Awesome-Agent-Skills-for-Empirical-Research
🔬 A curated collection of 23,000+ agent skills for empirical research across 8 social science disciplines. | 精选 23,000+ AI Agent 技能库，覆盖8大社会科学学科的实证研究。CoPaper.AI 20分钟完成一篇可复现的规范实证论文，并支持用户上传 Skills。-- Maintained by CoPaper.AI from Stanford REAP.
1,262stars
198forks
Stata
Added 4/21/2026
AI Agentsacademic-researchagent-skillsai-agentawesome-listcommunicationcopapereconomicseducationempirical-researchinternational-relationspolitical-sciencepsychologypublic-administrationreproducible-researchskills-librarysocial-sciencesociology
Installation
# Add to your Claude Code skills
git clone https://github.com/brycewang-stanford/Awesome-Agent-Skills-for-Empirical-ResearchGetting Started
Guides for using ai agents skills like Awesome-Agent-Skills-for-Empirical-Research.
- Caveman: Cut Claude Token Use by 65%How agent-side prompt compression works, when to use it, and when not to.
- What is an AI Skills Marketplace?Definitions, how marketplaces work, and how to choose between them in 2026.
- Getting Started with AI SkillsFirst-time install walkthrough for Claude Code, Codex CLI, and ChatGPT.
Security ReportVerified
Last scanned: 5/7/2026
{
"issues": [],
"status": "PASSED",
"scannedAt": "2026-05-07T06:36:39.221Z",
"semgrepRan": false,
"npmAuditRan": true,
"pipAuditRan": true
}Awesome Agent Skills for Empirical Research
🌐 语言 / Language: 中文 | English
Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品 由斯坦福实证研究方法论团队打造，覆盖从数据清洗到顶刊投稿的完整工作流
实证研究全流程 AI Agent Skills 大全 — 收录 119 个 GitHub 仓库 / 覆盖 23,000+ Skills
A curated, opinionated list of 119 GitHub repositories and 23,000+ AI Agent Skills for empirical research in economics, political science, sociology, psychology, public health, education, management, finance, and public policy — organized by research workflow, from topic selection to journal submission.
2026 年，实证研究的工作方式正在被重新定义。
CoPaper.AI —— 由 Stanford REAP（中国经济与制度研究中心）研究者团队孵化的实证研究 AI 助手——已经做到 20 分钟完成一篇主流期刊级别的实证论文：从数据导入、描述性统计、因果推断模型、稳健性检验到结果表格，一步到位。这背后的秘密不是更强的模型，而是 Skills：把资深研究者的方法论经验编码成结构化工作流，让 AI 知道"一个完整的 DID 分析应该包含哪些步骤"，而不是每次都等你一步步提醒。
这个仓库，是我们在构建 CoPaper.AI 过程中整理的一份 Agent Skills 全景图。我们把散落在 GitHub、社区和学术圈的数百个 Skills 仓库和上万个 Skills 按实证研究流程梳理归类，方便你按需取用。
🎓 三层信用锚点 · 为什么是我们做这件事
| 层级 | 锚点 | 抓手 |
|---|---|---|
| 🏛️ 学术血统 | Stanford REAP / SCCEI 中国经济与制度研究中心 | 实证经济学方法论领域的学术研究背景，研究者团队在顶刊有持续发表传统 |
| 🔧 工程落地 | CoPaper.AI 实证研究 AI 助手 | 内置 20 个经济学方法论 Skills（DID/IV/RDD/PSM/DML 等），Supervisor + 4 子代理多智能体架构，一句话触发，结果自动输出 |
| ⚙️ 开源引擎 | StatsPAI —— CoPaper.AI 的因果推断引擎 | 900+ 函数 · 一个 import statspai as sp · JOSS 投稿中 · MIT 开源。CoPaper.AI 跑出的每一个 DID/IV/RD/SCM 估计都由 StatsPAI 驱动；这份 Skills 大全本身也是 StatsPAI 生态的一部分 |
🔒 可信使用：本仓库 52 个 Skill / 2,940+ 文件经系统性安全扫描 —— 52/52 全部 CLEAN，零 FLAGGED，零网络外泄、零反向 shell、零 prompt 注入。
💡 想要开箱即用？ 不必自己拼装 Skills —— 直接试试 → copaper.ai，让 Stanford 研究方法论团队为你做完整的实证流水线。
🆕 更新日志
- 📕 skills/50-brycewang-aer-skills：本仓库原创姊妹项目 brycewang-stanford/AER-skills 整仓 vendor 进来，按 StatsPAI 同款
scripts/sync-aer-skills.sh+.github/workflows/sync-aer-skills.yml周一 06:00 UTC 自动跑 diff → 漂移则开 PR 的闭环。抓手很明确：Top-5 经济学（AER / AER:Insights / AEJ 全家桶）的投稿专用 skill stack，把 StatsPAI / 00.x 那套"跑分析"延伸到"写论文"。- 🧱 9 个 skill 全链路覆盖投稿流水线：
aer-topic-selection（选题路由 AER vs Insights vs AEJ）→aer-identification（识别策略审计：现代 DiD / 弱 IV / 边界 RDD 避雷）→aer-robustness（审稿人导向稳健性矩阵）→aer-introduction（Keith Head 五段式 intro）→aer-tables-figures（AER booktabs 排版）→aer-replication（AEA Data and Code Availability Policy 复现包，openICPSR 合规）→aer-submission（投稿 preflight：100 词 abstract、disclosure、cover letter）→aer-rebuttal（R&R 回复信，针对revised manuscript 而非旧稿）→aer-workflow（总调度，告诉你下一步用哪个 skill）。 - 🆚 与现有 skill 的差异化：StatsPAI / 00.x 解决"如何把分析跑对"；AER-skills 解决"如何把论文写到 Top-5 录用门槛"——AER 100 词 abstract / AER:Insights 7000 词上限 / 45% desk rejection / AEA mandatory replication 这些 Top-5 特定约束，通用 scientific-writing skill（Nature-Paper-Skills 等）一律不覆盖。identification-first：先审识别策略，识别脆，再多 prose 也救不回来。
- 🔁 vendor sync 闭环：
git clone --depth=1上游 →rsync -a --delete --exclude='.git'整仓镜像 → 对比 before/after 内容 hash，无漂移 exit 0，有漂移 exit 1 触发peter-evans/create-pull-request@v6开chore/sync-aer-skillsPR。支持手动workflow_dispatch，需要立即同步时一键触发。 - License: MIT —— 同 StatsPAI / 00.x 一致，可商可学。
- 首版上游 commit：
7e9c44d（2026-05-25，含 modern-aer-exemplars.md 30+ 篇分子领域典范）。
- 🧱 9 个 skill 全链路覆盖投稿流水线：
- 🇨🇳 skills/49-voidborne-d-humanize-chinese：由 @voidborne-d 通过 PR #5 贡献，按
LICENSE + README-original.md + SKILL.md三件套 vendor 进仓库。同时提供 SKILL.md 和独立 Python CLI：17 类中文 AI 模式检测 + 7 风格改写器（academic / novel / blog / 小红书 / 微信 等）+ LR ensemble 程序化打分，长度 ≥1500 字自动切长篇 LR，HC3 100 短问答基准 95% 正确分离。License: MIT (Non-Commercial) —— 非标准修改版 MIT，明确禁商用（SaaS / 付费 API / 商业产品集成），下游使用请注意。 - 🤝 欢迎社区 PR：本仓库长期开放收录有价值的实证研究类 Skill / Agent / 工具。无论是你自己开发的还是发现的好工具，欢迎提 PR —— 我们会继续保持收录，认真审查每一条贡献，让这份清单成为社区共建的资产。流程参见 Contributing。
- 🛡️ SECURITY-SCAN-REPORT.md：对仓库内 52 个 Skill / 2,940+ 文件完成系统性安全审查，未发现任何恶意 prompt、病毒、木马或其他恶意内容。结论先行：可以放心使用本仓库内任意 Skill。
- 🔍 六阶段多层防御：(1) 13 类风险模式自动化 grep（pipe-to-shell / 反向 shell / 凭据外泄 / 解码执行 / 挖矿 RAT 签名 / Prompt 注入等）→ (2) 6 个含 hook 的 skill、40+ hook 脚本 100% 人工核查 → (3) 三 Agent 并行审查 SKILL.md / agent 定义 / reference 文档 → (4) 补充完整性检查（隐藏 Unicode / 编码异常 / 极长行 / HTML 注入 / 网络相关 import）。
- 📊 结果分布：所有看似敏感的命中均为三类合法内容 —— 防御性安全规则（deny rule、bash-safety hook、凭据检测器）、合法学术 API 调用（arXiv / CrossRef / PubMed / FRED / World Bank 等）、标准 Claude Code 本地 hook（脚手架 / 状态保存 / context 监控，全部本地操作、零网络 IO）。
- 🔑 关键洞察：17-DAAF 反而是这批 Skill 中"安全意识最强"的参考样板（14 个防御 hook + 32 条 deny rule + 主动凭据扫描）；规模最大 ≠ 风险最高。
- 📈 可视化信息图：报告内嵌 5 张 zhihu 风格信息图（总览 / 六阶段方法论 / 威胁矩阵 / Top 5 规模分布 / 二轮补扫），3 秒可懂。
- 详见 完整安全扫描报告。
- 📗 Full Empirical Analysis Skill — R：与 StatsPAI / 00.1 / 00.2 形成同日四联的 R 版本，放在
skills/00.3-Full-empirical-analysis-skill_R/—— 第 0.3 位，覆盖 R 与 Quarto 用户。- 🧱 现代 tidyverse + fixest 生态：
dplyr/tidyr/haven处理数据；fixest::feols/feglm/fepois作为面板/IV/DID 主力（一行代码搞定 HD FE + 多向 cluster + IV）；did::att_gt+fixest::sunab+didimputation::did_imputation+synthdid+DIDmultiplegtDYN+bacondecomp+HonestDiD处理现代 DID；rdrobust/rddensity/rdmulti/rdlocrand处理 RD；Synth/gsynth/tidysynth/synthdid处理合成控制；MatchIt/WeightIt/cobalt/ebal处理匹配；grf::causal_forest+DoubleML处理 ML 因果；mediation::mediate+lavaan::sem处理中介；marginaleffects::avg_slopes/plot_slopes处理后估计；modelsummary/kableExtra/gt/flextable出版级表格；ggplot2+iplot+binsreg+cowplot+patchwork出图；Quarto一键生成 PDF/HTML/Word 一体化报告。 - 🔁 8 步 R 闭环（与 00.1 / 00.2 同结构）：(1) 数据导入与清洗（
read_dta+clean_names+naniar::vis_miss+mice+validate/assertr）→ (2) 变量构造（mutate+across+DescTools::Winsorize+scale+arrange %>% group_by %>% lag/lead）→ (3) 描述统计（gtsummary::tbl_summary+modelsummary::datasummary_balance+psych::corr.test+corrplot/ggcorrplot）→ (4) 12 类诊断检验（shapiro.test/tseries::jarque.bera.test/lmtest::bptest/dwtest/bgtest/car::vif/tseries::adf.test/kpss.test/plm::pbgtest/pcdtest/phtest/lmtest::resettest）→ (5) 12 类估计器（feols+AER::ivreg+did::att_gt+fixest::sunab+didimputation+synthdid+rdrobust+tidysynth+gsynth+MatchIt+WeightIt+ebal+grf::causal_forest+DoubleML+sampleSelection::heckit+quantreg::rq+lavaan::sem）→ (6) 稳健性（modelsummary出 M1–M6 +clubSandwich多 clust
- 🧱 现代 tidyverse + fixest 生态：
Frequently Asked Questions
What is Awesome-Agent-Skills-for-Empirical-Research?
Awesome-Agent-Skills-for-Empirical-Research is an open-source ai agents skill for AI coding assistants such as Claude Code, Codex CLI, and ChatGPT, built by brycewang-stanford. 🔬 A curated collection of 23,000+ agent skills for empirical research across 8 social science disciplines. | 精选 23,000+ AI Agent 技能库，覆盖8大社会科学学科的实证研究。CoPaper.AI 20分钟完成一篇可复现的规范实证论文，并支持用户上传 Skills。-- Maintained by CoPaper.AI from Stanford REAP. It has 1,262 GitHub stars.
Is Awesome-Agent-Skills-for-Empirical-Research safe to use?
Yes. Awesome-Agent-Skills-for-Empirical-Research passed SkillsLLM's automated security scan — a dependency vulnerability audit plus prompt-injection heuristics — with no high-severity issues. You can read the full report in the Security Report section on this page.
How do I install Awesome-Agent-Skills-for-Empirical-Research?
Clone the repository with "git clone https://github.com/brycewang-stanford/Awesome-Agent-Skills-for-Empirical-Research" and add it to your Claude Code skills directory (see the Installation section above).
What programming language is Awesome-Agent-Skills-for-Empirical-Research written in?
Awesome-Agent-Skills-for-Empirical-Research is primarily written in Stata. It is open-source under brycewang-stanford on GitHub, so you can review or fork the full source.
Are there alternatives to Awesome-Agent-Skills-for-Empirical-Research?
Yes. SkillsLLM lists many other AI Agents skills you can browse and compare side by side. Open the AI Agents category from the badge at the top of this page, or use the Related Skills and comparison links further down to weigh Awesome-Agent-Skills-for-Empirical-Research against similar tools.
Comments (0)
to leave a comment.
No comments yet. Be the first to share your thoughts!
Related Skills
An agentic skills framework & software development methodology that works.
234,966
20,863
Shell
AI Agentsaibrainstorming
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
231,321
35,296
JavaScript
AI Agentsai-agentsanthropic
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
185,940
28,768
JavaScript
AI Agentsai-agentsanthropic
Claude Code is an agentic coding tool that lives in your terminal, understands your codebase, and helps you code faster by executing routine tasks, explaining complex code, and handling git workflows - all through natural language commands.
120,031
19,897
Shell
AI Agents
A cross-platform desktop All-in-One assistant for Claude Code, Codex, OpenCode, OpenClaw, Gemini CLI & Hermes Agent. Only official website: ccswitch.io
119,044
7,987
Rust
AI Agentsai-toolsclaude-code