auto-empirical-research-skills：带基准测试的 1,096 个计量研究 skill

让编码 agent "跑个双重差分"，它会兴致勃勃地产出一份看起来像计量经济学的结果——聚类可能错了、对照组建错了、标准误的含义可能根本不是它声称的那样。brycewang-stanford/Auto-Empirical-Research-Skills（AERS，3.6k 星）是 Stanford REAP × CoPaper.AI 出品的合集，把实证研究方法打包成 agent skill——而且在这个生态里少见地附带了检验 agent 是否跑对的基准评测。

为什么这个 Skill 重要

目录规模很大——项目的 skill 搜索页统计有 1,096 个 skill、76 个合集，覆盖 README 所描述的从数据清洗到顶刊投稿的完整工作流。把它和 prompt 大杂烩区分开的是信任面：19 个数值基准任务，每次运行都用真实数据重算标准答案；外加 42 个行为评测场景、217 条评分细则——42 个场景里有 9 个已被证明能区分 agent 的对错行为。仓库甚至邀请你用 aers-score 给自己的 agent 打分，并把用同一评分器重算的成绩发布在外部排行榜上。

skill 明显偏计量经济学：README 上的示例提示词要求在面板数据上跑 Callaway–Sant'Anna 事件研究，附 HonestDiD 稳健性检验和期刊级表格。专门的插件覆盖 Python、Stata 和 R + Quarto 三条流水线。

安装

README 里最快的路径是把仓库 URL 丢给 agent，说清楚装到哪：

帮我安装 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
装到全局，所有项目都能用

作用域对应目录：当前文件夹（.claude/skills/）、可提交进 git 的共享项目、或全局（~/.claude/skills/，Codex 是 ~/.codex/skills/）。Claude Code v2.1+ 走插件市场更方便升级：

claude plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills
claude plugin install aer-skills@auto-empirical-research-skills

aer-skills 是完整的顶刊投稿工作流（9 个 skill）；只要单条流水线就换装 empirical-analysis-python、empirical-analysis-stata 或 empirical-analysis-r。只想要某一个 skill，就 --recurse-submodules 克隆后拷文件夹——README 特别提醒部分合集的 SKILL.md 在下一层，拷有它的那一层。

实战：一次经得起审稿的事件研究

1. 装上 Python 分析插件，新开会话，把面板数据集放在工作目录。
2. 自然语言提示——agent 按 description 自动挑 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

3. 对照基准纪律检查输出：这些 skill 被设计成把估计、稳健性检验、表格排版拆成各自可验证的步骤，而不是一团黑箱脚本。

想知道你的 agent 是否真的按方法执行，跑项目自己的评测：pip install -e . 装上 aers-score，它会对照基准任务给 agent 打分，并打印哪里出了错。

技巧

• 文档以中文为默认；英文、繁体中文、日文、韩文版本都在仓库里。
• make quickstart 在终端打印五分钟的目录导览。
• 许可是 CC BY-SA 4.0——和这个生态常见的 MIT/Apache 不同，二次分发前先看清署名条款。
• 拷贝的 skill 没反应时，先确认拷进去的目录里真的有 SKILL.md——README 点名的常见故障就是这个。

何时不用这个 Skill

深度集中在实证经济学和统计工作流；如果你的研究是湿实验室生物或定性田野调查，覆盖会很薄。规模也是双刃剑——把 76 个合集全装进一个 agent，正是 skill 作者们警告的上下文膨胀，按需装自己用的流水线就好。

查看 排行榜 了解更多 skill。