gaaiyun

Econ Paper Studio

Name: Econ Paper Studio
Author: gaaiyun

Data community

SOURCE https://github.com/gaaiyun/econ-paper-studio

Description

End-to-end empirical economics workflow for AI agents | Five-stage pipeline (question/design/execute/verify/write) | Built on StatsPAI + academic-research-skills + dylantmoore stata-skill | Chinese-friendly, Stata-first

Installation

This entry records only its repository, not the path inside it, so there is no exact command to give. Open the source below and copy the folder into ~/.claude/skills/, or the file into ~/.claude/agents/.

README

Econ Paper Studio

面向实证经济学论文的 agent-native CLI / Skill 编排层。它把一篇经验研究拆成可检查、可交接、可追证据的阶段：上游 skills 路由、研究问题、识别策略、数据审计、代码骨架、稳健性核验、论文写作质检、证据账本、claim audit 和审稿式检查。

它不替研究者编造结果、引用或结论。它做的是把 agent 容易跳过的步骤固定下来：先说明问题和识别假设，再检查数据结构，再生成可复现代码，再核验方法证据和论文文本。

flowchart LR
    Skills["skills"]
    Question["question"]
    Design["design"]
    Data["data-contract"]
    Execute["execute"]
    Ledger["evidence-ledger"]
    Claims["claim-audit"]
    Review["reviewer-gauntlet"]
    Paper["paper"]
    Session["session"]

    Skills --> Question --> Design --> Data --> Execute --> Ledger --> Claims --> Review --> Paper --> Session

完整设计思路和框架见 [docs/DESIGN.md](docs/DESIGN.md)。

设计思路

`econ-paper-studio` 只做三件事：给 agent 明确下一步该用哪些 skills；把计量研究拆成可以检查的 workflow gates；把论文里的每条核心结论连回数据、代码、表图和引用核验状态。

flowchart TB
    Agent["Agent 平台\nCodex / Claude Code / OpenCode / Cursor / Coze"]
    Adapter["Adapter + 编排层\nAGENTS.md / SKILL.md / registry / manifest"]
    Gates["Workflow gates\nskills / design / data-audit / scaffold / ledger / claim-audit / reviewer"]
    Tools["真实研究工具\nStata / R / Python / citation APIs / docx-PDF QA / data connectors"]
    Paper["可交接产物\n设计 memo / data contract / analysis code / evidence ledger / paper audit"]

    Agent --> Adapter --> Gates
    Gates --> Tools
    Tools --> Paper
    Paper --> Gates

真实可用的标准不是“生成一篇像论文的文本”，而是 agent 接手后能按顺序完成：先收窄问题和识别，再审计数据，再调用真实 Stata/R/Python 跑模型，把结果写入 evidence ledger，最后用 `claim-audit` 和 `reviewer-gauntlet` 检查正文 claim 是否被证据支持。

当前可用

阶段	命令	当前能力
doctor	`econ-studio doctor --json`	检查 Python 版本、关键文件、核心依赖和可选依赖
skills	`econ-studio skills plan --task full-paper`	根据任务给 agent 输出应加载的上游 skills；也可审计本地 skill 目录风险
question	`econ-studio brainstorm`	打开研究问题五问模板
design	`econ-studio identify --brief`	根据 brief 推荐 DiD/RDD/IV/SCM/Matching/DML，并给出识别威胁和稳健性清单
design memo	`econ-studio design-memo --brief`	把 brief 转成 estimand、识别假设、威胁和诊断要求
data-au