SkillsScout
CONTENT-KNOWLEDGE ／ 内容创作与知识管理

Auto-Empirical-Research-Skills

收录日期 2026-07-19·来源仓库 ↗·2026-07-22 修订
受欢迎程度
8
可用程度与相关性
9
安全性
7
8SCOUT SCORE

1. 基本信息

项目 内容
名称 Auto-Empirical-Research-Skills
项目自述名称 Auto-Empirical-Research-Skills（README 中曾用旧名 “Awesome Agent Skills for Empirical Research”，现已统一为现名）
作者/维护者 brycewang-stanford（CoPaper.AI 团队，源自 Stanford REAP 项目）
来源链接 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
许可证 CC BY-SA 4.0（仓库 LICENSE 文件确认；GitHub 徽章因格式未被自动识别，显示为“未检测到”，以仓库内 LICENSE 原文为准）
GitHub Stars / Forks 2913 / 391（GitHub API 实测）
最新版本 v2026.07（2026-07-02 发布，首个正式标签版本，GitHub Releases 确认）
安装方式 一条命令：Claude Code 插件市场安装（详见第 10 章）

2. 功能介绍与亮点

Auto-Empirical-Research-Skills（AERS）是一个面向实证研究全流程的技能路由器与精选目录，把因果推断、计量分析、学术写作等环节打包成可按需调用的技能集合：

3. 适用场景

所属分类：内容创作与知识管理

适合经济学、金融、政治学、社会学等社会科学领域的研究者与研究生，在用 Claude Code / Codex 完成实证论文时按流程调用相应技能——从识别策略选择、计量代码生成，到表格排版、审稿回复信起草。也适合已经积累了零散计量/写作类技能脚本、想要一个统一路由入口而不必逐个记忆命令的用户。

4. 跨 Agent 兼容性

以上判断仅基于已抓取的仓库文档。另需注意：GitHub Issue 记录显示 84 个技能文件与 GitHub Copilot CLI（非本报告目标 agent）存在已知加载兼容性问题，详见第 8、11 章。

5. 推荐理由

多数“技能合集”仓库止步于罗列链接，AERS 做了两件更进一步的事：一是把 1151 个来自不同作者的实证研究技能按研究流程统一编目并做路由，用户不需要逐个安装、逐个记忆；二是公开发布了针对全部精选技能的安全自查报告，并按 Python/Stata/R 三条技术栈各自提供了完整的 8 步分析流水线。对于需要频繁产出符合期刊规范的实证论文、又不想为每个环节单独找技能的社会科学研究者，这类“一次安装、按需路由”的设计能显著降低使用门槛。

6. 评分

维度 分数 说明
受欢迎程度 8 建仓 3.5 个月内获 2913 星、391 fork、8 名贡献者，且已有开发者主动提交技能收录申请（GitHub Issues），增长速度快，但星标规模与社区认知度仍在积累中
可用性 9 Claude Code 插件市场一条命令安装，README 提供中/英/日/韩五种语言版本，INSTALL.md 详列四种安装路径，2026-07-19（本报告当日）仍有提交；扣分点：已知与 GitHub Copilot CLI 存在加载兼容性缺陷尚未修复（见第 8 章）
安全性 7 逐项检查见下方清单；自查安全报告方法论详尽且结论清晰（52/52 判定 clean），但审计范围仅覆盖至第 48 个收录集合，晚近新增的集合未被覆盖，且本质是聚合大量第三方作者的技能代码，供应链面比单一作者项目更宽

综合评分：8.0

安全检查清单：

检查项 结果
①代码执行范围 存在——各子技能会调用 Python/Stata/R 本地脚本做数据清洗与计量估计，用途明确、限于统计计算
②运行时联网外发 部分技能调用 arXiv、CrossRef、PubMed、Semantic Scholar 等公开学术 API 做文献检索，目标透明，未发现向未知端点外发数据的证据
③API Key/凭据 核心路由与主要流水线不强制要求 API Key；个别文献检索类子技能可能选配学术 API Key，存储方式由各子技能自行说明
④可疑指令 未发现——根 SKILL.md 明确要求“路由到单个技能、不要一次性读取整个仓库”，仓库另附 SECURITY.md 说明可疑内容上报流程
⑤作者信誉 CoPaper.AI（Stanford REAP 相关团队）维护，GitHub 组织信息公开，8 名贡献者，提交历史连续
⑥License 明确性 LICENSE 文件写明 CC BY-SA 4.0，但 GitHub 徽章未能自动识别该格式，需以文件原文为准
⑦维护活跃度 活跃，最近提交与本报告同日，已有正式标签版本 v2026.07（2026-07-02）

7. 跟同类 Skills 相比的优势

项目 定位 与本技能的差异
Awesome-Journal-Skills（同一团队 brycewang-stanford 出品） 专注 AER/QJE/Nature/Cell 等 200+ 顶刊投稿全流程的技能包 聚焦单篇论文的期刊格式适配与投稿规范，不含 AERS 面向全流程的跨技能路由与安全扫描体系
science-superpowers（K-Dense-AI） 面向计算科学方法论的技能框架，主张“预注册优先于测试驱动开发”的科研范式 提供的是科研流程哲学与骨架式方法论，不像 AERS 那样打包 1000+ 可直接调用的具体计量/文献技能
ai4s-skills（ai4s-research） 面向自然科学（AI for Science）的选题、文献综述、实验设计与诚信审查技能 学科聚焦自然科学实验流程，不覆盖 AERS 主打的社会科学因果推断与计量方法

8. 用户评价

9. 其他补充

仓库提供 README 的中文简体/繁体、英文、日文、韩文五个语言版本；配套 CONTRIBUTING.md、CODE_OF_CONDUCT.md、CITATION.cff、CHANGELOG.md 等标准开源治理文件；三条语言的核心分析流水线（Python/Stata/R）由 plugins/build_plugins.py 从统一源技能自动生成，保证多语言实现同步更新。

10. 安装使用方式

推荐方式（Claude Code 插件市场，一条命令）：

claude plugin marketplace add brycewang-stanford/Auto-Empirical-Research-Skills
claude plugin install aer-skills@auto-empirical-research-skills                 # AER 顶刊投稿全流程（9 技能）
claude plugin install empirical-analysis-python@auto-empirical-research-skills  # Python 8 步流水线
claude plugin install empirical-analysis-stata@auto-empirical-research-skills   # Stata 8 步流水线
claude plugin install empirical-analysis-r@auto-empirical-research-skills       # R 8 步流水线

安装后运行 /reload-plugins（或重启 Claude Code）使技能生效，可用 claude plugin details aer-skills 查看已安装插件包含的技能与 token 开销。

Codex 等整仓库导入方式：

mkdir -p ~/.codex/skills/auto-empirical-research-skills
rsync -a --exclude .git --exclude .pytest_cache --exclude __pycache__ --exclude '*.pyc' \
  ./ ~/.codex/skills/auto-empirical-research-skills/

注意事项：整仓库导入时只会注册一个路由技能，不会把 1151 个子技能逐一注册；目录内 92 个子技能存在同名（如 data-analysis、lit-review），单独安装某个收录集合时如遇命名冲突，可用 catalog/skills.json 中的 qualified_name 字段（格式 <collection>::<name>）区分。

11. 注意事项