empirical-Research-Skills
我用的是 Codex（或 Claude Code / WorkBuddy），装到全局，所有项目都能用。
请先读这个文件夹里的 INSTALL.md，按我这个软件的方式装好；装完告诉我装到了哪个目录、怎么确认已经生效。

复制路径：macOS 在访达选中文件夹按 Option + Command + C；Windows 按住 Shift 右键 →「复制为路径」；或者直接把文件夹拖进 Agent 输入框。详细步骤见 INSTALL.md 方法 0。

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 安装见方法 2C、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：

This is the beginning of the README. Read the rest at the original. Read the full README ↗