🔬 一个 idea 要变成能收数据的实验程序，得先学 Python 或 JavaScript 或 MATLAB。
📦 实验室祖传代码换台电脑就崩，没人说得清依赖、没人改得动逻辑。
📊 统计方法靠习惯选——"大家都用 ANOVA"，审稿人一句质疑就得从头再来。
🔁 分析结果只有自己跑得出来，换个环境换个随机种子结论可能就变了。
✂️ 做实验和做分析的经常是两拨人——收完数据才发现设计时根本没想好怎么分析。
第一道：实验编程。 想验证一个假设，得先把实验写出来。PsychoPy 的 Builder 不够灵活，Coder 要学 Python；jsPsych 要学 JavaScript 和 timeline 逻辑；Psychtoolbox 要学 MATLAB 和帧同步。光是搞清楚"RT 从哪一屏开始算""按键映射怎么不反""数据怎么存崩了不丢"就要花几周。一个 idea 从脑子里到能跑起来，中间耗掉的时间比设计实验本身还长。
第二道：数据分析。 数据收回来了，该用什么统计方法？被试内设计用配对 t 还是混合模型？准确率接近天花板 ANOVA 还能用吗？审稿人问"为什么用这个方法"时怎么回答？代码换了台电脑还能不能跑出一样的结果？
这些不是能力问题，是缺少合适的工具。写代码和做分析应该让研究更顺利，不应该成为卡住你的地方。
不需要你会 Python，不需要你懂统计，你只需要把实验想法和数据交给它——它会引导你一步步确认设计、生成代码、完成审计。最终拿到的代码打开就能跑，分析结果期刊审稿人也挑不出毛病。
Amazing PsyCoder 把实验编程和数据分析的经验编码进了 7 个技能——1 个编排器加 6 个子技能。遵循 agentskills.io 开放标准，支持 Claude Code / Codex / Hermes / OpenClaw。
把时间还给研究本身。
- 🎓 正在或准备写实验代码的心理学本科生、研究生
- 🧠 做认知、行为、社会心理实验的研究者
- 😵💫 在 RT、随机化、条件表上反复踩坑，希望实验代码有质量保障
- 📊 收完数据不确定该用什么统计方法，希望有系统化分析方案
- 🐍 PsychoPy · 🌐 jsPsych · 🧮 Psychtoolbox / MATLAB 用户
在 AI 对话中直接输入对应平台的命令：
Claude Code
Install Amazing PsyCoder for me: https://github.com/soupandpsy/amazing-psycoder-skills
Codex
$skill-installer
输入仓库地址：https://github.com/soupandpsy/amazing-psycoder-skills
Hermes
hermes skills install https://github.com/soupandpsy/amazing-psycoder-skills
OpenClaw
npm i -g clawhub && clawhub install amazing-psycoder
安装后输入 /amazing-psycoder 即可启动。
终端安装（所有平台通用）
git clone https://github.com/soupandpsy/amazing-psycoder-skills
cd amazing-psycoder-skills/amazing-psycoder
./install.sh # 自动检测平台并安装
# 或手动指定: ./install.sh claude | codex | hermes | openclaw安装后输入 /amazing-psycoder，直接描述你想做什么：
"我要做一个 Stroop 任务，红绿蓝三色，按键反应" → 自动进入实验设计
"帮我分析 Stroop 数据，一致和不一致 RT 有没有差异" → 自动进入分析设计
不需要指定用哪个技能——编排器根据你的需求自动判断。之后 skill 会一步步引导你：确认设计、选择方法、生成代码、审计检查。你只需要回答它提出的问题。
下面是实验编程和数据分析的详细介绍，每个部分末尾都有完整的交互 Demo。
从想法到可采集数据的实验代码，分三步走——设计、生成、审计。
| # | 技能 | 功能 |
|---|---|---|
| ① | 设计编排 psy-exp-designer |
将实验想法转化为完整设计规范，5 阶段渐进确认，生成试次窗口时间线图 |
| ② | 代码生成 psy-exp-coder |
从设计规范生成可运行实验代码，自动拦截 time.sleep() 等常见错误 |
| ③ | 代码审计 psy-exp-reviewer |
检查 → 修复 → 再检查，直到 0 Critical + 0 Major 才交付 |
| 平台 | 特点 |
|---|---|
| 🐍 PsychoPy | Python 生态，USB HID 硬件时间戳，毫秒级 RT 精度。本地实验室首选 |
| 🌐 jsPsych | JavaScript 生态，浏览器即运行，无需安装。在线实验首选 |
| 🧮 Psychtoolbox | MATLAB 生态，GPU 级帧精确控制。时序精度要求极致时首选 |
38 个范式，每个按统一元逻辑整理：何时使用 → 核心逻辑 → 必须确认 → 不要假设 → 试次窗口时间线 → 条件表 → 数据分析 → 变体与参考。
| 类别 | 范式 |
|---|---|
| 🎯 注意与抑制控制 | Stroop · Eriksen Flanker · Simon · Go/No-go · Stop-signal · ANT · Posner Cuing · Visual Search · Dot-probe · Navon · CPT · Antisaccade |
| 🧠 记忆与工作记忆 | N-back · Sternberg · Corsi Blocks · Change Detection · Drag and Drop |
| 🔄 执行功能与认知灵活性 | Task Switching · WCST · Choice RT |
| 👥 社会认知与情绪 | Cyberball · Climate Reflection · Phone a Friend · Rating · Priming · IAT · EAST |
| 💰 决策与奖励 | BART · Delay Discounting · Rating to Choice · Ultimatum Game |
| 👁️ 感知与心理物理 | Psychophysics Staircase · Multisensory Nature · Mental Rotation |
| 🌱 发展与个体差异 | Children Flanker · Bilingual Stroop · Numerical Stroop · Writing Distraction |
"我要做一个 Stroop，红绿蓝三色文字，按键判断墨色，50:50 一致不一致，2 block 各 60 试次"
用户 ❯ 我要做一个 Stroop 任务
Amazing PsyCoder ❯ 🟢 Phase 1/5 · 诊断
范式 Stroop · 确认使用 PsychoPy？
用户 ❯ 对，PsychoPy。
Amazing PsyCoder ❯ 🟢 Phase 2/5 · 试次窗口 + 反应规则（最关键）
墨色红绿蓝 → f=红 j=绿 k=蓝。试次时间线：
Window 1: 注视点 Window 2: 刺激呈现 Window 3: 空屏等待
┌──────────────────────┐ ┌──────────────────────┐ ┌──────────────────────┐
│ │ │ │ │ │
│ + │ → │ 红色"绿" │ → │ │
│ │ │ │ │ │
└──────────────────────┘ └──────────────────────┘ └──────────────────────┘
500ms 2000ms 500ms
无反应 f / j / k 无反应
← RT起点
Window 4: 反馈
┌──────────────────────┐
│ │
│ 正确! │
│ │
└──────────────────────┘
1000ms
无反应
Gate 1 ✅ 窗口完整、反应映射已确认
用户 ❯ 时间线和按键没问题。ITI 400-800ms 随机。
Amazing PsyCoder ❯ 🟢 Phase 3/5 · 条件表
一致:不一致 = 60:60 → 120 试次条件表已生成。Gate 2 ✅
Amazing PsyCoder ❯ 🟢 Phase 4/5 · Block 结构
2 blocks × 60 trials · 反馈仅练习 block。Gate 3 ✅
Amazing PsyCoder ❯ 🟢 Phase 5/5 · 最终审查
┌──────────────────────────────────────────────┐
│ 设计决策注册表 │
│ 范式 Stroop · 平台 PsychoPy ← 用户确认 │
│ 按键 f/j/k · 一致:不一致 50:50 ← 用户确认 │
│ ITI 400-800ms 随机 ← 用户确认 │
│ 试次时间线 4 窗口 ← 范式惯例 │
└──────────────────────────────────────────────┘
Gate 5 ✅ 全部确认 → 路由至代码生成
用户 ❯ 生成。
Amazing PsyCoder ❯ ✅ stroop_task.py + README.md 已生成
参数置顶 · CJK 字体已配置 · 增量保存 → 自动路由至审计
Amazing PsyCoder ❯ 🔍 第 1 轮审计 · 发现 0 个问题
审计通过 · 就绪标签：ready_for_collection
可开始数据采集。
（如有问题，修复后进入第 2 轮，直到通过）
数据收回来后，同样分三步走——设计分析方案、生成代码、审计可重复性。
| # | 技能 | 功能 |
|---|---|---|
| ④ | 分析设计 psy-ana-designer |
从科学问题出发设计分析方案，12 维度比较选择最优统计方法 |
| ⑤ | 分析代码 psy-ana-coder |
从分析方案生成 R 或 Python 可重复分析脚本 |
| ⑥ | 分析审计 psy-ana-reviewer |
检查 → 修复 → 再检查，直到 0 Critical + 0 Major 才交付 |
| 平台 | 特点 |
|---|---|
| 📊 R | 统计计算标准。tidyverse + lme4 + ggplot2 + RMarkdown。学术出版首选 |
| 🐍 Python | 通用科学计算。pandas + statsmodels + seaborn + Jupyter。可重复分析 |
60 种分析方法，48 种图表类型。每个方法选择经过 12 维度对比：统计效力 · 假阳性控制 · 数据利用率 · 异常值敏感度 · 假设鲁棒性 · 可解释性 · 领域接受度 · 效应量可比性 · 可重复性 · 可扩展性 · 样本量约束 · 计算可实现性。
| 类别 | 方法举例 |
|---|---|
| 均值比较 | 配对/独立 t 检验、被试内/间 ANOVA、混合 ANOVA、ANCOVA、MANOVA |
| 混合模型 | 线性混合模型（LMM）、逻辑混合模型（GLMM）、Gamma GLMM、交叉随机效应 |
| 中介调节 | 中介分析、调节分析、有调节的中介、结构方程模型 |
| 回归与纵向 | 多元回归、分位数回归、增长曲线、交叉滞后面板、时间序列 |
| 相关与分类 | Pearson/Spearman 相关、重复测量相关、卡方检验、典型相关 |
| 非参与稳健 | Wilcoxon、Friedman、置换检验、Bootstrap、稳健回归 |
| 贝叶斯 | 贝叶斯 t 检验、贝叶斯 ANOVA、贝叶斯混合模型 |
| 测量与量表 | 信度分析（α/ω/ICC）、探索性/验证性因子分析、多维标度法 |
| 信号检测与诊断 | d'、ROC 曲线、心理测量函数 |
| RT 与决策建模 | Ex-Gaussian 分布、漂移扩散模型（DDM） |
| 元分析与效力 | 元分析、效力分析、等效性检验 |
| 专项方法 | 多重插补、LASSO/Ridge、网络分析、聚类分析、潜在类别分析 |
"帮我分析 Stroop 数据，一致和不一致条件的 RT 有没有显著差异"
用户 ❯ 帮我分析 Stroop 数据，一致和不一致 RT 有没有差异
Amazing PsyCoder ❯ 🟢 Phase 1/5 · 理解实验与科学问题
请提供实验 config 或描述实验设计
用户 ❯ 被试内，IV: condition(一致/不一致)，DV: rt+acc。30 被试
Amazing PsyCoder ❯ 🟢 Phase 2/5 · 理解数据结构
数据怎么存的？每被试一个文件还是汇总？
用户 ❯ 每被试一个 CSV，命名 sub-001_stroop.csv
列: subject_id, condition, rt, acc, trial
Amazing PsyCoder ❯ 已确认：30 被试 × 每被试 1 文件。Gate 2 ✅
Amazing PsyCoder ❯ 🟢 Phase 3/5 · 数据特点 + 匹配方法（核心阶段）
RT 有右偏吗？准确率有没有接近天花板？
用户 ❯ RT 有点右偏，准确率大概 95%
Amazing PsyCoder ❯ 准确率接近天花板 → glmer(binomial) 做 acc 分析
对 RT，12 维度比较 A vs B：
┌────────────┬─────────────────┬─────────────────┐
│ 维度 │ A: 配对 t 检验 │ B: 线性混合模型 │
├────────────┼─────────────────┼─────────────────┤
│ 统计效力 │ 30 点（被试均值）│ 1800 点（全试次）│
│ 数据利用率 │ 每被试压缩为 1 点│ 全部试次参与 │
│ 可扩展性 │ 加协变量需重做 │ 公式加 + 即可 │
│ 可解释性 │ d=0.5 人人懂 │ 需解释随机效应 │
└────────────┴─────────────────┴─────────────────┘
侧重效力和可扩展 → 选 B。侧重简单 → 选 A。
用户 ❯ 选 B
Amazing PsyCoder ❯ Gate 3 ✅ 方法已选（附 12 维度比较理由）
Amazing PsyCoder ❯ 🟢 Phase 4/5 · 分析细节
清洗: RT 150-2000ms · 正确试次 · 被试 acc<60% 排除
· ±2.5 SD 试次排除 · 图表: 雨云图+个体连线 ⚠️
用户 ❯ 确认
Amazing PsyCoder ❯ 🟢 Phase 5/5 · 最终审查
┌──────────────────────────────────────────────┐
│ 分析决策注册表 │
│ 科学问题: 一致 vs 不一致 RT ← 用户确认 │
│ 方法: lmer (用户选 B) ← 用户确认 │
│ RT 150-2000ms · 被试 acc<60% ← 默认 ⚠️ │
│ 图表: 雨云图 + 个体连线 ← 默认 ⚠️ │
└──────────────────────────────────────────────┘
Gate 5 ✅ 保存 analysis_config.yaml → 路由至代码生成
用户 ❯ 生成。
Amazing PsyCoder ❯ ✅ analysis.R + report.Rmd 已生成
Config 驱动 · 10 项质量门 · 12 步脚本结构 → 路由至审计
Amazing PsyCoder ❯ 🔍 第 1 轮审计 · 发现 0 个问题
审计通过 · 就绪标签：ready_for_publication
（如有问题，修复后进入第 2 轮，直到通过）
amazing-psycoder-skills/
├── amazing-psycoder/ ← 编排器（系统入口，v1.3）
│ ├── SKILL.md · PLATFORMS.md · install.sh
│ │
│ │ # 🧪 实验编程
│ ├── psy-exp-designer/ ← ① 实验设计（5 阶段 + 38 范式 + 9 参考文件）
│ ├── psy-exp-coder/ ← ② 实验代码生成（PsychoPy/jsPsych/Psychtoolbox）
│ └── psy-exp-reviewer/ ← ③ 实验审计（5 模式 + 烟雾测试 + 恢复循环）
│ │
│ │ # 📊 数据分析
│ ├── psy-ana-designer/ ← ④ 分析设计（5 阶段 + 60 方法 + 48 图表）
│ ├── psy-ana-coder/ ← ⑤ 分析代码生成（R/Python 双平台）
│ └── psy-ana-reviewer/ ← ⑥ 分析审计（4 模式 + 摄入协议 + 恢复循环）
│
├── docs/ ← 多语言 README（简/繁/英/日/德/法）
└── README.md
💡 有想法或建议？欢迎来信 tangdingyi04@outlook.com
🪄 Made by soupandpsy · MIT License