🌐 言語: English | 简体中文（デフォルト） | 繁體中文 | 日本語 | 한국어
|
|
Stanford REAP × CoPaper.AI · 実証研究のための学術×産業 AI ツールキット
スタンフォードの実証方法論チームが構築 — データクリーニングからトップジャーナル投稿までの全パイプライン
このリポジトリは、ルートディレクトリを Codex、CodeBuddy、Claude Code、または類似 IDE に 1 つの skill として取り込めます。ルートの SKILL.md は auto-empirical-research-skills を登録し、69 コレクション・1,150 スキルを一度にコンテキストへ読み込むのではなく、実証研究タスクに合う vendored 子 skill へルーティングします。
- リポジトリ全体を取り込む場合: リポジトリルートを選び、
agents/openai.yamlとルートSKILL.mdで 1 つの catalog router を登録します。agent はcatalog/skills.jsonまたはdocs/SKILL_CATALOG.mdを確認してから、選んだ子 skill だけを読みます。 - 単一 skill を取り込む場合: IDE が「1 フォルダ = 1 skill」を期待するなら、対象の
SKILL.mdを直接含む子フォルダをコピーしてください。例:skills/50-brycewang-aer-skills/skills/aer-workflow/。IDE が明示的に再帰 discovery をサポートしない限り、ルート取り込みで 1,150 個の個別 skill が登録されるとは想定しないでください。 - インストール詳細:
docs/INSTALL.mdを参照してください。デフォルト README は簡体中文のREADME.mdで、英語版はREADME-en.mdです。
リポジトリを開けば、ライブラリ全体が見渡せます。 69 コレクション · 1,150 スキルのすべてに
00 → 69の番号が付き、いずれも（外部リンクではなく）本リポジトリに取り込み（vendored）、catalog/skills.jsonで追跡されています。どの行をクリックしてもそのフォルダが開きます。 ⭐ = Stanford REAP × CoPaper.AI チームが構築したファーストパーティスキル。それ以外はすべて精選・セキュリティ監査済みのコミュニティ成果です。テーマ凡例 — 🚀 全パイプライン & オーケストレーター · 🎯 因果推論 & 計量経済学 · 📚 文献 & 研究設計 · ✍️ 執筆・編集 & 脱 AIGC · 📑 引用・レプリケーション & 査読 · 🛠️ データ・ツール & インフラ
| # | コレクション | 何をするか | テーマ | スキル数 |
|---|---|---|---|---|
| ⭐ 00 | StatsPAI 🔥 | Agent-native Python DSL — 一つの sp.causal(...) で DID/RD/IV/SCM/DML を実行 |
🚀 | 1 |
| ⭐ 00.1 | Full Empirical · Python 📘 | 明示的スタック: pandas · statsmodels · linearmodels · pyfixest |
🚀 | 1 |
| ⭐ 00.2 | Full Empirical · Stata 📊 | reghdfe · ivreg2 · csdid · sdid · rdrobust レプリケーションパック |
🚀 | 1 |
| ⭐ 00.3 | Full Empirical · R 📗 | tidyverse · fixest · did · HonestDiD、Quarto でレンダリング |
🚀 | 1 |
| 01 | academic-paper-skills | アウトライン → 原稿執筆 + 7 次元の査読者シミュレーション | ✍️ | 2 |
| 02 | research-skills | 医用画像レビュー、研究提案、論文からスライド | 📚 | 3 |
| 03 | scientific-skills | 仮説生成 + 28 の科学データベース | 📚 | 4 |
| 04 | scientific-writer | 引用管理 + 科学的執筆 | ✍️ | 8 |
| 05 | research-superpower | 体系的検索、スクリーニング & 引用トラバーサル | 📚 | 10 |
| 06 | stats-paper-writing | エンドツーエンドの LaTeX 統計論文執筆 | ✍️ | 1 |
| 07 | AI-Research-SKILLs | 発表用 ML 図、LaTeX、引用検証 | 🛠️ | 3 |
| 08 | latex-document-skill | 任意の LaTeX ドキュメントを作成 / コンパイルして PDF 化 | 🛠️ | 1 |
| 09 | awesome-econ-ai | Python のパネルデータ分析（linearmodels） |
🎯 | 17 |
| 10 | causal-inference-mixtape | DID / IV / RDD / SCM テンプレート（Cunningham） | 🎯 | 1 |
| 11 | compound-science | 定量社会科学のためのベイズ推定 | 🎯 | 20 |
| 12 | claude-code-my-workflow | コミット → PR → マージの研究ワークフロー（Emory） | 🛠️ | 22 |
| 13 | MixtapeTools | Cunningham の因果推論ツールキット & スライド | 🎯 | 5 |
| 14 | research-starter | R での IV / DiD / RDD（適切な診断付き） | 🎯 | 16 |
| 15 | social-science-research | R または Python でのエンドツーエンドのデータ分析 | 🎯 | 12 |
| 16 | clo-author | マルチエージェントのデータ分析（R / Stata / Python） | 🎯 | 10 |
| 17 | DAAF | セキュリティ意識の高いエージェントフレームワーク（32 のディナイルール） | 🛠️ | 35 |
| 18 | stata-accounting | 126 本の JAR 論文から検証済みの Stata パターン | 🎯 | 1 |
| 20 | python-econ-skill | DSGE / HANK & 定量経済計算 | 🎯 | 1 |
| 22 | christopherkenny-skills | Quarto（.qmd）向けの APSA スタイルチェッカー |
✍️ | 11 |
| 23 | baygent | ガードレール付きの PyMC / ArviZ ベイズワークフロー | 🎯 | 2 |
| 24 | academic-research-skills | 5 名の査読者による多視点論文レビュー | 📑 | 4 |
| 25 | Diverga | 研究課題のリファイナー（モードコラプス対策） | 📚 | 34 |
| 26 | scholar | 統計アルゴリズムの設計 & ドキュメント化 | 🎯 | 17 |
| 27 | my_claude_skills | 経済学アブストラクトの執筆ガイド | ✍️ | 6 |
| 28 | paper-replicate-agent | 論文レプリケーションエージェントのデモ | 📑 | 11 |
| 29 | project20XXy | 再現可能な原稿 + ノートブックプロジェクト | 📑 | 24 |
| 31 | claude-code-skills | Python のパネルデータ分析 | 🎯 | 13 |
| 32 | stata-skill | 高性能な Stata C/C++ プラグイン | 🛠️ | 3 |
| 33 | claude-scholar | 研究のフルライフサイクル: 構想 → レビュー → 実験 → 査読対応 | 🚀 | 47 |
| 34 | research-companion | 研究の方向性をブレインストーム・評価・決定 | 📚 | 1 |
| 35 | academic-writing-skills | ベニュー対応の産業 AI 文献研究 | 📚 | 5 |
| 36 | literature-review-skill | 文献レビューの全ワークフロー（中国語） | 📚 | 1 |
| 38 | academic-proofreader | 学術校正 | ✍️ | 1 |
| 39 | marginaleffects | 予測、スロープ & 比較（R / Python） | 🎯 | 1 |
| 40 | pyfixest | Python での高速な固定効果推定 | 🎯 | 1 |
| 41 | sewage-econometrics-check | 10 項目チェックのレプリケーションパッケージ監査 | 📑 | 22 |
| 42 | ARIS | 自律型「研究 in sleep」エージェント、エンドツーエンド | 🚀 | 104 |
| 43 | research-plugins | 478 の研究プラグイン: データ可視化、ドメイン、インフラ | 🛠️ | 478 |
| 44 | humanizer_academic | 医学/学術原稿の脱 AI 化（23 パターン） | ✍️ | 1 |
| 45 | deslop | AI 文章パターンの除去（5 次元採点） | ✍️ | 1 |
| 46 | stop-slop | 3 層の AI 痕跡検出 & 書き換え | ✍️ | 1 |
| 47 | avoid-ai-writing | 監査 → 書き換え → 再監査の AI 痕跡対策（証跡付き） | ✍️ | 1 |
| ⭐ 48 | chinese-de-aigc 🇨🇳 | CNKI / Wanfang / Turnitin-CN 向けの中国語脱 AIGC | ✍️ | 1 |
| 49 | humanize-chinese | AI 生成の中国語テキストを検出・人間化 | ✍️ | 1 |
| ⭐ 50 | AER-skills 📕 | トップ 5 経済学投稿スタック: 識別 → 頑健性 → R&R | 🚀 | 9 |
| 51 | CausalPy | ベイズ準実験（PyMC Labs） | 🎯 | 3 |
| 52 | slr-prisma | 体系的文献レビュー、PRISMA 2020 | 📚 | 1 |
| 53 | thematic-analysis | Braun & Clarke の 6 段階質的テーマ分析 | 📚 | 1 |
| 54 | open-science-skills | 引用の整合性、DOI & 主張裏付けの監査 | 📑 | 24 |
| 55 | r-skills | brms による R でのベイズ推論 |
🎯 | 8 |
| 56 | econ-writing-skill | 50+ のトップガイドを統合した経済学執筆 | ✍️ | 1 |
| 57 | edgartools | SEC 提出書類のクエリ & 分析 | 🛠️ | 1 |
| 58 | econstack | 政策ブリーフィングノート（UK GES / AU Treasury） | ✍️ | 7 |
| 59 | openalex-skill | OpenAlex 経由で 2.4 億+ の学術成果をクエリ | 📚 | 1 |
| 60 | superpapers | 包括的な実証研究サポートスイート | 📚 | 16 |
| 61 | research-methods | 事前登録に対応した確証的検定 | 🎯 | 9 |
| 62 | citation-checker | CrossRef / S2 / OpenAlex に対して引用を検証 | 📑 | 1 |
| 63 | scientific-agent-skills | DoWhy の identify–estimate–refute フレームワーク | 🎯 | 2 |
| 64 | mcp-stata | 20 個の Stata 因果推論 & レプリケーションスキル | 🎯 | 20 |
| 65 | game-theory-paper-writer | ゲーム理論論文の生成 & ストレステスト | ✍️ | 1 |
| 66 | empirical-research-skills | 大規模パネル向けの R パフォーマンス最適化 | 🛠️ | 7 |
| 67 | econfin-workflow-toolkit | 中国コーポレートファイナンスの実証ワークフロー、提案 → 論文 | 🚀 | 46 |
| 68 | research-productivity-skills | 論文検索、SSRN、DOI 照会、ダウンロード | 🛠️ | 18 |
| ⭐ 69 | Paper-WorkFlow 🧭 | 社会科学パイプライン全体を連結するメタオーケストレーター | 🚀 | 1 |
⭐ 私たち自身が構築した背骨: StatsPAI（因果エンジン）· 明示的な Python / Stata / R の全パイプライン移植版 · AER-skills（トップ 5 投稿スタック）· chinese-de-aigc · Paper-WorkFlow（メタオーケストレーター）。これらが AERS の背骨です —— 完全な比較は 旗艦パイプライン skills ↓ を参照。用途別に閲覧したいですか? 同じ 69 を用途別に整理したもの ↓ をご覧ください。
実証研究の専門家のための agent-skills ディストリビューション。 マーケティング用のリストではありません —— 本リポジトリには 1,150 個のスキルを取り込み（vendored）、カタログ化したうえで、数値ベンチマーク・評価ハーネス・セキュリティ監査・CI で品質を固定し、さらに広域エコシステムの 119 リポジトリにまたがる 23,000+ スキルを精選したマップを重ねています。
AERS は同時に二つの性格を持ちます。(1) 完全な実証パイプライン — データクリーニング → 識別 → 推定 → 頑健性 → 表/図 → 投稿可能なドラフト — を回す、少数精鋭のファーストパーティ旗艦スキル。そして (2) 実証研究スキルのエコシステムを、研究ワークフローの段階別に整理した精選・セキュリティ配慮済みのカタログです。差別化の核心は数ではありません。旗艦の挙動が、口先で主張されたものではなく既知の答えに対して検証されているという点です。
Note
改名しました。 本プロジェクトの旧称は Awesome Agent Skills for Empirical Research でした。GitHub は旧 URL を自動でリダイレクトしますが、リモートを更新してください:
git remote set-url origin https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git- 全 69 スキルコレクション一覧（
00 → 69の完全インデックス） - 実際に得られるもの（数字を正確に）
- 2 分で自分で検証する
- なぜ信頼できるのか — 3 つの層
- 旗艦パイプライン skills
- ここから始める — 30 秒でスキルを選ぶ
- 23K スキルの寄せ集めで終わらない理由
- 全体像を眺める
- セキュリティ
- 変更履歴
- 貢献と引用
冒頭の連番インデックス ↑ と同じ 69 コレクション · 1,150 スキル を、ここでは研究目的別に並べ替えました。取り組んでいる段階までスキャンできます。⭐ = ファーストパーティ（Stanford REAP × CoPaper.AI）。それ以外はすべて精選・セキュリティ監査済みのコミュニティ成果です。
🚀 全パイプライン旗艦 & オーケストレーター — 一度の呼び出しで、実証ループ全体
| コレクション | 何をするか | スキル数 |
|---|---|---|
⭐ 00 · StatsPAI 🔥 |
Agent-native Python DSL — 一つの sp.causal(...) で DID/RD/IV/SCM/DML を実行 |
1 |
⭐ 00.1 · Python 📘 |
明示的スタック: pandas · statsmodels · linearmodels · pyfixest |
1 |
⭐ 00.2 · Stata 📊 |
reghdfe · ivreg2 · csdid · sdid · rdrobust レプリケーションパック |
1 |
⭐ 00.3 · R 📗 |
tidyverse · fixest · did · HonestDiD、Quarto でレンダリング |
1 |
33 · claude-scholar |
研究のフルライフサイクル: 構想 → レビュー → 実験 → 査読対応 | 47 |
42 · ARIS |
自律型「研究 in sleep」エージェント、エンドツーエンド | 104 |
⭐ 50 · AER-skills 📕 |
トップ 5 経済学投稿スタック: 識別 → 頑健性 → R&R | 9 |
67 · econfin-workflow-toolkit |
中国コーポレートファイナンスの実証ワークフロー、提案 → 論文 | 46 |
⭐ 69 · Paper-WorkFlow |
社会科学パイプライン全体を連結するメタオーケストレーター | 1 |
🎯 因果推論 & 計量経済学 — AERS の方法論的中核
| コレクション | 何をするか | スキル数 |
|---|---|---|
09 · awesome-econ-ai |
Python のパネルデータ分析（linearmodels） |
17 |
10 · causal-inference-mixtape |
DID / IV / RDD / SCM テンプレート（Cunningham） | 1 |
11 · compound-science |
定量社会科学のためのベイズ推定 | 20 |
13 · MixtapeTools |
Cunningham の因果推論ツールキット & スライド | 5 |
14 · research-starter |
R での IV / DiD / RDD（適切な診断付き） | 16 |
15 · social-science-research |
R または Python でのエンドツーエンドのデータ分析 | 12 |
16 · clo-author |
マルチエージェントのデータ分析（R / Stata / Python） | 10 |
18 · stata-accounting |
126 本の JAR 論文から検証済みの Stata パターン | 1 |
20 · python-econ-skill |
DSGE / HANK & 定量経済計算 | 1 |
23 · baygent |
ガードレール付きの PyMC / ArviZ ベイズワークフロー | 2 |
26 · scholar |
統計アルゴリズムの設計 & ドキュメント化 | 17 |
31 · claude-code-skills |
Python のパネルデータ分析 | 13 |
39 · marginaleffects |
予測、スロープ & 比較（R / Python） | 1 |
40 · pyfixest |
Python での高速な固定効果推定 | 1 |
51 · CausalPy |
ベイズ準実験（PyMC Labs） | 3 |
55 · r-skills |
brms による R でのベイズ推論 |
8 |
61 · research-methods |
事前登録に対応した確証的検定 | 9 |
63 · scientific-agent-skills |
DoWhy の identify–estimate–refute フレームワーク | 2 |
64 · mcp-stata |
20 個の Stata 因果推論 & レプリケーションスキル | 20 |
📚 文献・読解 & 研究設計 — 課題からエビデンスベースへ
| コレクション | 何をするか | スキル数 |
|---|---|---|
02 · research-skills |
医用画像レビュー、研究提案、論文からスライド | 3 |
03 · scientific-skills |
仮説生成 + 28 の科学データベース | 4 |
05 · research-superpower |
体系的検索、スクリーニング & 引用トラバーサル | 10 |
25 · Diverga |
研究課題のリファイナー（モードコラプス対策） | 34 |
34 · research-companion |
研究の方向性をブレインストーム・評価・決定 | 1 |
35 · academic-writing-skills |
ベニュー対応の産業 AI 文献研究 | 5 |
36 · literature-review-skill |
文献レビューの全ワークフロー（中国語） | 1 |
52 · slr-prisma |
体系的文献レビュー、PRISMA 2020 | 1 |
53 · thematic-analysis |
Braun & Clarke の 6 段階質的テーマ分析 | 1 |
59 · openalex-skill |
OpenAlex 経由で 2.4 億+ の学術成果をクエリ | 1 |
60 · superpapers |
包括的な実証研究サポートスイート | 16 |
✍️ 執筆・編集 & 脱 AIGC — ドラフト、推敲、AI 検出の通過
| コレクション | 何をするか | スキル数 |
|---|---|---|
01 · academic-paper-skills |
アウトライン → 原稿執筆 + 7 次元の査読者シミュレーション | 2 |
04 · scientific-writer |
引用管理 + 科学的執筆 | 8 |
06 · stats-paper-writing |
エンドツーエンドの LaTeX 統計論文執筆 | 1 |
22 · christopherkenny-skills |
Quarto（.qmd）向けの APSA スタイルチェッカー |
11 |
27 · my_claude_skills |
経済学アブストラクトの執筆ガイド | 6 |
38 · academic-proofreader |
学術校正 | 1 |
44 · humanizer_academic |
医学/学術原稿の脱 AI 化（23 パターン） | 1 |
45 · deslop |
AI 文章パターンの除去（5 次元採点） | 1 |
46 · stop-slop |
3 層の AI 痕跡検出 & 書き換え | 1 |
47 · avoid-ai-writing |
監査 → 書き換え → 再監査の AI 痕跡対策（証跡付き） | 1 |
⭐ 48 · chinese-de-aigc 🇨🇳 |
CNKI / Wanfang / Turnitin-CN 向けの中国語脱 AIGC | 1 |
49 · humanize-chinese |
AI 生成の中国語テキストを検出・人間化 | 1 |
56 · econ-writing-skill |
50+ のトップガイドを統合した経済学執筆 | 1 |
58 · econstack |
政策ブリーフィングノート（UK GES / AU Treasury） | 7 |
65 · game-theory-paper-writer |
ゲーム理論論文の生成 & ストレステスト | 1 |
📑 引用・レプリケーション & 査読 — 検証可能で再現可能にする
| コレクション | 何をするか | スキル数 |
|---|---|---|
24 · academic-research-skills |
5 名の査読者による多視点論文レビュー | 4 |
28 · paper-replicate-agent |
論文レプリケーションエージェントのデモ | 11 |
29 · project20XXy |
再現可能な原稿 + ノートブックプロジェクト | 24 |
41 · sewage-econometrics-check |
10 項目チェックのレプリケーションパッケージ監査 | 22 |
54 · open-science-skills |
引用の整合性、DOI & 主張裏付けの監査 | 24 |
62 · citation-checker |
CrossRef / S2 / OpenAlex に対して引用を検証 | 1 |
🛠️ データ・ツール & インフラ — パイプラインを支える配管
| コレクション | 何をするか | スキル数 |
|---|---|---|
07 · AI-Research-SKILLs |
発表用 ML 図、LaTeX、引用検証 | 3 |
08 · latex-document-skill |
任意の LaTeX ドキュメントを作成 / コンパイルして PDF 化 | 1 |
12 · claude-code-my-workflow |
コミット → PR → マージの研究ワークフロー（Emory） | 22 |
17 · DAAF |
セキュリティ意識の高いエージェントフレームワーク（32 のディナイルール） | 35 |
32 · stata-skill |
高性能な Stata C/C++ プラグイン | 3 |
43 · research-plugins |
478 の研究プラグイン: データ可視化、ドメイン、インフラ | 478 |
57 · edgartools |
SEC 提出書類のクエリ & 分析 | 1 |
66 · empirical-research-skills |
大規模パネル向けの R パフォーマンス最適化 | 7 |
68 · research-productivity-skills |
論文検索、SSRN、DOI 照会、ダウンロード | 18 |
本 README の数字は常に正確で、混同を避けています。「vendored（取り込み済み）」とはファイルが本リポジトリ内に存在し、生成されたカタログで追跡されていることを指します。「カタログ化されたエコシステム」とは外部リポジトリへの精選されたリンクを指します。
| 内容 | 数 | 一次情報源 |
|---|---|---|
| 本リポジトリに取り込み済みでカタログ化されたスキル | 1,150 | catalog/skills.json |
| 取り込み済み コレクション（collections） | 69 | catalog/skills.json · 全 69 を一覧 ↑ |
| ファーストパーティ旗艦の全パイプラインスキル（StatsPAI DSL + 明示的な Python/Stata/R） | 4 | skills/00* |
| 毎回データから gold 値を再計算する数値ベンチマークタスク | 17 | benchmark/ |
| 挙動レベルの評価シナリオ / ルーブリック項目 | 30 / 159 | eval-harness/ |
| 元のベースラインのセキュリティ監査（コレクション / ファイル） | 52 / 2,940+、52/52 CLEAN | SECURITY-SCAN-REPORT.md |
| 広域エコシステムの精選マップ | 23,000+ スキル / 119 リポジトリ | 本 README · docs/SKILL_CATALOG.md |
ツールカタログ（tools/）: 因果/計量ライブラリ、自律研究エージェント、MCP サーバー、因果探索、ベンチマークデータセット |
334 ツール / 6 カテゴリ | tools/tools.json · tools/CATALOG.md |
セキュリティ監査が対象としたのは、元の **52 コレクション / 2,940 ファイルのベースライン（52/52 CLEAN）**です。そのベースライン以降に取り込まれたスキルは
catalog/provenance.json、docs/LICENSE_AUDIT.md、docs/SKILL_AUDIT.mdで追跡しています。高信頼が求められる文脈で利用する前にはmake auditを実行してください。
ここで最も説得力があるのは数字ではなく、旗艦パイプラインの挙動が API キーや有料モデルなしで検証できるという点です。必要なのは Python 3 だけです:
git clone https://github.com/brycewang-stanford/Auto-Empirical-Research-Skills.git
cd Auto-Empirical-Research-Skills
make check # repo validation + unit tests + eval lint + numeric benchmarkベンチマークが決定的です。これは実行のたびに生データセットから gold 答えを再計算するため、数字をハードコードして合格点を偽装することはできません。そのまま実行するだけで次を再現します:
- LaLonde (1986) / Dehejia–Wahba (1999) — 素朴な観察的比較は符号を間違える（−$635）。共変量調整を加えると正に反転し（≈ +$1,548）、実験ベンチマーク（≈ +$1,794）に近づきます。
- Card (1995) — IV による教育の収益率（0.131）は OLS（0.075）を上回り、第一段階 F 値（13.3）は隠さず報告されます。
- さらに staggered-DID（TWFE バイアス vs. group-time の真値）、シャープな RDD、そしてバッドコントロール / 処置後バイアスの罠も含まれます。
パイプラインが合格となるのは、罠を可視化し、誤解を招く数字を見出しに掲げることを拒み、再計算された真値に一致する場合のみです。benchmark/ と、完全な信頼性の概観 docs/TRUST.md を参照してください。
💡 ホスト型でエンドツーエンドが欲しいですか? 組み立ては不要です —— copaper.ai が実証パイプラインを代わりに実行します。本カタログと同じスタンフォードの方法論チームによって、並行して構築されています。
| 層 | アンカー | もたらすもの |
|---|---|---|
| 🏛️ 学術的系譜 | Stanford REAP / SCCEI — Stanford Center on China's Economy and Institutions | 実証経済学の方法論で継続的な出版実績を持ち、応用因果推論に深い伝統を備えた研究センター。 |
| 🔧 エンジニアリング実装 | CoPaper.AI — 実証研究 AI アシスタント | Supervisor + 4 サブエージェントのアーキテクチャの背後で 20 個の計量方法論スキル（DID / IV / RDD / PSM / DML …）を提供。一文のトリガー、自動で発表可能な出力。 |
| ⚙️ オープンソースエンジン | StatsPAI — 因果推論エンジン | 900+ 関数 · import statspai as sp の一行 · JOSS 投稿中 · MIT。 CoPaper.AI が生成するすべての DID / IV / RD / SCM 推定は StatsPAI によって駆動され、本カタログはそのエコシステムの一部です。 |
同一の 8 ステップ実証ループ — データクリーニング → 変数構築 → 記述統計 → 診断 → 推定 → 頑健性 → メカニズム/異質性 → 発表可能な表と図 — を並行して実装した 4 つのバージョンに、投稿および脱 AIGC のスタックを加えたものです。それぞれが**漸進的開示（progressive disclosure）**を採用しています。SKILL.md には標準呼び出しの薄い背骨だけを置き、ステップごとの詳細なリファレンスマニュアルは必要なときだけ読み込みます。これらは共存します。スタックとユースケースで選んでください。
| Skill | スタック | 最適な用途 |
|---|---|---|
| StatsPAI 🔥 | Agent-native Python DSL — 一つの sp.causal(...) でループを実行。900+ 関数、自己記述型 API、統一された CausalResult |
DSL を信頼できる場合に、エージェントの 1 呼び出しでパイプライン全体を自動化 |
| Full Empirical Analysis — Python 📘 | 明示的スタック: pandas · statsmodels · linearmodels · pyfixest · rdrobust · econml · causalml |
教育、レフェリーレベルの逐行監査、完全な制御を要する厳密なレプリケーション |
| Full Empirical Analysis — Stata 📊 | コミュニティ標準: reghdfe · ivreg2 · csdid · did_imputation · sdid · rdrobust · synth · psmatch2 · boottest · esttab |
レフェリーや共著者が Stata のレプリケーションパックを求める場合（AER/QJE/JPE/ReStud スタイル） |
| Full Empirical Analysis — R 📗 | モダンな tidyverse: fixest · did · synthdid · HonestDiD · rdrobust · grf · DoubleML · marginaleffects · Quarto |
単一の .qmd を一コマンドで PDF/HTML/Word にレンダリングする再現性レポート |
| AER-Skills 📕 | 9 スキル: トピックルーティング → 識別監査 → 頑健性 → イントロ → 表 → レプリケーション → 投稿 → R&R → オーケストレーター | トップ 5 経済学（AER / AER:Insights / AEJ）への投稿: 識別ファースト — 設計が脆弱なら、どんな文章でも救えない |
| chinese-de-aigc 🇨🇳 | 17 パターンの中国語 AI 痕跡ライブラリ、5 ステップの「特定→診断→書き換え→採点→レビュー」ループ | CNKI / Wanfang / VIP / Turnitin-Chinese 投稿向けの AI 文章シグナルの低減 |
| Paper-WorkFlow 🧭 | メタオーケストレーター: ステージ 0–9 — トピック → 設計 → データ → 推定 → 表/図 → ドラフト → 推敲 → 脱 AIGC → 模擬査読 → 投稿 — を、既存スキルと並列サブエージェントへディスパッチし、再開可能な workflow_state.json で連結 |
実証社会科学論文をエンドツーエンドで自動実行 |
なぜ DSL と明示的な移植版の両方が必要なのか? ワンショットの DSL を信頼するときは StatsPAI を。教育・監査・各診断を手作業で差し替えなければならないときは 00.1/00.2/00.3 を選んでください。AER-skills はそのうえで、正しい分析を採択ラインまで押し上げます —— これらは異なる問題を解決し、互いに組み合わさります。
以下の 3 つの図は、リポジトリにコミット済みの Card 教育収益率の再現デモ（StatsPAI パイプライン 1 回の実行: notebook・データ・表・再現パッケージ付き）からそのまま取ったものです。LaLonde の 4 スタック比較（Python/R/Stata/StatsPAI）は demo-notebooks/ にあります。
| 主要係数プロット | スペシフィケーション・カーブ | 感度ダッシュボード |
|---|---|---|
 |
 |
 |
🧪 エンドツーエンド再現の実証: 依存ゼロのコマンド 1 つで Card & Krueger (1994) の最低賃金 DiD を公式生データから再現 —— 波次平均は桁単位で一致、Table 4 の係数は完全一致、再現スコアラーの判定は PERFECT（3 段階すべて 100%）。
demo-notebooks/card-krueger-1994/を参照。
| 目標 | まずこれを |
|---|---|
| 完全な実証パイプラインを実行 | StatsPAI（または Python · Stata · R） |
| トップ 5 の識別戦略をまず監査 | aer-identification |
| AER / AEJ 投稿を準備 | aer-workflow |
| AEA 対応のレプリケーションパッケージを作成 | aer-replication |
| 中国語ドラフトの AI 文章シグナルを下げる | chinese-de-aigc |
さらなる入口:
- どのスキルか迷ったら? →
docs/CHOOSING_A_SKILL.md· ファセット検索:docs/search.html - 最初の 10 分、エンドツーエンド →
docs/GETTING_STARTED.md - 完全なワークフローをコピペ →
docs/GOLDEN_WORKFLOWS.md - ランタイムへのインストール / インストールせずに使う →
docs/INSTALL.md - 機械可読インデックス →
catalog/skills.json· タクソノミー:docs/TAXONOMY.md· 完全カタログ:docs/SKILL_CATALOG.md - FAQ →
docs/FAQ.md
公開スキルの数は容易に水増しでき、最近の研究は大規模なスキルインデックスがしばしば冗長で、時に安全でないことを示しています。AERS が競うのは検証可能な品質であって、生の数ではありません。以下の各層はすべて make check でローカルに、そして CI 上で実行されます。
| 層 | 何を捕捉するか | 場所 |
|---|---|---|
| 数値ベンチマーク | 実データから再計算された真値と一致しない報告数字 —— 素朴 DID の符号の罠、第一段階 F なしの弱 IV、staggered なタイミング下での TWFE バイアス、RDD のトレンド交絡、処置後のバッドコントロール、プールされた平均が隠す異質効果（CATE）、平均のみでは見逃す分位点効果、ローカルショックに交絡されたシフトシェア（Bartik）IV、媒介変数を統制して直接効果の符号が反転する罠、参照グループに依存する Oaxaca 分解、kink での超過質量を素朴密度が隠す bunching | benchmark/ · 17 タスク |
| 評価ハーネス | 文章レベルの失敗: 弱 IV の根拠なき安心、staggered-DID での TWFE 誤用、捏造引用、安全でない curl | bash セットアップ、多重検定の濫用、AER 準拠のギャップ |
eval-harness/ · 30 シナリオ / 159 ルーブリック項目 |
| セキュリティ監査 | pipe-to-shell、リバースシェル、認証情報の流出、13 のリスクカテゴリにわたるプロンプトインジェクション —— 6 フェーズ、40+ フックスクリプトを手作業でレビュー | SECURITY-SCAN-REPORT.md |
| 来歴とライセンス | 取り込まれていないソース、ライセンスリスク、1,150 個すべてのカタログ化スキルにわたる衛生のドリフト | docs/LICENSE_AUDIT.md · docs/SKILL_QUALITY.md |
| CI と互換性 | カタログの鮮度、ローカルリンク切れ、GitHub Actions ポリシー、Python 3.9 および 3.12 の構文フロア | .github/workflows/ · 6 ワークフロー |
make catalog # regenerate catalog, provenance, audit, enrichment
make validate # freshness + link / frontmatter checks
make check # full gate: validate + Python compile + unit tests + eval lint + benchmarkこの信頼の表面は必要条件であって十分条件ではありません —— 正規表現のルーブリックは文章を保証できず、小さなベンチマークはすべての設計を網羅できません。これは既知の高コストな誤りに対して素早く失敗するように作られています。誠実なスコープは docs/TRUST.md と docs/QUALITY_GATE.md を読んでください。
📚 完全な 69 コレクションのディレクトリ ↑ は本 README の冒頭にあります —— このセクションではエコシステムをテーマ別に掘り下げます。
Topic Ideation → Lit Search → Deep Reading → Research Design → Data Collection
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
01 02 03 01 04
Data Cleaning → Statistical Analysis → First Draft → Revision → Typesetting
│ │ │ │ │
▼ ▼ ▼ ▼ ▼
04 05 06 07 08
Replication → Submission → Peer Review Response → Defense
│ │ │ │
▼ ▼ ▼ ▼
09 10 10 10
段階別スキルノート（バイリンガル）: 01 選題と研究設計 · 02 文献レビュー · 03 論文読解 · 04 データと前処理 · 05 因果推論 · 06 執筆 · 07 改稿 · 08 引用とタイプセット · 09 レプリケーション · 10 査読対応
AERS が解消しようとする痛点: AI に「DID を回して」と頼むと、ベースライン回帰だけ出して止まる。「平行トレンドは?」と聞けば一つ足す。「プラセボは?」でまた一つ。毎回、歯磨き粉を絞り出すように。 スキルとはエージェントのための方法論プレイブックです。完全な DID とは 平行トレンド → ベースライン → 頑健性バッテリー → 異質性 → メカニズム を意味し、各ステップで出力が定義されていることを、すでに知っています。
学術研究 — 汎用的な研究スイート（K-Dense、AI-Research-SKILLs、claude-scholar など）
| スイート | Stars | スキル数 | 主な特徴 |
|---|---|---|---|
| K-Dense-AI/claude-scientific-skills | 8,799 | 140+ | 28+ の科学データベース（OpenAlex、PubMed）; scientific-writing + literature-review + statistical-analysis |
| Orchestra-Research/AI-Research-SKILLs | 3,637 | 87 | 22 カテゴリ、ML 論文執筆、LaTeX テンプレート、引用検証 |
| Imbad0202/academic-research-skills | ~1,790 | 複数 | 完全な論文パイプライン（research → write → review → revise → finalize）、スタイル較正、幻覚検出 |
| Galaxy-Dawn/claude-scholar | - | 25+ | 研究のフルライフサイクル: 構想 → レビュー → 実験 → 執筆 → 査読対応; Zotero MCP |
| luwill/research-skills | 209 | 3 | 研究提案の生成、医学レビュー執筆、論文からスライド、バイリンガル |
| lishix520/academic-paper-skills | 22 | 2 | Strategist（7 次元の査読者シミュレーション）+ Composer（体系的執筆） |
| Data-Wise/claude-plugins | - | 17 | 統計研究: arXiv 検索、DOI 照会、BibTeX、方法論執筆、レフェリー対応 |
経済学 / 因果推論 — ファーストパーティ旗艦 + コミュニティの Stata/IV/フィードバックスイート
ファーストパーティ旗艦（StatsPAI、Python、Stata、R、AER-skills）は上記で説明しています。コミュニティの補完:
| スイート | 主な特徴 | ユースケース |
|---|---|---|
| CoPaper.AI | 20 個の方法論スキル、Supervisor + 4 サブエージェント、スマートルーティング、自動出力 | 実証経済学のフルワークフロー、ホスト型 |
| claesbackman/AI-research-feedback | 2 エージェントのプレレビュー: 因果の過剰主張検出、識別評価（AER/QJE/JPE/Econometrica/REStud）; 6 エージェントのグラント審査 | 投稿前のセルフレビュー、グラント |
| fuhaoda/stats-paper-writing-agent-skills | LaTeX による統計論文執筆、フロントエンドのドラフト生成 | 統計学・計量経済学の論文 |
| dylantmoore/stata-skill | Stata の全カバレッジ: 構文、データ管理、計量経済学、因果推論、Mata、20+ パッケージ | Stata ユーザー |
| SepineTam/stata-mcp | LLM が MCP 経由で Stata 回帰を直接駆動 | Stata 計量経済学 |
| hanlulong/stata-mcp | Stata-MCP エディタ拡張（VS Code/Cursor/Antigravity）: .do を直接実行、ライブ出力、データ/グラフビューア; MIT · 414★（上記の SepineTam と同名だが別プロジェクト） |
エディタ内での Stata との AI ペアリング |
tmonk/mcp-stata · skills/64 に取り込み済み |
Stata MCP サーバー由来の 20 個の SKILL.md スキル: レプリケーション / データ監査 / 発表 QA / レガシーのモダナイズ / レフェリー対応 / パワー / 因果推論; AGPL-3.0（別ライセンスの集合体として保持、サーバーコードは取り込まず） | Stata のレプリケーションと頑健性監査 |
| PovertyAction/ipa-stata-template | IPA の再現可能な Stata 研究テンプレート + .claude/skills: 番号付きパイプライン、アサーションベースの防御的プログラミング、LaTeX 表; MIT |
開発経済学 / フィールド RCT のレプリケーション |
| lcrawfurd/claude-skills | 学術スキル: 論文 / コードレビュー、レフェリー、投稿前; code-review が Stata/R/Python のコーディング規約（DIME / Reif / AEA Data Editor）を符号化 | 投稿前レビューとコード監査 |
| AEADataEditor/replication-template | AEA Data Editor 公式のレプリケーションパッケージテンプレート（Stata 中心、REPLICATION.md）—— 再現性の「ゴールドスタンダード」 |
AEA / トップジャーナルのレプリケーションパッケージング |
金融 · 教育と公衆衛生 · 法律 · マーケティング · プロダクト · 汎用エージェント
金融と投資 — financial-services-plugins（Anthropic 公式）· OctagonAI/skills · tradermonty/claude-trading-skills · himself65/finance-skills · quant-sentiment-ai/claude-equity-research
教育と公衆衛生 — GarethManning/claude-education-skills · FreedomIntelligence/OpenClaw-Medical-Skills（869 の医学スキル: 疫学、サーベイランス、臨床研究、医薬品安全、生物統計）
ガバナンス、コンプライアンス、法律 — Claude-Skills-Governance-Risk-and-Compliance（ISO 27001 / SOC 2 / GDPR / HIPAA）· zubair-trabzada/ai-legal-claude · evolsb/claude-legal-skill
マーケティングと消費者行動 — coreyhaines31/marketingskills · zubair-trabzada/ai-marketing-claude · ericosiu/ai-marketing-skills
プロダクトと組織行動 — phuryn/pm-skills（100+ スキル）· mastepanoski/claude-skills（Nielsen ヒューリスティック、NIST AI RMF、ISO 42001）
汎用エージェント能力 — lyndonkl/claude（85 スキル + 6 オーケストレーター）· alirezarezvani/claude-skills（220+ スキル、~5,200★）· rohitg00/awesome-claude-code-toolkit · jeremylongshore/claude-code-plugins-plus-skills（1,367 スキル）· posit-dev/skills（Posit 公式）
2026 年で最も鋭い痛点の一つ: AIGC 検出（Turnitin、GPTZero、CNKI）を通過できない論文は即座にリジェクトされ得ます。以下のスキルは最も完成度の高いオープンソースソリューションです —— すべて MIT、すべてローカルにアーカイブ（
skills/44-48）。
| スイート | 主な特徴 | 最適な用途 | ローカル |
|---|---|---|---|
| chinese-de-aigc 🇨🇳 | CoPaper.AI によるオリジナルの中国語学術脱 AIGC; 17 パターンの中国語痕跡ライブラリ、5 ステップループ、セクション別戦略、5 次元採点。中国語学術の脱 AIGC に特化した唯一の GitHub スキル | CNKI / Wanfang / VIP / Turnitin-Chinese | 48 |
| matsuikentaro1/humanizer_academic | 学術特化; 23 の AI 文章パターン; 正当な学術的接続表現を保持 | 医学、生命科学、自然科学の論文 | 44 |
| stephenturner/skill-deslop | 正当な分野の慣習と AI 痕跡を区別; 5 次元採点 | 科学論文、技術ブログ | 45 |
| hardikpandya/stop-slop | 3 層検出 + 5 次元採点; 禁止フレーズ、構造的クリシェ、文ルール | 一般的な散文、ブログ、レポート | 46 |
| conorbronsdon/avoid-ai-writing | 構造化監査 + 書き換え + 2 回目の監査; 監査可能、追跡可能 | 証跡を必要とするワークフロー | 47 |
組み合わせ: 🇨🇳 中国語（CNKI/Wanfang/VIP）→ chinese-de-aigc · 🇬🇧 英語 → humanizer_academic · 監査証跡が必要 → avoid-ai-writing · 一般的な散文 → stop-slop。
上記のスキルとは異なり、
tools/はエージェント（または研究者）が実際に呼び出すソフトウェアとサービスをカタログ化したものです —— 構造化され、ライセンスとメンテナンスを意識し、make validateに組み込まれています。一次情報源:tools/tools.json; 閲覧可能なリスト:tools/CATALOG.md。
6 カテゴリにまたがる 335 ツール（2026-06 精選）:
- 因果推論 / 処置効果ライブラリ（32） — DoWhy · EconML · CausalML · DoubleML · CausalPy · causallib · grf · CATENets · TMLE ファミリー · メンデルランダム化 …
- 計量経済学 / 準実験ライブラリ（170） — パネル FE · DiD（モダン/staggered を含む）· イベントスタディ · RDD · IV · 合成コントロール/SDID · マッチング & ウェイティング · 感度分析（fixest · did · HonestDiD · rdrobust · synthdid · reghdfe · csdid · sdid · pyfixest · linearmodels …）; 加えて空間計量経済学（spdep · PySAL/spreg · GeoDa）、局所射影/IRF & (S)VAR（lpirfs · vars · svars）、調査ウェイティング/MRP/raking（survey · samplics · balance）、メタアナリシス（metafor · meta · netmeta · metan）—— R/Python/Stata/Julia にわたる。
- 自律研究 / データサイエンスエージェント（51） — エンドツーエンドの研究 & データ分析: AI-Scientist · data-to-paper · Agent Laboratory · RD-Agent · AI-Researcher · STORM · PaperQA2 · gpt-researcher · DeepAnalyze · MetaGPT (DI) · Biomni …（
⚠️ 非 OSI / LICENSE なしのリポジトリを含む —— 使用前に条件を確認）。 - MCP サーバー（48） — 統計実行（StatsPAI · stata-mcp · R/Jupyter MCP）+ データアクセス（FRED · World Bank · IMF · OECD · Eurostat · Census · BEA · BLS · SEC EDGAR · OpenAlex · Semantic Scholar · PubMed · Zotero · arXiv …）。
- 因果探索 / 構造学習（25） — causal-learn · Tetrad/py-tetrad · gCastle · CDT · tigramite (PCMCI) · LiNGAM · NOTEARS/DAGMA · pcalg · bnlearn · pgmpy …
- ベンチマーク & データセット（9） — causaldata · IHDP/Twins · ACIC コンペティションデータ · RealCause · JustCause · Tübingen cause-effect pairs · bnlearn ネットワークリポジトリ …
完全な解説: tools/README.md。
マルチエージェント協調システム — 論文改稿、自律研究、データサイエンスチーム
役割分離が単一エージェントに勝るのは、レビュアーがドラフト作成者から独立しているからです —— 同行評価（ピアレビュー）と同じ論理です。
論文改稿と執筆: copy-edit-master（3 サブエージェント、Strunk & White / McCloskey ルール）· introduction-writer（strategist → drafter → reviewer → reviser）· CoPaper.AI PaperAgent（Supervisor + 4 サブエージェント）。
自律研究とデータサイエンス: ruc-datalab/DeepAnalyze · business-science/ai-data-science-team · HKUDS/AI-Researcher（NeurIPS 2025 Spotlight）· wanshuiyin/ARIS · SamuelSchmidgall/AgentLaboratory（コスト 84% 削減）· SakanaAI/AI-Scientist-v2 · assafelovic/gpt-researcher · pedrohcgs/claude-code-my-workflow（Emory）。
学術データ MCP サーバー — OpenAlex、Semantic Scholar、FRED、World Bank、Zotero など
xingyulu23/Academix · Eclipse-Cj/paper-distill-mcp · oksure/openalex-research-mcp（2.4 億+ の作品）· openags/paper-search-mcp（20+ ソース）· lzinga/us-gov-open-data-mcp（40+ の米国政府 API）· stefanoamorelli/fred-mcp-server（FRED 80 万+ シリーズ）· llnOrmll/world-bank-data-mcp · 54yyyu/zotero-mcp
スキル集約プラットフォームと学習リソース
プラットフォーム: VoltAgent/awesome-agent-skills（1,000+）· sickn33/antigravity-awesome-skills（1,340+）· VoltAgent/awesome-openclaw-skills（5,400+）· skills.sh · ClawHub（13,729）· Anthropic 公式スキル。
学習: Claude Code Skills ガイド（PDF） · Agent Skills Standard · Causal Inference for the Brave and True · Awesome AI for Economists · Awesome Econ AI Stuff。
元の 52 スキルコレクション / 2,940+ ファイルは体系的な監査を通過しました —— 52/52 CLEAN、FLAGGED ゼロ: 悪意あるプロンプト、ウイルス、リバースシェル、プロンプトインジェクションは皆無。すべての「センシティブ」なヒットは、3 つの正当なカテゴリのいずれかとして検証されました: 防御的セキュリティルール、正当な学術 API 呼び出し（arXiv / CrossRef / PubMed / FRED / World Bank / OECD / BLS）、または標準的な Claude Code ワークフローフック（すべてローカルファイル操作、ネットワーク IO ゼロ）。
6 フェーズ、多層防御: 13 のリスクカテゴリにわたる自動 grep → 6 個のフックを持つスキルとその 40+ フックスクリプトの 100% 手動レビュー（どこにも Bash(*) ワイルドカードなし）→ 3 つの並列エージェントによるコンテンツ監査 → 補足的な完全性チェック（隠れた Unicode、エンコーディング異常、HTML インジェクション、ネットワーク import）。
重要な洞察: 最大 ≠ 最も危険。最大級のスキルはすべて通過しました; 17-DAAF はむしろセキュリティ意識の高い設計の基準を打ち立てています（14 個の防御フック + 32 のディナイルール + アクティブな認証情報スキャン）。
ベースライン以降に取り込まれた新規追加は catalog/provenance.json と docs/SKILL_AUDIT.md で追跡しています —— make audit を実行してください。完全なレポート: SECURITY-SCAN-REPORT.md。
物語形式の変更履歴は CHANGELOG.md に移動しました。最近のハイライト:
- 2026-07 — 初のタグ付きリリース v2026.07 を公開; 厳密性カバレッジマップを 16 の手法ファミリー全閉環に拡張（CATE、分位点効果、Bartik シフトシェア、因果媒介、Oaxaca 分解を追加 — 各ファミリーに評価シナリオと数値ベンチマークの両方）、ベンチマークは 16 タスク、評価ハーネスは 29 シナリオ / 159 ルーブリック項目に; 機械生成のリリーススナップショット、rigor カバレッジバッジ、6 言語 README 数値整合ゲートを導入。
- 2026-05 — AER-skills（トップ 5 経済学投稿スタック、9 スキル）を週次の上流同期付きで取り込み; 数値ベンチマークを 5 つの因果回復タスクに、評価ハーネスを 17 シナリオ / 95 ルーブリック項目に拡張。
- 2026-04 — 52/52 のセキュリティベースラインを完了; 4 つの全パイプライン旗艦（StatsPAI + 明示的な Python / Stata / R）を出荷; オリジナルの chinese-de-aigc スキルをローンチ。
- それ以前 — 43 コレクションから 119 リポジトリ / 23,000+ スキルの精選マップへ成長; バイリンガル README、学術データ MCP サーバー、マルチエージェントシステムを追加。
貢献を歓迎します —— CONTRIBUTING.md と docs/SKILL_SUBMISSION_GUIDE.md を参照してください。特に社会科学スキル（経済学、政治学、社会学、心理学、教育、公衆衛生）、新しい因果推論の実装、学術/政府データ向けの MCP サーバー、中国語フレンドリーなスキル、マルチエージェントのケーススタディを歓迎します。新規提出は、来歴監査のために ソース、ライセンス、カテゴリ を申告する必要があります。
AERS があなたの研究に役立ったら、ぜひ引用し（CITATION.cff）、リポジトリにスターを付けて、より多くの研究者が見つけられるようにしてください。
AI は増幅器であって代替物ではありません。重労働は AI が引き受け、核心となる判断はあなたが保ちます。
|
|
|
Stanford REAP × CoPaper.AI · 実証研究のための学術×産業 AI ツールキット
 copaper.ai にアクセス |
 WeChat: CoPaper.AI |
20 個の組み込み方法論スキル · 20 分で実証論文 · StatsPAI（900+ 関数、MIT）駆動
CoPaper.AI が運営、Stanford REAP / SCCEI でインキュベート · 実証研究のための AI アシスタント