brycewang-stanford/Paper-WorkFlow

Última atividade de origem registrada: 10 de setembro de 2026 às 16:45

Catálogo do SkillsMP atualizado: 29 de outubro de 2026 às 18:30

skills coletadas: 1

Estrelas no GitHub: 41
Forks no GitHub: 5

Instalar com um assistente de IA

Copie este prompt para o assistente de IA que você usa.

Follow https://skillsmp.com/skill-install/prompt.md to install Agent Skills from https://github.com/brycewang-stanford/Paper-WorkFlow.

README do repositório

Arquivo de origem do README: README.md

Ler o README original

Expandir README completo

<div align="center"> # Paper-WorkFlow <img src="assets/readme-hero.png" alt="Paper-WorkFlow — 从研究问题到可审计投稿包的端到端实证研究工作流" width="100%" /> ![Pipeline](https://img.shields.io/badge/pipeline-Stage_0%E2%80%939-4F46E5?style=flat&labelColor=0D1117) ![Gates](https://img.shields.io/badge/gates-method_%2B_draft_quality-4F46E5?style=flat&labelColor=0D1117) [![Rigor](https://img.shields.io/badge/rigor-43%2F43_executable_gates-16A34A?style=flat&labelColor=0D1117)](RIGOR.md) [![CI](https://github.com/brycewang-stanford/Paper-WorkFlow/actions/workflows/ci.yml/badge.svg?branch=main)](https://github.com/brycewang-stanford/Paper-WorkFlow/actions/workflows/ci.yml) ![State](https://img.shields.io/badge/state-schema_v14-4F46E5?style=flat&labelColor=0D1117) ![Type](https://img.shields.io/badge/type-meta--orchestrator-4F46E5?style=flat&labelColor=0D1117) ![Runs on](https://img.shields.io/badge/runs_on-Claude_%C2%B7_Codex_%C2%B7_Cursor_%C2%B7_Gemini-4F46E5?style=flat&labelColor=0D1117&logo=anthropic&logoColor=white) ![License](https://img.shields.io/badge/license-MIT-4F46E5?style=flat&labelColor=0D1117) <h3>10 阶段  ·  47 技能  ·  2 道硬闸门  ·  3 套分析后端  ·  1 个可审计工作区</h3> [30 秒速判](#30-秒速判) · [一图看懂](#一图看懂) · [从哪里接入](#你带什么进来就从哪一站上车) · [怎么用](#怎么用) · [研究级标准](#研究级标准) · [产物清单](#跑完你会得到什么) · [English](README.en.md) <h2>你给一个研究方向，它交付一套可审计的实证论文工程。</h2> 从选题、数据、识别设计、估计、表图、写作、打磨、去 AI 味、模拟评审，到投稿包 —— 全部沉淀在一个可断点续跑、可审计的工作区里。 <table> <tr> <td align="center"> <a href="https://github.com/brycewang-stanford/StatsPAI"><img src="assets/statspai-logo.png" alt="StatsPAI" width="300" /></a> </td> <td width="56"></td> <td align="center"> <a href="https://sccei.fsi.stanford.edu/reap"><img src="assets/stanford-reap-logo.png" alt="Stanford REAP · Center on China's Economy and Institutions" width="320" /></a> </td> </tr> </table> Stanford REAP × StatsPAI · 面向实证研究的产学 AI 工具箱 · Paper-WorkFlow 是其中的论文总编排器 </div> --- ## 30 秒速判 | 先确认 | 这意味着什么 | |---|---| | **它是什么** | 一个 meta-orchestrator：用 `Stage 0–9`、两道硬闸门和统一工作区，路由已有 skill、分析后端与子代理；它不是自行重写所有研究能力的单体应用。 | | **你可以从哪里开始** | 不只是一句话 idea。已有 proposal、干净数据、回归结果、`main.tex` 或审稿意见，都可从对应阶段接入。 | | **它不承诺什么** | “端到端”指覆盖研究链条，不保证数据一定可得、结果显著、识别假设通过、质量门放行或论文录用；失败也必须形成可审计记录。 | 完整运行推荐使用含 47 个被编排子 skill 的[母仓库](https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills)。Stage 9 还可选接入 [Awesome Journal Skills（AJS）](https://github.com/brycewang-stanford/Awesome-Journal-Skills)，调用已安装的目标期刊 skill 做 fit、house style 与投稿材料预检；AJS 不计入 47 个内置 skill，也不会替代官网规则或研究硬闸门。单独 clone 本仓库也可按内置 references 由主代理执行研究步骤；外部子 skill 是扩展。真实数据权限、文献检索能力与适用的 Python/StatsPAI、Stata 或 R 后端仍须具备。作者始终对数据合规、识别有效性、事实引用和最终投稿负责。 --- ## 从 idea 或数据到 Word ```text 使用这个仓库的 paper-workflow。研究问题是……，已有材料在……。请自主推进到中文论文 DOCX；先审计数据和识别设计，保留原始数据及完整分析代码。已有结果如实标为回溯分析，不能补造预注册、引用或显著发现。交付正文、表图、参考文献、复现命令和未解决问题；缺少关键信息时只问必要问题。 ``` 入口是 idea 时先核对文献、数据可得性和设计；有原始数据时先审计样本与变量；已有结果时先恢复证据链。外部技能不可用时走[独立运行路线](references/runtime-fallbacks.md)，不要卡在安装目录。生成的 DOCX 与达到投稿标准是两件可分别验证的事：`pw check` 检查现状，`pw exit N` 检查阶段完成， `pw final` 要求全部投稿义务完成。任何数据不足或识别失败都须在交付中说明。维护者可运行 `/path/to/python evals/run_acceptance.py --require-pandoc`：从合成原始数据真实估计，用独立数值计算核对，生成并检查 DOCX，还验证失效引用、陈旧文件、回溯披露和未完成投稿的拒绝行为。这是软件链路验收，不能当成论文质量或录用率评估。详细说明见 [使用指南](docs/USAGE-zh.md)。 ## 一图看懂 <img src="assets/workflow-flow.svg" alt="Paper-WorkFlow 动态流程图：从 Stage 0 走到 Stage 9，依次点亮方法闸门与初稿质量门，Stage 3 的每个设定都记入设定搜索台账" width="100%" /> 一篇实证论文不是一段文字，而是一套工程：研究设计、数据 provenance、识别假设、估计脚本、表图、稿件、审稿回应和 replication package 必须互相咬合。 Paper-WorkFlow 是这套工程的总编排器——它不亲自做每一步，而是在对的时点、用对的上下文、在对的人类决策点，把既有 skill、并行 subagent 和方法证据闸门串成一条完整 workflow。 ```mermaid flowchart TD IDEA(["一句话研究 idea"]):::io IDEA --> A subgraph A ["① 构思 · CONCEIVE"] direction LR S1["Stage 1 · 选题与设计 idea-finder → novelty-check → significance → proposal"] S1L["Stage 1L · 文献基座 建一次语料，查新/related work /引用终审三处复用"] S1L --> S1 end subgraph B ["② 实证 · EVIDENCE"] direction LR S2["Stage 2 数据 fetch + clean"] --> S25{"Stage 2.5 设计锁定 见结果前锁死主设定"} --> S3["Stage 3 识别与估计 DiD/IV/RDD/SC…"] --> MG{"方法闸门 design register · evidence bundle"} --> S4["Stage 4 表与图 出版级 exhibits"] end subgraph C ["③ 成文 · COMPOSE"] direction LR S5["Stage 5 写作初稿 main.tex"] --> S6["Stage 6 结构层打磨 段落及以上"] --> S7["Stage 7 语言层去 AI 味 句子及以下 · 数字零漂移"] end subgraph D ["④ 出门 · SUBMIT"] direction LR S8["Stage 8 模拟评审与修订 referee + response"] --> S9["Stage 9 选刊与投稿 shortlist + cover letter"] end A --> B --> C C --> QG{"初稿质量门 7 维评分卡 · 达标才放行"} QG -.->|未达标 · 自动回炉| C QG ==>|达标 = 可投稿级初稿| D D --> PAPER(["可投稿全文 · main.tex + 投稿包"]):::io classDef io fill:#4F46E5,stroke:#312E81,color:#fff,font-weight:bold; classDef gate fill:#FFF7ED,stroke:#D97706,color:#7C2D12,font-weight:bold,stroke-width:2px; class MG,QG gate; style A fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A style B fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A style C fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A style D fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A ``` > [!IMPORTANT] > **Stage 0（Intake & Setup）静默前置** — 建工作区、判入口、问档位、写状态文件，不打断你。 > **两道硬闸门** — Stage 3 后过方法闸门，Stage 7 后过初稿质量门：一个拦方法硬伤，一个拦稿件硬伤。任一不过，都按「短板 → 回退阶段」自动回炉。 ### 从 30 页讲义整合到当前版本原来的 PDF 讲义把这套系统讲成 8 个教学阶段：选题、设计、数据、估计、呈现、写作、评审、投稿。当前版本把这条教学主线升级成可执行的 `Stage 0–9` 协议：增加 Stage 0 的工作区与状态初始化，把估计后的方法闸门和初稿后的质量闸门写成硬约束，并把复现包、数据治理和最终交付写入 `workflow_state.json`。 | 讲义阶段 | 当前执行位置 | 核心问题 | 关键技能 / 产物 | |---|---|---|---| | ① 选题 | Stage 1 | 问题是否有新意、重要、可识别 | `econfin-idea-finder`、`novelty-check`、`significance-search` → 选题卡片 | | ② 设计 | Stage 1 | 因果问题、反事实、变异来源、目标期刊是否清楚 | `econfin-proposal`、`journal-digest` → `proposal.md` | | ③ 数据 | Stage 2 | 数据源、键、频率、清洗口径和估计样本是否可复跑 | `data-fetcher`、`data-cleaning` → `clean.parquet`、`codebook.md`、`sample_audit.md`、数据日志 | | ④ 估计 | Stage 3 | 反事实从哪里来，样本/estimand、设计卡与最低诊断证据是否齐全 | **三后端分析路由**：Python/StatsPAI（默认 MCP 优先）/ Stata `.do` / R `fixest`+Quarto + `did-analysis` 等 → `analysis_backend.md`、`sample_audit.md`、`design_register.md`、`method_gate.md`、`evidence_ledger.md` | | ⑤ 呈现 | Stage 4 | 审稿人能否一眼读懂结果和识别直觉 | 按所选后端出 Word/Excel/LaTeX 三格式表 + PDF/PNG 图：StatsPAI / `esttab`+`outreg2` / `modelsummary`+Quarto | | ⑥ 写作 | Stage 5–7 | 初稿是否结构完整、论证克制、引用真实、没有 AI 味 | `paper-writer`、`paper-pipeline`、`readability` / `fix-chinese` → `main.tex`、质量评分卡 | | ⑦ 评审 | Stage 8 | 在投稿前先暴露识别威胁、稳健性缺口和叙事问题 | `referee-report`、`paper-referee-revise` → 审稿意见、回应信、修订稿 | | ⑧ 投稿 | Stage 9 | 期刊是否匹配，格式和材料是否一次准备齐 | `paper-submission` → 可选 AJS 期刊适配 → `reference-verify` → journal shortlist、期刊专属预检、cover letter、投稿包 | 贯穿全程的横向能力包括 `web-research` / `arxiv` 查文献，`stata` / `stats` 做计量底座，`reference-verify` 核验引用，`markitdown` / `md-to-docx` 做文档互转。它们不是独立阶段，而是每个阶段的验证和转换工具。 --- ## 为什么是「总编排器」，而不是又一个写作工具 | 普通 AI 写作工具 | Paper-WorkFlow | |---|---| | 帮你润色 / 续写某一段 | 帮你把整条流水线从选题跑到投稿 | | 你得自己记得下一步该干嘛 | 用 `workflow_state.json` 记住进度，可断点续跑 | | 一个大模型硬扛全部脏活 | 多代理 + 上下文保护：子代理写盘、只回传摘要，主代理上下文极省 | | 容易在长任务里编造结果 | 真实优先：引用核验、数据取数、计量稳健性都交给可验证的工具 | | 一路狂奔到底 | 失败会回退：平行趋势不过 / 弱工具 / 撞车，自动切备选并标红告知 | 核心纪律一句话：能调用就不要重写。流水线里每一步都调用既有成熟 skill，编排器只负责在对的时点把对的 skill 喂对的输入。 --- ## 完整 Workflow 的三层架构 Paper-WorkFlow 不是单点写作助手，而是一个面向实证论文的研究操作系统： | 层 | 负责什么 | 关键产物 | |---|---|---| | Orchestration Layer | Stage 0–9 的入口路由、断点续跑、dashboard、handoff、subagent 派发、阶段闸门 | `workflow_state.json`、`entry_routing.md`、`stage_passport.md`、`pipeline_status.md`、`handoff/`、`logs/stage_<N>.md` | | Evidence Layer | 数据、样本/estimand 审计、识别设计、分析后端、估计、稳健性、方法证据包、claim 证据治理 | `analysis_backend.md`、`sample_audit.md`、`design_register.md`、`method_gate.md`、`evidence_ledger.md`、`main_results.json`、`robustness/` | | Manuscript Layer | 表图、初稿、打磨、去 AI 味、claim/citation 忠实度审计、模拟评审、投稿材料 | `main.tex`、`quality_scorecard.md`、`claim_integrity_audit.md`、`response_letter.md`、`journal_shortlist.md` | [`research-grade-methods.md`](references/research-grade-methods.md) 把现代应用计量与因果推断的 reviewer 标准前置到 Stage 3：交错 DiD、RDD、Synthetic DiD、DML、EconML/DoubleML、GRF、DoWhy refuter、PyFixest、AEA replication policy 都按「何时用、要交付什么证据、失败怎么回退」接入 workflow。[`design-gate-cards.md`](references/design-gate-cards.md) 进一步把每种设计的 required artifacts、hard fail 和 claim 降级规则写成可填入 `method_gate.md` 的设计卡。 [`empirical-audit.md`](references/empirical-audit.md) 把 Stage 2–3 之间最容易出事的样本/变量口径显性化：raw→clean→estimation sample 的流失、treated/control 数、treatment timing、missingness/balance/overlap、cluster/weights 必须写进 `sample_audit.md`，否则 Method Gate 不能放行。 Stage 3–4 现在先走 [`analysis-backends.md`](references/analysis-backends.md) 的三语言路由：默认 **Python/StatsPAI**，也可切到 **Stata**（`00.2-Full-empirical-analysis-skill_Stata`，`.do` + `reghdfe`/`ivreg2`/`csdid`/`esttab`/`outreg2`）或 **R**（`00.3-Full-empirical-analysis-skill_R`，tidyverse + `fixest`/`did`/`grf`/`modelsummary`/Quarto）。默认 StatsPAI 路径见 [`statspai-analysis.md`](references/statspai-analysis.md)：MCP 做 agent-native 拍板 / 拟合 / 诊断 / 稳健性自检 / 取引用；需要出版级 bundle 时切 `statspai` 包。三种后端共享同一套 Method Gate，不因语言不同降低证据标准。 ### 47 个技能如何被编排 PDF 讲义里的技能地图已经合并到当前 README：`Paper-WorkFlow` 自己只做编排，真正的研究动作来自母仓库 `67-econfin-workflow-toolkit/` 等技能集合。 | 能力组 | 代表技能 | 在流水线里的位置 | |---|---|---| | 选题与设计 | `econfin-idea-finder`、`novelty-check`、`significance-search`、`journal-digest`、`econfin-proposal` | Stage 1，把兴趣变成可执行 proposal | | 数据 | `data-fetcher`、`data-cleaning` | Stage 2，把分散数据变成可审计主表 | | 计量估计 | **Python/StatsPAI、Stata、R 三后端** + `ols-regression`、`panel-data`、`iv-estimation`、`did-analysis`、`rdd-analysis`、`synthetic-control`、`time-series`、`ml-causal` | Stage 3，按识别策略生成证据包 | | 表与图 | StatsPAI `regtable`/`collect`、Stata `esttab`/`outreg2`、R `modelsummary`/Quarto、`table`、`figure` | Stage 4，生成出版级 exhibits | | 写作与润色 | `paper-writer`、`paper-style`、`paper-polish`、`paper-self-revise`、`paper-pipeline`、`readability` | Stage 5–7，从初稿到目标期刊风格 | | 评审与引用 | `referee-report`、`paper-referee-revise`、`reference-verify` | Stage 8 和终审，做模拟审稿、修订与引用核验 | | 投稿 | `paper-submission` + 可选 AJS adapter | Stage 9，生成期刊清单，并用真实匹配的 AJS skill 做期刊专属预检，再完成 cover letter 与投稿材料 | | 横向工具 | `web-research`、`arxiv`、`agent-browser`、`markitdown`、`md-to-docx`、`fix-chinese`、`marp-slides-creator`、`chinese-ppt` | 按需穿插，用于检索、转换、中文修订和展示材料 | --- ## 研究级标准「跑完十个阶段」不等于「过得了顶刊 reviewer」。Paper-WorkFlow 用多道显式的研究级标准贯穿证据 → 写作 → 复现 → 投稿，让每一步都有可验收的门槛，而不是靠主代理自我感觉良好： | 研究级标准 | 管什么（reviewer 会盯的） | 在哪生效 | 标准文件 | |---|---|---|---| | 设定搜索台账 | Agent 跑过的每个设定都记一行；搜出来的设定不得悄悄升为主结果；正文披露实际跑了多少个设定，主结果 p 值附带按搜索规模校正的上界。Agent 让岔路变便宜，这一层让岔路可计数 | Stage 3 出口、Stage 9 终审 | [design-risk-ledger.md § Specification-Search Ledger](references/design-risk-ledger.md) + `03_analysis/spec_search_ledger.csv` | | 样本与 estimand 审计 | 样本流失、变量构造、missingness/balance/overlap、cluster/weights 是否支撑目标 estimand | Stage 2→3 · 方法闸门 | [`empirical-audit.md`](references/empirical-audit.md) | | 方法证据标准 | 识别设计注册、按方法的最低证据包、稳健性矩阵、复现脚本 | Stage 3 · 方法闸门 | [`research-grade-methods.md`](references/research-grade-methods.md) | | 设计风险总账 | OVB、选择、bad controls、spillover/SUTVA、external validity、attrition、specification search 和选择性报告是否逐项关闭或降级 | Stage 1/3/5/8 · 方法闸门/质量门 | [`design-risk-ledger.md`](references/design-risk-ledger.md) + `03_analysis/design_risk_ledger.md` | | Claim 证据治理 | manuscript claim 是否有 estimand、结果、稳健性、表图和脚本支撑；措辞是否超过设计卡允许等级 | Stage 3→9 · 方法闸门/质量门/投稿终审 | [`design-gate-cards.md`](references/design-gate-cards.md) + `00_meta/evidence_ledger.md` | | Claim 忠实度审计 | 稿件里的数字、引用、因果措辞和 forbidden wording 是否忠实于 evidence ledger、源文献和项目估计 | Stage 7→8 / Stage 9 · 质量门/投稿终审 | [`integrity-and-claim-audit.md`](references/integrity-and-claim-audit.md) + `00_meta/claim_integrity_audit.md` | | 引用与时序完整性 | 引用是否真实、引对、未撤稿，数据和文献叙述是否存在 look-ahead / vintage / 样本期外推风险 | Stage 1/2/5/9 · 质量门/投稿终审 | [`citation-and-temporal-integrity.md`](references/citation-and-temporal-integrity.md) + `00_meta/citation_integrity_log.md` | | AI 使用声明 | 生成式 AI 用在了哪些环节、谁核验的、谁担责；按目标刊政策族渲染声明，AI 永不署名，AI 生成数据/结果图直接拦死 | Stage 0→9 · 投稿终审 | [`ai-use-disclosure.md`](references/ai-use-disclosure.md) + `00_meta/ai_use_disclosure.md` | | 学者写作标准 | 引言五段公式、贡献锋利度、经济量级解读、目标期刊房风 | Stage 1/5/6 · 质量门 ①④⑤ | [`writing-craft.md`](references/writing-craft.md) | | 复现打包标准 | data provenance、复现包 README、数据可得性声明、一键重跑 | Stage 2→收尾 · 质量门 ⑦ | [`reproducibility-pack.md`](references/reproducibility-pack.md) | | 评审与投稿标准 | 模拟评审深度、逐条 response letter、选刊决策序、cover letter | Stage 8/9 | [`peer-review-and-submission.md`](references/peer-review-and-submission.md) | 证据为真、表达到位、可被复跑、投得专业，才是这条流水线对「研究级」的完整定义。两道硬闸门正是前三道标准的强制落地：方法闸门验识别与稳健，初稿质量门验写作与复现；投稿标准守住最后一公里。外加多道深化层和一条可照抄的范例，把研究级标准压到「reviewer 真正会问的那几刀」上： | 深化层 | 把哪一刀前置成作者自检 | 配合标准 | |---|---|---| | [识别威胁与审稿异议](references/threats-to-validity.md) | 坏控制 · 预趋势功效 · 弱工具 · 溢出…逐条「威胁 → 诊断 → 预防 → 回应」 | 方法证据 | | [设计分支证据卡](references/design-gate-cards.md) | DiD/IV/RDD/SC-SDID/Panel FE/DML-HTE/RCT/调查实验等 14 张卡逐卡列 required artifact、hard fail 与 claim 降级 | 方法证据 + Claim 治理 | | [设计透明度与预分析](references/design-transparency.md) | 预分析计划 · 空结果报 MDE · 预趋势功效 + HonestDiD · 设定曲线 · 研究者自由度 | 方法 + 复现 | | [文献检索与贡献定位](references/literature-and-positioning.md) | 滚雪球 + 引用图找全文献 · 文献矩阵看 whitespace · 定位句式钉贡献 | 写作 | 还附一条 [端到端「黄金路径」示例](references/worked-example.md)：用「绿色信贷 → 企业创新」逐阶段演示每步产物、两道闸门如何触发、`NOT PASS → 回退 → PASS` 的完整循环。既给人看「跑完得到什么」，也给编排器当填空范本。 <details> <summary>再加两条工程护栏 + 一组可复用 artifact 模板（9 项 · 点击展开）</summary> 把 workflow 从“会跑”压到“可移交、可审计”： | 护栏 | 防什么 | 文件 | |---|---|---| | [数据治理与公开包边界](references/data-governance.md) | restricted/confidential/PII、IRB/DUA、许可证、DAS 与 archive boundary 漏写 | `00_meta/data_governance.md`、`09_submission/DAS.md` | | [运行时退化路径](references/runtime-fallbacks.md) | Skill/Agent/网络/MCP/Stata/R/Python/Zotero 缺失时假装验证成功 | `logs/stage_<N>.md`、`workflow_state.json.decisions` | | [编排与断点交接](references/orchestration-and-handoff.md) | 长任务靠聊天记忆续跑、阶段完成但没有 fresh evidence、并行 agent 接手时重做或覆盖 | `00_meta/entry_routing.md`、`00_meta/stage_passport.md`、`00_meta/handoff/`、`workflow_state.json.orchestration` | | [Pipeline status dashboard](templates/pipeline_status.md) | 用户或并行 agent 问「现在到哪了」时重扫长日志 | `00_meta/pipeline_status.md`、`workflow_state.json.orchestration.pipeline_status` | | [Design risk ledger](templates/design_risk_ledger.md) | 识别威胁、选择性报告、external validity、SUTVA/溢出或 attrition 风险没有逐项 artifact 和 claim consequence | `03_analysis/design_risk_ledger.md`、`workflow_state.json.design_risk` | | [Claim evidence ledger](templates/evidence_ledger.md) | 摘要/引言/结果/cover letter 的 claim 没有对应数据、估计、表图、脚本或措辞越界 | `00_meta/evidence_ledger.md`、`workflow_state.json.evidence_governance` | | [Claim integrity audit](templates/claim_integrity_audit.md) | 引用存在但 claim 不忠实、数字漂移、因果措辞超过证据强度 | `00_meta/claim_integrity_audit.md`、`workflow_state.json.integrity_audit` | | [Citation integrity log](templates/citation_integrity_log.md) | 幻觉引用、撤稿/版本错配、look-ahead 或 vintage 时序穿越没有在终审前清零 | `00_meta/citation_integrity_log.md`、`scripts/check_citation_integrity.py --final` | | [AI 使用声明台账](templates/ai_use_disclosure.md) | 用 AI 起草/打磨/去味跑完全程，却没有一行可交给期刊的使用声明——Stage 7 的职责恰恰是让 AI 痕迹消失 | `00_meta/ai_use_disclosure.md`、`scripts/check_ai_disclosure.py --final` | | [SkillOpt-style 改进包](templates/SKILLOPT_PACKET.md) | 维护本 skill 时只凭训练样例或单次失败就大改说明文档 | `templates/SKILLOPT_PACKET.md`、`scripts/check_skillopt_packet.py` | | [可复用 artifact 模板](templates/) | 每次临场自创 sample audit、design register、method gate、scorecard、REPLICATION、FINAL_REPORT | `templates/*.md`、`templates/run_all.sh` | </details> --- ## 你带什么进来，就从哪一站上车不用每次都从头跑。Paper-WorkFlow 会根据你手头已有的东西自动选择入口： | 你带来的 | 从哪进入 | |---|---| | 只有一句话想法 / 一个研究方向 | Stage 1 · 完整走选题漏斗 | | 一份成形的 proposal（X→M→Y、识别策略、样本） | Stage 2 · 直接取数 | | 已清洗好的数据 + 设计 | Stage 3 · 直接估计 | | 已有回归结果 / 表图 | Stage 5 · 直接写初稿 | | 一份 `main.tex` 初稿 | Stage 6 · 直接进打磨流水线 | | 初稿 + 审稿意见 | Stage 8 · 直接按意见修订 | | 一份成稿要投稿 | Stage 9 · 直接选刊 | --- ## 怎么用 ### 安装本 skill 有两个发布入口，**推荐母仓库**（含全部被编排的 47 个子 skill）： ```bash # 推荐：克隆母仓库（本目录是其中的 skills/69-Paper-WorkFlow/ 子模块） git clone --recurse-submodules https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git # 或：只要编排器本体（独立仓库，顶部 CI 徽章指向这里；子 skill 需另行提供） git clone https://github.com/brycewang-stanford/Paper-WorkFlow.git ``` 在 Claude Code 中使用：进入母仓库目录直接开聊（仓库根的路由 `SKILL.md` 会注册 `/paper-workflow` 触发语），或把 `skills/` 下需要的目录放入项目的 `.claude/skills/`（个人全局则放 `~/.claude/skills/`）。本仓库自身的 Python 包依赖只用于本地自检：`pip install -r requirements-dev.txt`（notebook 执行闸门用）；真实研究运行仍需安装所选分析后端和被调用子 skill 各自声明的依赖。 ### 触发 > [!TIP] > 带什么进来，就从哪一站上车 —— 在 [Claude Code](https://claude.com/claude-code) 里直接说触发语，把手头已有的东西告诉它即可。 ```text /paper-workflow 我想做「绿色信贷政策对企业创新的影响」，目标期刊《经济研究》 /paper-workflow 这是我的计划书 ./proposal.md，帮我一条龙做到投稿 /paper-workflow 数据在 ./panel.csv，设计是 DiD，先把基准和稳健性跑出来 /paper-workflow 数据在 ./panel.dta，用 Stata 跑完整 .do 复现 /paper-workflow 数据在 ./panel.csv，用 R/fixest + modelsummary 跑 /paper-workflow 初稿在 ./paper/main.tex，从打磨开始 ``` > 想要更详细的 prompt（带变量名、固定效应、聚类层级、档位与约束的完整写法）、中途干预指令和常见坑，看 **[详细使用指南 · docs/USAGE-zh.md](docs/USAGE-zh.md)**。开跑前一次确认六项：**交互模式、严格度档位、目标期刊、稿件语言、分析后端和表格格式**。交互模式管**多久停一次问你**： | 交互模式 | 含义 | |---|---| | `全自动` | 无人值守，只在最终交付时汇报 | | `阶段确认`（推荐） | 每阶段末给摘要卡，等你放行再进下一阶段 | | `全程交互` | 每个子 skill 跑自己原生的逐项审批，投稿前终版用 | 严格度档位（`project.scope`）管**「完成」的标准是什么**，与交互模式正交——同一条流水线，两天出一版内部讨论稿和冲顶刊不该欠同样多的闸门： | scope | 必过闸门 | 典型用途 | |---|---|---| | `draft` | 方法闸门 | 快速出一版内部讨论稿 | | `working-paper` | + 设计风险、初稿质量门 | 工作论文 / 组会 / 预印本 | | `submission`（缺省） | + claim 完整性、数字锚定、复现包 | 正式投稿 | scope 只决定**这次交付欠哪些闸门**，**不放松**任何已声明 `pass` 的闸门的证据验证——想少过几道闸门可以，想把没过的说成过了不行。分析后端可选 `python-statspai`（默认）、`stata` 或 `r`，决定 Stage 3–4 的脚本与导出工具，和稿件语言相互独立。表格格式默认 `three-line`（经管期刊主流的**三线表**）：Stage 4 出表和 Stage 9 全文组装 Word 后，都会跑一遍 `scripts/make_three_line_tables.py` 把顶线 / 栏目线 / 底线写实、清掉竖线与底纹，再由 `scripts/check_table_style.py` 只读校验（同时查配套 `.tex` 的 booktabs 合规）。目标刊自带 Word 模板或要求全边框时，把 `workflow_state.json.table_style.format` 改掉即可跳过，理由记进 `decisions`。细则见 [三语言分析后端](references/analysis-backends.md) §4.1。 **全文交付（Stage 9）**：**缺省交付 Word 全文**——`manuscript.format` 默认 `markdown`、`manuscript.deliverable` 默认 `docx`，因为中文期刊采编系统、学位论文模板与合作者批注都在 Word 里，而且 Markdown → `.docx` 高保真、LaTeX → `.docx` 有损。目标刊只收 LaTeX 投稿系统时才在 Stage 0 切 `latex`，理由记进 `decisions`。Stage 9 由 `scripts/assemble_manuscript_docx.py` 把正文、它 include 的每张表每张图和参考文献合成**一份** `09_submission/main.docx`，装了 pandoc 走 pandoc、没装就走零依赖内置写入器；再由 `scripts/check_deliverable_contract.py --strict` 从成品文件重新数表数图对账。**裸 pandoc 会静默丢掉 `\input{}` 表格**——文件照样能打开，只是少了结果，所以组装器先自己解析 include 再转换，闸门再验一遍。只收 LaTeX 的期刊显式声明 `docx_status=not-required`。细则见 [三语言分析后端](references/analysis-backends.md) §4.2。 > [!NOTE] > **接入已有材料时，请把依赖一起交给工作流。** 数据至少应附主键、时间 / 处理变量、变量说明与研究设计；回归结果应附生成代码、规格和样本口径；`main.tex` 应连同 `.bib`、图片以及自定义 class / style 文件传入。相对路径按 agent 当前工作目录解析，拿不准时使用绝对路径。材料不足时，Stage 0 应先记录缺口并降级或暂停，不能假定结果可追溯。 --- ## 跑完你会得到什么运行后所有产物沉淀在 `paper_workspace/<研究短名>_<时间戳>/`，可打包、可复现、可断点续跑： ```text paper_workspace/<short>_<YYYYMMDD-HHMM>/ ├── 00_meta/ │ ├── workflow_state.json 唯一权威进度文件（断点续跑依据） │ ├── intake.md Stage 0 一次性问清的六件套记录（含严格度档位 scope） │ ├── entry_routing.md Stage 0 入口路由、材料清点与推断假设 │ ├── stage_passport.md 阶段产物台账：做到哪、证据在哪、返修轮次 │ ├── pipeline_status.md 紧凑 dashboard：当前状态、材料、checkpoint、下一步 │ ├── handoff/ 长任务/换 agent/阶段切换时的交接卡 │ ├── analysis_backend.md Python/StatsPAI、Stata、R 后端选择与环境检查 │ ├── backend_capabilities.json 运行环境后端能力探测结果 │ ├── backend_parity.json fallback/secondary validation 的结果等价性报告 │ ├── quality_scorecard.md 初稿质量门 7 维评分卡（放行/回炉判定） │ ├── data_governance.md 数据分级、PII、IRB/DUA、公开包边界 │ ├── evidence_ledger.md estimand→claim→data→estimate→exhibit→script 总账 │ ├── claim_integrity_audit.md claim/citation/number 忠实度审计 │ └── citation_integrity_log.md 引用存在性 + 时序完整性审计 ├── 01_proposal/proposal.md 定稿计划书：后续所有阶段的「合同」 ├── 02_data/clean.parquet + codebook.md + sample_audit.md ├── 03_analysis/design_register.md 识别设计注册：estimand、假设、估计量、回退 │ ├── design_risk_ledger.md 识别威胁、选择性报告、外部效度与 SUTVA/attrition 风险总账 │ ├── method_gate.md 方法闸门：最低证据包是否齐全 │ └── results/ + robustness/ ├── 04_results/*.{tex,docx,xlsx} + *.pdf/*.png 出版级表与图 ├── 05_draft/main.tex + ref.bib 结构完整的初稿 ├── 06_polish/ 07_dehumanize/ 08_review/ 09_submission/ │ └── submission_checklist.md + DAS.md ├── REPLICATION.md + run_all.sh 复现包 README + 一键重跑入口 ├── logs/ backups/ 审计轨迹 + 每阶段快照（回滚路径） └── FINAL_REPORT.md 复盘表 + 交付清单 + 一键重跑命令 ``` 含计划书、清洗后数据 + codebook、识别设计注册、设计风险总账、方法闸门报告、分析代码、出版级表图、`main.tex` + `ref.bib`、response letter、期刊清单 + cover letter、复现包 README / DAS，以及一份 `FINAL_REPORT.md` 全程复盘。 --- ## 配套演示物料仓库内保留一套开箱即用的教学 / 汇报物料：README 负责讲清楚整条工作流，Notebook 负责把其中「计量估计」这一步真正跑给观众看。原 30 页 PDF 讲义的 durable 内容已经整合进本 README，不再作为单独文件维护。 | 物料 | 内容 | 打开 | |---|---|---| | 工作流速读 | 8 个教学阶段 → `Stage 0–9` 执行协议、47 个技能地图、两道硬闸门、复现包要求 | 本 README | | DiD 演示 | 6 个教学步骤 / 22 cells，一键跑通双重差分基准 + 事件研究 + 稳健性 | [`did_demo.ipynb`](did_demo.ipynb) | | 端到端案例 | Stage 0–9 全流程标准走查：基于**合成** CFPS 面板（DGP 真值已知，非真实数据）的「互联网使用对收入的影响」12 页论文，含完整 `paper_workspace/`、双闸门证据与最终 PDF | [`社媒文件/7.5-测试案例/`](社媒文件/7.5-测试案例/) | Notebook 生成的图、表与结果资产均可重跑；演示用 PPTX / PDF 属于本地展示产物，不再入库。 ### DiD 教学焦点 PDF 里的 DiD 部分已压缩成这组自检点，并和 `did_demo.ipynb` 对齐： | 主题 | README / Notebook 里保留的要点 | |---|---| | 方法选型 | 先问处理如何分配：政策冲击走 DiD / 事件研究，阈值规则走 RDD，外生工具走 IV，单一处理单元走 SCM，观测性设计才走 Panel FE / OLS / ML。 | | 2×2 DiD | `Treat × Post` 的系数是 ATT；面板设计优先用双向固定效应和按处理层级聚类的稳健标准误。 | | 平行趋势 | 事件研究把单个 `Post` 拆成相对时间动态系数；处理前系数应接近 0，并配合 pre-trend joint test。 | | 交错 DiD | 处理时点交错且效应异质时不能无脑 TWFE；先做 Goodman-Bacon 分解，再考虑 Callaway-Sant'Anna、Sun-Abraham、BJS / imputation、`did_multiplegt` 等现代估计量。 | | 稳健性 | 平行趋势、伪处理时点、伪处理组、替换对照组、交错偏误、聚类 / wild bootstrap、anticipation、spillover、dose response。 | | 表图标准 | 回归表要有系数、聚类标准误、固定效应、样本量、显著性脚注；事件研究图要有 95% CI、相对时间、清楚的 0 线和题注。 | ### DiD 演示一眼看懂 <table> <tr> <td width="50%"><img src="assets/fig_raw_trends.png" alt="原始趋势：处理组与对照组处理前平行、处理后分叉"/></td> <td width="50%"><img src="assets/fig_event_study.png" alt="事件研究：处理前系数≈0（平行趋势），处理后显著跳升"/></td> </tr> <tr> <td align="center">① 原始趋势 · 处理组与对照组处理前平行、处理后分叉</td> <td align="center">② 事件研究 · 处理前系数 ≈ 0（平行趋势成立），处理后显著跳升</td> </tr> </table> 基准回归（[`assets/did_table.tex`](assets/did_table.tex)）：处理效应稳健显著，加上双向固定效应后系数不变。 | | (1) OLS | (2) TWFE | |---|---|---| | Treat × Post | `1.953***` | `1.953***` | | | (0.083) | (0.087) | | 个体固定效应 | No | Yes | | 年份固定效应 | No | Yes | | $N$ | 2,400 | 2,400 | --- ## 十条设计纪律 1. 能调用就不要重写——编排器只在对的时点把对的 skill 喂对的输入，绝不复制其逻辑。 2. 上下文保护优先——任何要灌大段文本回主代理的操作，一律改成「子代理写盘 + 回传摘要」。 3. 真实优先，绝不编造——引用核验、数据来源、计量结论都以可验证的真实运行结果为准。 4. 方法标签必须有证据包——DiD / IV / RDD / SDID / DML / causal forest 等必须通过 `design_register.md` + `method_gate.md`，缺最低诊断证据就不能写成主因果发现。 5. 失败要回退而非硬写成功——平行趋势不过 / 弱工具 / 不显著时自动切备选，并在闸门标红。 6. 人类决策点守在阶段闸门——定标题、定期刊、识别策略拍板、投稿前终审，必须经人放行。 7. 调用要稳，不靠运气——子 skill 是仓库文件夹、不保证已注册；调用优先 `Skill(<注册名>)`，报 not found 就退回 `Read <folder>/SKILL.md` 内联执行，并把硬编码 Windows 输出路径的 skill 重定向进工作区。不让 subagent 凭记忆脑补子 skill。（细则见 [skill 路由表 §0](references/skill-map.md)。） 8. 「高质量」是可验收的闸门，不是口号——Stage 7 后强制过初稿质量门：独立 critic 按 7 维 rubric 打分，达标（每维 ≥7、总分 ≥56/70、识别·稳健·引用无致命红旗）才放行，不达标按映射自动回炉。让「高质量初稿」有阈值、可回退、可审计。（评分卡见 [quality-rubric.md](references/quality-rubric.md)。） 9. 复现包从第一天开始——Stage 2 起记录 data provenance、访问限制、随机种子与重跑成本；收尾必须有 `REPLICATION.md`、DAS（如需）和 master script，状态写进 `replication_pack`。 10. 本 skill 自身的改动要过 SkillOpt-style 改进包——先有 rollout 证据，拆分 train / held-out selection，再做有界 patch；候选改动没有提高 held-out selection score 或回归检查失败，就不能接受。 --- ## 仓库结构 <details> <summary>展开完整目录树（SKILL · scripts · templates · references · assets）</summary> ```text Paper-WorkFlow/ ├── SKILL.md # 总编排器（入口 · 完整执行协议） ├── README.md # 中文说明（已整合原 PDF 讲义要点） ├── README.en.md # English README（与中文版同步的最新版） ├── RIGOR.md # 自动生成的 gate-coverage report（checker suite 全绿） ├── RELATED-WORK.md # 竞品/同类 skills 库对比与差异化证据 ├── CITATION.cff · LICENSE # 引用元数据 + MIT 许可证 ├── requirements-dev.txt # notebook 执行闸门的依赖（其余 checker 全部 stdlib-only） ├── validate_skill.py # 本目录主自检：模板、链接、workspace init、demo 执行、rigor/maintenance gates ├── scripts/ │ ├── smoke_workspace.py # 临时最小工作区 + 模板实例化 smoke test │ ├── check_demo_execution.py # 执行 did_demo.ipynb 并验证表图/核心教学不变量 │ ├── check_backend_parity.py # Python/StatsPAI、Stata、R 后端 fallback/secondary parity fixture │ ├── check_backend_capabilities.py # 运行环境后端能力探测契约（backend_capabilities.json）校验 │ ├── check_stage_scenario.py # Stage 0–9 完整场景 fixture + gate/reconcile 校验 │ ├── check_stage_adversarial.py # Stage 0–9 反例场景：缺产物、旧 handoff、闸门倒挂等 │ ├── check_design_gate_contract.py # 设计分支证据卡 × method_gate 模板同步校验 │ ├── check_method_specific_failures.py # 各设计分支的 Method Gate 方法特定失败 fixture │ ├── check_method_gate_card.py # 工作区 method_gate.md Design Gate Card 运行期校验 │ ├── check_runtime_fallbacks.py # 工具/网络/MCP/后端退化路径的日志与闸门诚实性校验 │ ├── check_workspace_gates.py # 运行期 Method/Quality/Replication gate 机械校验 │ ├── check_state_template_paths.py # workflow_state 默认路径 × init 骨架一致性 │ ├── check_citation_integrity.py # 引用存在性、撤稿/版本、look-ahead/vintage 检查 │ ├── check_cn_claim_audit.py # 中文数据源/期刊 claim 台账（_verification_log/）审计闸门 │ ├── check_review_scorecard.py # Draft Quality Gate 评分卡 L1/L2 机械校验 │ ├── check_preregistration.py # 预注册锁与 exploratory 标注校验 │ ├── check_spec_search_ledger.py # Agent 设定搜索台账：岔路计数与披露 │ ├── check_manuscript_numbers.py # 稿件数字锚定 + Stage 6→7 改写零漂移 + Stage 8→9 排版零漂移闸门 │ ├── assemble_manuscript_docx.py # 正文+表+图+参考文献 → 一份 Word 全文定稿（pandoc 或零依赖内置写入器） │ ├── check_deliverable_contract.py # 全文交付闸门：.docx 存在、表图不少、无未解析标记、状态不得比实物绿 │ ├── check_ai_disclosure.py # 生成式 AI 使用声明闸门：作者署名/伪造/未核验/Stage 7 自曝 │ ├── pw.py # 阶段感知的闸门入口：enter/exit/check/final/plan/list │ ├── check_defense_deck.py # 答辩 PPT 生成闸门：必备节不被发现挤掉 + 内容真落盘 │ ├── check_gate_integration.py # 真实 init + 真实模板 + gate checker 集成测试 │ ├── check_reproducibility_scaffold.py # run_all + check_outputs 复现脚手架测试 │ ├── check_cross_references.py # 内部链接、路径、checker wiring、Stage/table 合约 │ ├── check_bilingual_docs.py # 中英文 README 用户入口与门禁说明同步校验 │ ├── check_numeric_claims.py # 跨文档头条数字（阶段/技能/闸门/后端/badge）防漂移 │ ├── check_compactness.py # references 无孤儿引用 + 体积棘轮（advisory） │ ├── check_chaos_coverage.py # 编排器失效模式 × 混沌场景覆盖校验 │ ├── check_final_report_contract.py # FINAL_REPORT 交付证据与 remote/parity 状态模板校验 │ ├── check_contract_matrix.py # 月度质量主题 owner/validator/docs 覆盖矩阵 │ ├── check_monthly_worklog.py # 一个月质量目标 worklog 结构与证据完整性 │ ├── check_rigor_registry.py # RIGOR registry 覆盖所有 checker 的防漂移校验 │ ├── check_skillopt_packet.py # 维护期 SkillOpt-style 改进包机械校验 │ ├── check_verification_log.py # 方法 claim verification log 校验 │ ├── check_table_style.py # 三线表导出闸门：.docx 三线结构 + .tex booktabs 合规 │ ├── make_three_line_tables.py # 把 .docx 里的表统一成三线表（零依赖，改 document.xml） │ └── generate_rigor_report.py # 生成/检查 RIGOR.md ├── evals/ │ ├── README.md # eval harness 说明 │ ├── contract_matrix.json # 长期质量主题 → owner files / validators / docs │ ├── backend_parity_cases.json # 三后端 fallback/secondary validation parity 夹具 │ ├── design_gate_contract.json # 设计分支证据卡 contract（design cards + G1–G10 护栏） │ ├── method_failure_cases.json # 各设计分支的 Method Gate 方法特定反例 │ ├── stage_scenario_contract.json # Stage 0–9 golden-path 场景契约 │ ├── stage_adversarial_cases.json # Stage 0–9 反例场景清单 │ ├── score_skill.py # SkillOpt selection-gate 评分 harness │ ├── check_complexity_budget.py # always-loaded layer 复杂度棘轮 │ ├── check_replication_accuracy.py # Stage 3 输出正确性 fixture │ ├── check_quality_judge.py # Draft Quality Gate judge calibration │ ├── replication_cases/ # 冻结金标值的复现用例（Card 1995、Card–Krueger 1994 等） │ ├── chaos/ # 编排器失效模式混沌场景 │ ├── packets/ # SkillOpt 改进包存档 │ ├── baseline_scorecard.md · complexity_audit.md │ └── scenarios.json · quality_calibration.json · complexity_baseline.json ├── templates/ # 关键 artifact 模板 │ ├── entry_routing.md · stage_passport.md · pipeline_status.md · handoff_card.md · handoff_prompt.md │ ├── analysis_backend.md · backend_capabilities.json · backend_parity.json │ ├── design_register.md · design_risk_ledger.md · method_gate.md · preregistration.md │ ├── sample_audit.md · measurement_audit.md · dataset_card.md · inference_report.md │ ├── evidence_ledger.md · claim_integrity_audit.md · citation_integrity_log.md │ ├── quality_scorecard.md · data_governance.md · DAS.md │ ├── REPLICATION.md · repro_environment.md · run_all.sh · check_outputs.py │ ├── submission_checklist.md · defense_ppt_config.yaml │ └── FINAL_REPORT.md · SKILLOPT_PACKET.md ├── references/ │ ├── stage-playbook.md # 10 阶段逐阶段操作手册 │ ├── skill-map.md # 「任务 → 用哪个 skill」全量路由表 │ ├── skill-coverage-map.md # 「47 个 skill 来自哪里」溯源表与计数口径 │ ├── worked-example.md # 端到端「黄金路径」示例（含两道闸门触发 + 回退） │ ├── research-grade-methods.md # 现代因果推断 / 应用计量方法增强包 + 方法闸门 │ ├── design-risk-ledger.md # 设计风险总账：识别威胁 · 选择性报告 · 外部效度 · SUTVA/attrition │ ├── design-gate-cards.md # 设计分支证据卡：required artifacts + hard fail + claim 降级 │ ├── empirical-audit.md # 样本、变量与 estimand 对齐审计 │ ├── measurement-and-data-quality.md # 变量测量、构造与数据质量审计 │ ├── inference-and-uncertainty.md # 标准误、聚类、多重检验与功效 │ ├── mechanism-and-channels.md # 机制、中介与渠道的可信分析 │ ├── analysis-backends.md # Stage 3–4 三语言后端：Python/StatsPAI、Stata、R │ ├── statspai-analysis.md # Stage 3–4 StatsPAI 引擎：MCP + 包、三模式、估计量路由、三格式出表、七块稳健性闸门 │ ├── threats-to-validity.md # 识别威胁 × 审稿异议预案（坏控制 · 预趋势 · 弱工具） │ ├── design-transparency.md # 设计透明度：预分析 · 功效/MDE · 设定曲线 · 研究者自由度 │ ├── writing-craft.md # 学者写作标准：引言公式 · 贡献锋利度 · 量级 · 房风 │ ├── literature-and-positioning.md # 文献检索与贡献定位：滚雪球 · 文献矩阵 · 定位句式 │ ├── citation-and-temporal-integrity.md # 引用存在性 · 撤稿 · look-ahead/vintage 时序完整性 │ ├── reproducibility-pack.md # 复现打包标准：provenance · 复现包 README · DAS │ ├── computational-reproducibility.md # 确定性、环境固定与产出核验（技术姊妹篇） │ ├── peer-review-and-submission.md # 评审与投稿标准：模拟评审 · response · 选刊 · cover letter │ ├── quality-rubric.md # 初稿质量门 7 维评分卡（达标阈值 + 短板→回退映射） │ ├── integrity-and-claim-audit.md # claim/citation/number 忠实度审计 │ ├── data-governance.md # 敏感/受限数据、IRB/DUA、DAS、公开包边界 │ ├── dataset-cards.md # 经管 / 社科常用数据源结构化卡片库 │ ├── china-data-sources.md # 中国实证研究数据源手册（Stage 2 取数路由总表） │ ├── chinese-journals.md # 中国经管类期刊投稿规范与生态 │ ├── runtime-fallbacks.md # 工具/网络/MCP/统计软件缺失时的退化路径 │ ├── orchestration-and-handoff.md # Stage 0 路由、stage passport、fresh evidence、handoff │ ├── skillopt-improvement-loop.md # 维护本 skill 的 SkillOpt-style rollout/gate/update 协议 │ ├── subagent-templates.md # subagent 派发模板（含上下文保护契约） │ └── workspace-and-state.md # 工作区布局 + 状态字段 + 子代理 I/O 约定 ├── assets/ │ ├── init_workspace.sh # 一键铺出工作区骨架（拒绝覆盖已存在路径） │ ├── workflow_state.template.json # 进度状态文件模板（v10：含 orchestration + pipeline_status + integrity_audit + design_risk + evidence_governance + empirical_audit + analysis_backend + method_gate + quality_gate + replication_pack） │ ├── workflow.svg # 全流程流水线示意图 │ ├── workflow-flow.svg # 动态流程图（README 动图） │ ├── did_table.tex # 演示 · DiD 基准回归表（OLS / TWFE） │ ├── fig_event_study.png · fig_raw_trends.png # 演示 · 事件研究 / 原始趋势图 │ └── statspai-logo.png · copaper-logo.png · stanford-reap-logo.png · copaper-qrcode.png · copaper-wechat.jpg # StatsPAI · CoPaper.AI · Stanford REAP 品牌物料 ├── _verification_log/ # 中文数据源/期刊 claim 核验台账（check_cn_claim_audit 闸门数据） ├── worklogs/ # 维护期 worklog（月度质量目标 + 周度 recap） │ │ —— 以下为配套演示物料 —— └── did_demo.ipynb # DiD 快速演示 Notebook ``` </details> 进一步阅读（按需加载）：[`SKILL.md`](SKILL.md) ｜ [阶段操作手册](references/stage-playbook.md) ｜ [skill 路由表](references/skill-map.md) ｜ [研究级方法增强包](references/research-grade-methods.md) ｜ [设计风险总账](references/design-risk-ledger.md) ｜ [设计分支证据卡](references/design-gate-cards.md) ｜ [样本与 estimand 审计](references/empirical-audit.md) ｜ [三语言分析后端](references/analysis-backends.md) ｜ [StatsPAI 估计与出表引擎](references/statspai-analysis.md) ｜ [学者写作标准](references/writing-craft.md) ｜ [复现打包标准](references/reproducibility-pack.md) ｜ [评审与投稿标准](references/peer-review-and-submission.md) ｜ [质量门评分卡](references/quality-rubric.md) ｜ [claim 忠实度审计](references/integrity-and-claim-audit.md) ｜ [subagent 模板](references/subagent-templates.md) ｜ [工作区与状态](references/workspace-and-state.md) ｜ [编排与断点交接](references/orchestration-and-handoff.md) ｜ [端到端示例](references/worked-example.md) ｜ [识别威胁与审稿异议](references/threats-to-validity.md) ｜ [设计透明度与预分析](references/design-transparency.md) ｜ [文献检索与定位](references/literature-and-positioning.md) ｜ [数据治理](references/data-governance.md) ｜ [运行时退化](references/runtime-fallbacks.md) ｜ [SkillOpt-style 改进协议](references/skillopt-improvement-loop.md) ｜ [artifact 模板](templates/) ### 本地自检维护或改造本 skill 后，先在本目录运行（首次需 `pip install -r requirements-dev.txt`，供 demo notebook 执行闸门使用；其余检查器只依赖标准库）： ```bash python3 validate_skill.py # 全量维护闸门（37 个 checker 的 selftest） python3 scripts/smoke_workspace.py python3 scripts/check_skillopt_packet.py --selftest ``` 跑一篇论文时，**运行期**闸门统一走阶段感知入口 `scripts/pw.py`——哪个阶段欠哪些 checker、带什么参数，由脚本里的 stage→gate 表定死，不靠记忆挑： ```bash python3 scripts/pw.py plan 7 # Stage 7 欠哪些闸门（只看不跑） python3 scripts/pw.py enter 3 <workspace> # Stage 3 能不能开工（前置条件） python3 scripts/pw.py exit 3 <workspace> # Stage 3 算不算做完（出口闸门） python3 scripts/pw.py check <workspace> # 到当前阶段为止欠的全部 python3 scripts/pw.py final <workspace> # 投稿终审（Stage 9 严格档） python3 scripts/pw.py list # 完整 stage→gate 映射 ``` 底层仍是单点 checker，随时可以单独调；`pw.py --selftest` 反过来保证**没有任何运行期 checker 挂在流程之外**——新加的闸门如果没有被任何阶段跑到，维护闸门直接失败。它会检查本地 Markdown 链接、`workflow_state` schema、Stage 0 route/passport/pipeline-status/handoff 模板、claim integrity 与 data-governance 模板、`init_workspace.sh` 的拒绝覆盖行为、核心资产、模板契约、设计分支证据卡 contract、14 类设计的 Method Gate 方法特定失败 fixture、Method Gate Design Gate Card 运行期自测、runtime fallback 日志/decision/闸门诚实性、三后端 backend parity fixture、最小工作区 smoke fixture、Stage 0–9 完整场景 fixture、filled FINAL_REPORT 交付包与反例场景、DiD Notebook 结构与临时执行、复现脚手架、中英文 README parity、FINAL_REPORT 交付证据 contract、月度质量 worklog、RIGOR registry 覆盖，以及 SkillOpt-style 改进包 checker 的自测。若本次维护有实际改进包，再跑 `python3 scripts/check_skillopt_packet.py <packet>`。母仓库发布前再从仓库根目录跑： ```bash make catalog make validate make check ``` --- ## 关于母仓库 Paper-WorkFlow 是 [Auto-Empirical-Research-Skills](https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills)（一套面向经管 / 社科实证研究的 skill 合集，含 69 个编号集合）中的总编排器。它本身不内置任何被编排的子 skill，运行时按需调用母仓库 `67-econfin-workflow-toolkit/` 等集合里的能力。 - 执行范式采用「多代理 + 上下文保护」：子代理自己写盘、只回传状态摘要，主代理只持有指针与状态。 - 编排范式来自 `67-econfin-workflow-toolkit/paper-pipeline`（固定顺序 + 断点续跑 + 交互档位）。 - 混合来源集合的再分发请各自核对其上游许可。 --- ## 许可本仓库（编排器 skill + 配套演示物料）以 [MIT License](LICENSE) 发布，可自由使用、修改、再分发。被编排的子 skill 不在本仓库内，运行时按需调用母仓库 [`Auto-Empirical-Research-Skills`](https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills)；那些混合来源集合的再分发，请各自核对其上游许可。 <div align="center"> ### 从一句话想法到可投稿全文 让流水线替你跑完中间那一百步。如果它帮到你，欢迎点个 ⭐ Star。 <table> <tr> <td align="center"> <a href="https://github.com/brycewang-stanford/StatsPAI"><img src="assets/statspai-logo.png" alt="StatsPAI" width="270" /></a> </td> <td width="40"></td> <td align="center"> <a href="https://sccei.fsi.stanford.edu/reap"><img src="assets/stanford-reap-logo.png" alt="Stanford REAP" width="300" /></a> </td> </tr> </table> Stanford REAP × StatsPAI · 面向实证研究的产学 AI 工具箱 <table> <tr> <td align="center"> <a href="https://copaper.ai"><img src="assets/copaper-qrcode.png" alt="访问 copaper.ai" width="170" /></a> 访问 <a href="https://copaper.ai">copaper.ai</a> </td> <td width="40"></td> <td align="center"> <img src="assets/copaper-wechat.jpg" alt="CoPaper.AI 微信" width="170" /> 微信：CoPaper.AI </td> </tr> </table> 由 <a href="https://copaper.ai">CoPaper.AI</a> 维护，孵化于 <a href="https://sccei.fsi.stanford.edu/reap">Stanford REAP / SCCEI</a> · 实证研究 AI 助手 </div>

Carregando o README do repositório…

Skills neste repositório

Cientistas de dados

1 categorias ocupacionais · 100% classificado

skill

ocupação

descrição

atualizado

paper-workflow

Cientistas de dados

将社科实证研究从 idea、proposal、数据或已有结果推进到可复现分析和完整论文 DOCX。支持研究设计、数据审计、估计、表图、写作与修订，以及按需准备投稿包；按证据完成阶段，不承诺显著结果或录用。触发：/paper-workflow、从想法到论文、从数据到 docx、推进已有实证稿件。

Idioma do texto original: chinês

2026-09-10

Mostrando 1 de 1 skills coletadas.