Easy Stata Empirical 中文版
核心定位
用一个 Skill 入口组织 Agent 驱动的 Stata 实证分析工作流。机器负责批量执行、回归筛选、结果整理和可复现记录；研究者负责确定研究设计、批准每一阶段、判断最终规格，并亲自完成代码复现和数据复现。
这个 Skill 不替研究者作出论文结论，也不自动决定最终采用哪个规格。符号、显著性、星级和通过标记只是帮助研究者直观审阅结果，不取代研究判断。
输入要求
研究者应提供一张已经整理好、可以直接进入回归的分析数据表，并尽可能包含研究设计所需的：
- 候选解释变量
X； - 被解释变量
Y； - 控制变量及其变量族；
- 机制变量；
- 固定效应、聚类变量及其他必要标识。
大规模原始数据清洗、跨来源数据合并、研究问题定义和理论设计不属于本 Skill 的自动化范围。若数据或研究边界尚不明确，应先与研究者澄清，不得自行补全关键假设。
漏斗式工作流程
- 确认
workflow_root，并阅读 工作流与边界。 - 使用确定性脚本初始化缺失的 canonical 文件：
bash
python3 scripts/workflow_cli.py init \
--root <workflow_root> \
--template assets/templates/analysis_config.example.json
- 在当前对话中收集并确认研究者批准的边界，包括候选
X/Y、控制变量族、固定效应组合、模型、标准误、各阶段通过标准和机制变量池。同步维护intake_current.md与analysis_config.json，并阅读 canonical 配置说明。 - 先运行
validate，再运行expand，生成批准范围内的基准回归规格。任何方法歧义都必须先交由研究者确认。 - 执行大批量 baseline 基准回归。阅读 阶段契约，在 方法目录 中定位方法，并只加载当前任务需要的方法说明。项目特定的 Stata
.do代码由 Agent 编写。 - 完整呈现基准回归结果并暂停。只有经研究者审阅、确认保留的
combination_id才能进入 robustness 稳健性检验。 - 对批准组合执行稳健性检验，再次完整呈现结果并暂停。只有研究者再次确认的组合才能进入 mechanism 机制回归。
- 仅对批准组合和批准机制路径执行机制回归，形成通过 baseline、robustness 和 mechanism 的最终候选集合。
- 所有尝试都写入 history；使用
review生成便于人工审阅的标准结果，使用manifest记录 provenance。 - 由研究者判断最终论文规格，并亲自完成保留规格的代码复现和数据复现。
常用命令
python3 scripts/workflow_cli.py --help
python3 scripts/workflow_cli.py init --root <workflow_root> --template assets/templates/analysis_config.example.json
python3 scripts/workflow_cli.py validate --config <workflow_root>/analysis_config.json
python3 scripts/workflow_cli.py expand --config <workflow_root>/analysis_config.json --output <specifications.csv>
python3 scripts/workflow_cli.py review --help
python3 scripts/workflow_cli.py manifest --help
python3 scripts/workflow_cli.py validate-method --file <method-file>
在对话中重复实现机械操作之前，先阅读 Agent 与脚本的职责边界。Python 脚本负责初始化、配置校验、规格展开、稳定 ID、review 派生和文件哈希，以减少 Agent 重复编写同类逻辑的 token 消耗；变量语义、估计命令和项目特定 Stata 实现仍由 Agent 负责。
强制规则
- 始终保持
intake -> baseline -> robustness -> mechanism的阶段顺序。 - 不得扩大研究者已经批准的搜索空间。
- 必须保留并展示符号、显著性、星级和 pass 标记，但它们不能替代研究者判断。
- 不得修改输入数据，也不得删除工作流文件。
- history 必须保留失败、不显著和未通过的尝试。
- baseline 的
combination_id必须在后续阶段保持稳定。 - 项目特定的 Stata 建模代码继续由 Agent 编写，不强行套用万能代码模板。
- 执行前必须阅读 安全与可复现约束。只有
execution.allow_stata_run为true时才能运行 Stata。 - baseline 和 robustness 结束后必须等待人工选择；未经批准的组合不得进入下一阶段。
扩展实证方法
当用户希望贡献新的估计方法、识别设计、诊断或稳健性检验时：
- 使用 统一方法模板 编写方法说明；
- 将模块登记到 方法目录；
- 运行
python3 scripts/workflow_cli.py validate-method --file <method-file>； - 由具备相应方法知识的研究者审阅识别假设、Stata 实现和适用边界。
校验器只检查结构完整性和维护元数据。新增的 draft 方法只是候选指引，状态不代表普遍正确，也不保证适用于任何具体研究。
不适用的情形
- 尚无可直接回归的分析数据表；
- 核心变量、识别策略或研究边界尚未确定；
- 主要任务是原始数据的大规模清洗或合并；
- 用户要求机器自动选择论文规格、生成研究结论或跳过人工审批。
