🔥 力荐 · StatsPAI — Stata 与 R 的 Python 平替，为 AI Agent 而生
- 🔁 Stata / R 平替：
reghdfe、csdid、rdrobust、synth、fixest、did等常用命令在 Python 中一站式替代，一个import statspai as sp搞定 DID / RD / IV / SCM / DML / matching- 🤖 面向 Agent 设计：结构化结果对象 + 内置 MCP Server，Claude / Codex 等智能体可直接调用、诊断、审计与出表
- ⚡ 运行速度更快：无需启动 Stata / R 会话，免许可证，纯 Python 流水线端到端提速
- 🏛️ 同一团队维护：StatsPAI 与 AERS 由同一团队（Stanford REAP × CoPaper.AI）开发和持续维护，两者深度集成、同步迭代
github.com/brycewang-stanford/StatsPAI ·
pip install statspai· MIT 开源 · 欢迎 ⭐ Star
🌐 语言: English | 简体中文（默认） | 繁體中文 | 日本語 | 한국어
|
|
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
🚀 New here? Open the Skill Search → to filter all 1,107 skills by method, stage, language, and license. The 5-minute tour (
make quickstart) prints the same picture in your terminal.🇨🇳 中文用户从本文件开始（流水线速览 + 77 行总表），每个合集的完整描述见
docs/CONTENT_ZH.md。📖 English readers: seeREADME-en.md.
| Rigor lane | Count | Where |
|---|---|---|
| Numeric benchmark tasks — gold values recomputed from real data each run | 19 | benchmark/ |
| Behavioral eval scenarios / rubric items | 42 / 217 | eval-harness/ |
| 其中已证明能区分对错的场景（pass/fail 双 fixture 自检） | 9（全部 6 个 critical 场景在内） | eval-harness/fixtures/ |
Full trust overview:
docs/TRUST.md·docs/RIGOR_COVERAGE.md🏁 带上你自己的 agent 来考同一份卷子：
pip install -e .后用aers-score给自己打分，成绩发布在docs/EXTERNAL_SCOREBOARD.md（规则见docs/SCOREBOARD_RULES.md）。榜上的数字是我们用同一套评分器重算出来的，不是提交者自报的。
把项目 URL 地址 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills 丢给 Claude Code / Codex，并指定是目录 / 项目 / 全局安装 —— 剩下的让它自己做。例如：
帮我安装 https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills
装到「全局」（~/.claude/skills/），我想在所有项目里都能用
把最后一行换成你要的作用域即可：
| 作用域 | 说给 Agent 的话 | 落到哪里 |
|---|---|---|
| 目录（当前会话临时用） | "只在当前目录用，不要全局安装" | 当前工作目录下的 .claude/skills/ |
| 项目（团队共享，可提交进 git） | "装到本项目" | 项目根目录 .claude/skills/ |