brycewang-stanford/Auto-Empirical-Research-Skills

它解决了什么问题

自动实证研究技能（AERS）为社会科学中的实证研究提供了全面、自动化且可干预的流水线。它通过自动化文献综述、数据获取、因果推断、稳健性审计和写作等任务，弥合了模糊的研究想法与可发表的论文之间的差距。

它是如何工作的

该项目充当一个包含超过1100个“技能”的库——这些是AI代理（如Claude Code或Codex）可以调用来执行特定研究任务的专门工具。用户可以在全局或每个项目中安装这些技能。流水线的核心是Paper-WorkFlow技能，它将各个工具编排成一个顺序的、端到端的过程。在流水线的任何一点，研究人员都可以手动干预以调整方法或变量，流水线将自动从该点恢复。

适用人群

该工具专为实证研究人员、经济学家和社会科学家设计，他们希望利用AI代理加速研究工作流程，同时保持学术严谨性和对分析每一步的审计能力。

亮点

• 端到端自动化： 涵盖研究的9个阶段，从初始想法细化到最终手稿提交和AIGC检测。
• 多语言支持： 包括针对Python、Stata和R的专用“完整实证”堆栈，允许与现有研究工具无缝集成。
• 严格验证： 具有19个数值基准任务和42个行为评估场景，以确保代理输出的可靠性。
• 可干预性： 自动化流水线的每一步都产生允许人工干预的输出，确保研究人员保持对方法论的控制。
• StatsPAI集成： 与StatsPAI深度集成，StatsPAI是一个基于Python的因果推断引擎，专门为AI代理设计，用于执行复杂的计量经济学任务，如DID、RD和IV分析。