skill

AER-Skills

Agent skills that help you publish in the AER faster — identification-first empirics, AEA-compliant replication, Keith-Head intros, R&R rebuttals for AER / AER:Insights / AEJ. | 助你更快发表 AER 论文的 agent s

brycewang-stanford/AER-Skillscommunitylistedunreviewed

Use skill

Set up

Skills are installed by placing their folder where your agent loads skills.

Download ZIP from GitHub Open the repository

The download comes from github.com/brycewang-stanford/AER-Skills itself, not from our server, so what you get is exactly what its author published.

Install instructions come from the README

Skills do not use an MCP config. Follow the steps in the README below.

README

synced Oct 17, 2026

AER-Skills

简体中文 | English

面向 American Economic Review（AER）、AER: Insights 以及 AEJ 系列期刊的 agent skill 包：覆盖选题、文献定位、正文写作、识别策略、表图规范、投稿、模拟审稿、审稿回复的全流程。

本仓库是有立场的。它不是通用经济学写作工具箱，而是一套面向 top-5 经济学的 skill 栈：识别优先的实证、AEA 政策合规的复现包、Keith Head 风格的引言、AER 风格的 booktabs 表格、以及对编辑友好的 rebuttal 文体。

为什么需要单独的 AER skill 栈？

Top-5 经济学期刊的硬约束在生命科学类期刊中并不存在：

约束维度	AER	AER: Insights	含义
摘要字数	100 词	100 词	4-5 句话。卖结果，不卖动机。
正文长度	~40 排印页	≤ 7,000 词减每个 exhibit 200 词	行文要紧；5 个 exhibits 时上限为 6,000 词。
Desk rejection	高	~45%	前三页决定生死。
复现要求	强制	强制	AEA 数据与代码可用性政策有专人审核执行。
识别策略	因果、设计驱动	因果、设计驱动	TWFE、弱 IV、朴素 RDD 会被直接 desk-reject。
Cover letter	可选	可选	仅用于 COI 披露或数据访问限制说明。
Disclosure statements	必需	必需	每位合作者单独提交一份 PDF；即使没有冲突也要明说。

通用的 "scientific writing" skill（例如 Nature-Paper-Skills、nature-skills）通常覆盖不到这些约束。

与相邻项目的诚实对比

项目	定位	与 AER-Skills 的差异
Nature/generic writing skills	生命科学写作 skill 包	无 top-5 经济学硬约束；无机器强制的质量门
Econometrics-Agent 等动态计量 agent	运行时：选工具、跑代码	只覆盖"估计"一站；不管选题、文献、写作、审稿、投稿。AER-Skills 通过 `aer-statspai` 与这类引擎互补
open_deep_research 等深研 agent	通用研究综述	其 groundedness 评估思想在这里被落成硬门，但它不产出可投稿的经济学稿件
AER-Skills	从选题到 R&R 的全生命周期 skill 栈	每条设计原则都有对应的机器门：引用可验证、数值可复核、工具已验证、文档质量有下限，全部由 CI 强制（见质量记分卡）

快速上手

方式 A — Claude Code 插件（推荐）

# 添加 marketplace（一次性）
/plugin marketplace add https://github.com/brycewang-stanford/AER-Skills

# 安装插件
/plugin install aer-skills

# 重新加载
/reload-plugins

之后十五个 skill 会全部自动可用。

方式 B — 脚本安装

git clone https://github.com/brycewang-stanford/AER-Skills.git
cd AER-Skills

# Claude Code（用户级）
python3 scripts/install_skills.py claude

# 或 Codex
python3 scripts/install_skills.py codex

安装脚本会复制完整 skill 目录（含每个 skill 捆绑的 references/ 深度文件），核心指引安装后即自包含。更新已有安装时加 --replace，正式复制前可用 --dry-run 预览计划中的复制操作。如果还想用 skill 引用到的 templates/ 和 examples/ 资源，请保留这个 cloned repository。

第一个提示词

重启 agent 后：

用 aer-workflow 告诉我这篇稿子下一步该用哪个 skill。

更完整的安装说明见 docs/installation-claude.md 和 docs/installation-codex.md。

默认工作流

aer-topic-selection
    -> aer-literature
        -> aer-identification
            -> aer-robustness
                -> aer-paper-body
                    -> aer-introduction
                        -> aer-tables-figures
                            -> aer-consistency
                                -> aer-referee-sim   （循环直到 ≥ major R&R）
                                    -> aer-replication
                                        -> aer-submission
                                            -> aer-rebuttal

核心默认假设：

识别先于写作 — 设计有问题，写得再漂亮也救不回来
AER vs AER:Insights vs AEJ 是个选刊路由问题，要在写摘要之前先决定
先写正文再写引言 — 引言是对一篇已存在论文的总结，不是空头承诺
任何引用都不能凭记忆写 — 每条参考文献都必须对照抓取到的源记录核验
稿件必须先过自己的审稿人 — 一致性审计（aer-consistency）和对抗性模拟审稿（aer-referee-sim）是投稿前的硬门槛
复现包质量是论文的一部分，不是事后补的工作
审稿回复信永远针对修改后的稿件，绝不对着旧稿写

完整路线图见 docs/workflow-map.md。

全部 Skill

核心 — 全生命周期

Skill	用途
`aer-workflow`	路由总表 + 质量门。下一步该用哪个 skill 由它决定。
`aer-topic-selection`	Top-5 标准检测、新颖性审计、AER/Insights/AEJ 路由。
`aer-literature`	最近邻论文地图、定位策略、引用完整性协议 — 每条文献都核验，杜绝幻觉引用。
`aer-identification`	DiD（错时）、IV（弱 IV 稳健）、RDD、SCM、shift-share/Bartik。
`aer-preregistration`	实验/一手数据的事前门：预分析计划（PAP）、功效/最小可检测效应（MDE）定样本量、AEA RCT Registry 注册、预设 vs 探索性区分。
`aer-robustness`	稳健性、异质性、机制、安慰剂 — 提前回应审稿人。
`aer-paper-body`	正文各节写作 — 制度背景、数据、实证策略、"结论先行"的结果叙述、效应量解释、机制、结论。
`aer-introduction`	Keith Head 五段式引言公式 + 100 词摘要起草。
`aer-tables-figures`	AER booktabs 风格、`etable`/`estout`/`modelsummary`、figure notes。
`aer-consistency`	全稿完整性审计 — 正文数字对表格、样本漏斗、对数点换算、交叉引用、引用双向匹配；附可运行的 LaTeX 审计脚本。
`aer-referee-sim`	对抗性内部审稿 — desk screen + 三份校准过的审稿报告，按编辑量规打分；循环直到 ≥ major R&R。
`aer-replication`	AEA 数据与代码可用性政策、README、openICPSR。
`aer-submission`	格式预审、cover letter、长度审计、利益冲突声明。
`aer-rebuttal`	R&R 回复信、分类、让步 / 澄清 / 反驳的决策规则。

可选 — 实现引擎

在下方手写模板之外，再多给你一个跑实证的选择。

Skill	用途
`aer-statspai`	用 StatsPAI 跑分析 — agent 原生的统一 Python 引擎 + MCP server，覆盖 DiD / IV / RDD / SCM / DML、`audit_result` 稳健性、honest-DiD / Oster 敏感性，以及 `to_latex` / `to_docx` 表格导出。它负责执行设计；选哪种设计仍由 `aer-identification` 决定。

代码模板

为三套常见的实证经济学技术栈提供即插即用、版本意识清晰的脚本。每套模板都包含一个 master 脚本、一个 Callaway-Sant'Anna DiD 示例、一张 AER 风格的 booktabs 回归表，以及一个 README。

语言	技术栈	路径
Stata	`reghdfe`、`csdid`、`estout`、`bacondecomp`、`honestdid`	`templates/stata/`
R	`fixest`、`did`、`HonestDiD`、`modelsummary`、`fwildclusterboot`	`templates/r/`
Python	`pyfixest`、`differences`、`linearmodels`、`statsmodels`、`rdrobust`、`rddensity`	`templates/python/`

每套模板都强制：固定随机种子（20260101）、相对路径、包版本记录（或在技术栈支持时精确 pin）、AER booktabs 表格风格、矢量格式图件。

无需手工复制文件即可生成新项目：

python3 scripts/scaffold_project.py stata /path/to/new-project
python3 scripts/scaffold_project.py r /path/to/new-project
python3 scripts/scaffold_project.py python /path/to/new-project
python3 scripts/scaffold_project.py skeleton /path/to/new-replication-package

# 或使用 Make
make scaffold-stata DEST=/path/to/new-project

可用 --dry-run 预览计划中的复制操作。脚手架会拒绝仓库内部路径、模板源目录等受保护目标；请在本仓库之外创建论文项目。

校验

在把 skill 复制进 agent 配置或提交 PR 之前，先运行仓库检查：

make preflight
# 等价命令：python3 scripts/validate_repo.py

make preflight 还会对 staged 和 unstaged 的 git diff --check 做检查，排查空白和补丁卫生问题。校验器会检查 skill frontmatter、skill 目录结构、agent metadata、plugin manifest、本地 Markdown 链接、模板布局、Python 依赖的精确 pin 与 import 覆盖、安装与脚手架脚本行为、生成/缓存文件的排除，以及 Python/R/Stata 模板语法。当 Rscript 不可用时，R 语法检查会带告警跳过。CI 会安装 R，先运行 make preflight，再运行 make validate-strict — 后者在缺少可选工具时直接失败，而不是静默跳过。

可运行示例的 Monte Carlo 断言是可选的第二层 gate。安装 templates/python/requirements.txt 中的依赖（以及需要时的 R 包）后运行：

make smoke-examples
# 或：python3 scripts/run_example_smoke.py --strict-deps

默认模式会跳过缺少可选依赖的 demo；发布前用 --strict-deps，让任何缺失依赖或失败断言直接返回非零状态。

质量工具自身也被测试：make test 运行 tests/ 下的 272 个封闭单元测试（无网络、无重依赖），覆盖校验器、引用核验器、skill 审计器、冒烟运行器、脚手架与安装器。 make scorecard 重新生成质量记分卡；preflight 会在记分卡与实测状态漂移时失败。

make preflight 还运行引用完整性门（verify_citations.py --selftest）：用 gold set 离线核验，确保 references.bib 与其录制的 Crossref/OpenAlex 元数据一致——把"任何引用都不能凭记忆写"从原则变成可复跑的检查。对照线上索引核验用 make verify-citations-online，对草稿做 \cite ↔ bib 双向核验用 --manuscript。详见引用完整性协议。

示例

以经典 AER 及相邻 top-5 论文为依托的实操示例。完整索引见 examples/README.md。

文件	展示什么
`examples/end-to-end-walkthrough.md`	从这里开始 — 同一篇虚构论文走完全部 12 个工作流步骤：每一步用哪个 skill、过哪道门、留下什么产物，并把其余示例串成一条完整路线
`examples/aer-exemplars.md`	经典论文（Card-Krueger、AJR、ADH、Dell、Chetty-Hendren、Abadie、BDGK、Karlan-List …）逐一映射到各 skill，附 openICPSR / Dataverse 链接
`examples/modern-aer-exemplars.md`	30+ 篇近期（2018-2025）论文，按 13 个子领域组织 — Labor、Public、Development、Trade、Macro、IO、Health、Environment、Urban、Education、Finance、Political Economy、Social Networks — 外加现代识别方法工具箱，每篇都带 deposit 链接
`examples/intro-example.md`	完整的 Keith Head 五段式引言 + 97 词摘要，并附一个"不该这么写"的反例
`examples/results-section-example.md`	同一篇虚构论文的正文写作示范 — 样本漏斗、"结论先行"的结果段落、效应量三重换算、back-of-envelope 测算、按渠道组织的机制分析，外加"逐列念表格"反例
`examples/rebuttal-example.md`	完整 R&R 回复：cover letter + 编辑 + 3 位审稿人，演示让步 / 澄清 / 反驳 / 拒绝四种处理
`examples/referee-report-example.md`	完整的内部模拟审稿 — desk screen、三份不同立场的对抗性报告、按量规打分的编辑综合意见、按 skill 路由的修改清单 — 在投稿前抓出虚构作者后来花一整轮 R&R 才修掉的问题
`examples/replication-package-skeleton/`	可直接 deposit 的目录骨架，含 AEA 合规 README 模板、master 脚本和 globals 文件 — openICPSR 投稿的即用起点
`examples/staggered-did-demo/`	可运行的 Python/R 模拟：错时处理下 naive TWFE 为什么会失败
`examples/iv-weak-instrument-demo/`	可运行的 Python 模拟：弱工具变量下传统 2SLS 推断与 Anderson-Rubin 推断对比
`examples/rdd-polynomial-demo/`	可运行的 Python 模拟：高阶 global-polynomial RDD 为什么不安全
`examples/synthetic-control-demo/`	可运行的 Python 模拟：合成控制法的推断来自 placebo-in-space 置换分布，而非肉眼可见的事前拟合
`examples/shift-share-demo/`	可运行的 Python 模拟：shift-share/Bartik 推断应落在 shock（行业）层面而非地区层面——地区聚类标准误会过度拒绝
`examples/few-clusters-demo/`	可运行的 Python 模拟：聚类数较少时聚类稳健 t 检验会过度拒绝，wild cluster bootstrap 可恢复名义检验水平
`examples/multiple-testing-demo/`	可运行的 Python 模拟：检验多个结果变量会抬高族系误差率，Bonferroni/Holm 校正可在保留功效的同时将其控制住
`examples/spec-curve-demo/`	可运行的 Python 模拟：只报告某个"偏好"设定会误导，规格曲线置换检验才是诚实的联合推断
`examples/oster-ovb-demo/`	可运行的 Python 模拟：系数稳定本身并不能排除遗漏变量偏误，必须用 R² 变动来缩放（Oster δ）
`examples/honest-did-demo/`	可运行的 Python 模拟：看似平坦的事前趋势会让朴素平行趋势 CI 欠覆盖，honest DiD 相对幅度边界可恢复覆盖
`examples/dml-plr-demo/`	可运行的 Python 模拟：灵活的 ML 预测本身不是因果推断——非正交 plug-in 以可推知的因子持续衰减，DML 正交化 + 交叉拟合恢复真值且覆盖率诚实
`examples/randomization-inference-demo/`	可运行的 Python 模拟：小样本高杠杆实验里稳健标准误 t 检验会过度拒绝，Fisher 随机化检验尺寸精确且保留功效
`examples/qte-demo/`	可运行的 Python 模拟：均值效应为零也可能掩盖大幅分布效应——分位数处理效应复原解析 QTE 曲线，OLS 什么都看不见
`examples/lp-did-demo/`	可运行的 Python 模拟：错时采纳 + 异质动态下合并 TWFE 事件研究被污染，LP-DiD 用干净对照恢复真实动态路径
`examples/bunching-demo/`	可运行的 Python 模拟：税收 kink 处的超额质量如何识别收入弹性（Saez），含 oracle/可行反事实对比与两个证伪世界
`examples/matrix-completion-demo/`	可运行的 Python 模拟：交互固定效应下 DiD 存在结构性偏差，低秩矩阵补全插补恢复真值——并演示秩敏感性这一失效模式
`examples/sun-abraham-demo/`	可运行的 Python 模拟：异质动态下朴素动态 TWFE 事件研究是被污染的跨队列混合，Sun-Abraham 交互加权估计量在单个饱和回归内恢复真实动态路径
`examples/lee-bounds-demo/`	可运行的 Python 模拟：差异性流失（differential attrition）破坏点识别，Lee (2009) 修剪边界给出"始终被观测"子总体效应的有效区间——正确答案是一个区间而非一个数
`examples/sensitivity-rv-demo/`	可运行的 Python 模拟：系数稳定并不能约束遗漏变量偏误，Cinelli-Hazlett 稳健值（robustness value）报告混淆因子需达到的偏 R² 才能推翻结论
`examples/power-mde-demo/`	可运行的 Python 模拟：解析最小可检测效应恰好是目标功效对应的效应量，功效不足的设计会夸大它侥幸检出的估计（Type-M 夸大）

设计哲学

识别驱动，不是叙事驱动。 写文章之前先把研究设计决定下来并压力测试通过。
一篇论文只讲一个贡献。 AER 编辑会枪毙"合格但常规的扩展"；围绕一个最锋利的主张重写。
跨领域可读性是硬筛选。 一篇 labor 文章必须能让 public、macro、IO 经济学家也读懂，否则 desk-reject。
用现代计量，不要用 1990 年代的默认值。 TWFE → Callaway-Sant'Anna；first-stage F → Anderson-Rubin；朴素 RDD → 协变量调整的 local linear。
任何引用都不能凭记忆写。 每条参考文献都对照抓取到的源记录核验；每句"X 发现了 Y"都对照原文检查。
稿件必须先过自己的审稿人。 投稿前必须通过全稿一致性审计（aer-consistency）和对抗性模拟审稿（aer-referee-sim）。
复现包是论文的一部分。 README 跑不通就是 AEA Data Editor 卡你的理由。
编辑的时间是最稀缺资源。 Cover letter ≤ 200 词。回复信先引用 comment、再说 action、再标出修改后的位置。

完整论述见 docs/design-principles.md。

关键参考文档：

Roadmap — "全网第一自动实证 repo" 的操作性定义与月度冲刺计划
Quality scorecard — 机器生成的全门通过状态一页汇总（make scorecard 重新生成，preflight 防漂移）
Academic Research Skills reference review — 本轮参考外部 ARS 仓库后的取舍与本地改动记录
Desk-rejection audit — 从编辑/审稿人视角做的投稿前 no-go 检查
Methods reference — 估计量默认值、诊断、包调用，以及 BibTeX key
Methods coverage matrix — 每个方法到"可运行 demo × skill × 参考文献 × StatsPAI 工具"的一页映射
Style guide — 经济学论文的句子与段落级文风规则，外加 AI 痕迹清除清单
Referee report rubric — aer-referee-sim 使用的 0-5 锚定评分维度与校准的 verdict 映射
SkillOpt evaluation protocol — 用固定场景和 gate 约束 skill 优化补丁
PNAS Nexus publication plan — 审稿人式审计与一周合规改进计划
PNAS Nexus submission checklist — 稿件、数据、代码和图件的证据驱动终审清单
Source register — AEA 官方政策来源，以及 repo 中依赖这些政策的表面
Glossary — 期刊、识别、复现、回复信术语的共享词表

仓库结构

AER-Skills/
├── README.md               (中文，主入口)
├── README.en.md            (英文，完整版)
├── LICENSE                 (MIT)
├── CHANGELOG.md            (版本历史)
├── CITATION.cff            (软件引用元数据)
├── Makefile                (校验、测试与安装快捷命令)
├── CONTRIBUTING.md         (并发 agent 工作流)
├── .github/
│   └── workflows/ci.yml    (结构校验 + 单元测试 + demo 数值冒烟)
├── .claude-plugin/
│   ├── plugin.json         (插件清单)
│   └── marketplace.json    (Claude Code marketplace 条目)
├── docs/
│   ├── academic-research-skills-review.md
│   ├── citation-integrity-protocol.md
│   ├── desk-rejection-audit.md
│   ├── design-principles.md
│   ├── glossary.md
│   ├── installation-claude.md
│   ├── installation-codex.md
│   ├── launch-kit/             (发布宣发材料包)
│   ├── methods-reference.md
│   ├── methods-coverage-matrix.md
│   ├── pnas-nexus-publication-plan.md
│   ├── pnas-nexus-submission-checklist.md
│   ├── quality-scorecard.md    (机器生成的门状态汇总)
│   ├── referee-report-rubric.md
│   ├── roadmap.md              (月度冲刺路线图)
│   ├── source-register.md
│   ├── style-guide.md
│   └── workflow-map.md
├── skills/                 (15 个 skill 目录 — SKILL.md + agents/openai.yaml)
│   ├── aer-workflow/
│   ├── aer-topic-selection/
│   ├── aer-literature/
│   ├── aer-identification/
│   ├── aer-preregistration/
│   ├── aer-robustness/
│   ├── aer-paper-body/
│   ├── aer-introduction/
│   ├── aer-tables-figures/
│   ├── aer-consistency/    (附 scripts/audit_manuscript.py)
│   ├── aer-referee-sim/
│   ├── aer-replication/
│   ├── aer-submission/
│   ├── aer-rebuttal/
│   └── aer-statspai/       (可选实现引擎)
├── templates/              (即插即用流水线，三种语言都有)
│   ├── stata/
│   ├── r/
│   └── python/
├── scripts/
│   ├── install_skills.py
│   ├── quality_scorecard.py    (记分卡生成器 + 漂移门)
│   ├── run_example_smoke.py    (demo 数值冒烟门)
│   ├── run_skillopt_gate.py    (SkillOpt 路由门)
│   ├── scaffold_project.py
│   ├── skill_audit.py          (SkillOpt 文档质量审计)
│   ├── validate_repo.py
│   ├── verify_citations.py     (引用完整性核验器)
│   └── citation_gold/          (离线 gold set + 录制的索引响应)
├── tests/                  (质量工具的单元测试，make test)
└── examples/
    ├── end-to-end-walkthrough.md
    ├── aer-exemplars.md
    ├── intro-example.md
    ├── rebuttal-example.md
    ├── dml-plr-demo/           (以及其余 19 个可运行 demo)
    └── replication-package-skeleton/
        ├── data/codebook/source-register.md
        ├── docs/exhibit-register.md
        └── docs/claim-evidence-ledger.csv

适用 / 不适用

适用：

American Economic Review（长文，≤ 40 页）
American Economic Review: Insights（短文，≤ 7,000 词减每个 exhibit 200 词；5 个 exhibits 时 ≤ 6,000 词）
American Economic Journal 系列（Applied / Policy / Macro / Micro）
实证或理论经济学稿件
田野实验（含 AEA RCT Registry 流程）

不适用：

金融三大刊工具箱（JF / JFE / RFS 有自己的规范）
纯理论栈（没有证明撰写助手）
通用 "academic writing" 库

致谢

Skill 架构参考自 Boom5426/Nature-Paper-Skills 与 Yuan1z0825/nature-skills。方法论提炼自 Keith Head、Marc F. Bellemare、Susan Athey、Berk-Harvey-Hirshleifer、AEA Data Editor's Office 以及 Annual Review of Economics 的公开资料。

协议

MIT。

AER-Skills

Set up

README

AER-Skills

最近升级

为什么需要单独的 AER skill 栈？

与相邻项目的诚实对比

快速上手

方式 A — Claude Code 插件（推荐）

方式 B — 脚本安装

第一个提示词

默认工作流

全部 Skill

核心 — 全生命周期

可选 — 实现引擎

代码模板

校验

示例

设计哲学

仓库结构

适用 / 不适用

致谢

协议