Paper-WorkFlow

经管 / 社科实证论文的研究级 Workflow

idea → design → evidence → manuscript → submission pack

10 阶段 · 47 技能 · 2 道硬闸门 · 3 套分析后端 · 1 个可审计工作区

一图看懂 · 研究级标准 · 怎么用 · 产物清单 · English

你给一个研究方向，它交付一套可审计的实证论文工程。

_{从选题、数据、识别设计、估计、表图、写作、打磨、去 AI 味、模拟评审，到投稿包
—— 全部沉淀在一个可断点续跑、可审计的工作区里。}

_{Stanford REAP × CoPaper.AI · 面向实证研究的产学 AI 工具箱 · Paper-WorkFlow 是其中的论文总编排器}

一图看懂

一篇实证论文不是一段文字，而是一套工程：研究设计、数据 provenance、识别假设、估计脚本、表图、稿件、审稿回应和 replication package 必须互相咬合。 Paper-WorkFlow 是这套工程的总编排器——它不亲自做每一步，而是在对的时点、用对的上下文、在对的人类决策点，把既有 skill、并行 subagent 和方法证据闸门串成一条完整 workflow。

flowchart TD
    IDEA(["一句话研究 idea"]):::io
    IDEA --> A

    subgraph A ["① 构思 · CONCEIVE"]
      direction LR
      S1["<b>Stage 1 · 选题与设计</b><br/>idea-finder → novelty-check<br/>→ significance → proposal"]
    end

    subgraph B ["② 实证 · EVIDENCE"]
      direction LR
      S2["<b>Stage 2</b><br/>数据<br/>fetch + clean"] --> S3["<b>Stage 3</b><br/>识别与估计<br/>DiD/IV/RDD/SC…"] --> MG{"方法闸门<br/>design register · evidence bundle"} --> S4["<b>Stage 4</b><br/>表与图<br/>出版级 exhibits"]
    end

    subgraph C ["③ 成文 · COMPOSE"]
      direction LR
      S5["<b>Stage 5</b><br/>写作初稿<br/>main.tex"] --> S6["<b>Stage 6</b><br/>全流程打磨<br/>polish pipeline"] --> S7["<b>Stage 7</b><br/>去 AI 味<br/>de-slop"]
    end

    subgraph D ["④ 出门 · SUBMIT"]
      direction LR
      S8["<b>Stage 8</b><br/>模拟评审与修订<br/>referee + response"] --> S9["<b>Stage 9</b><br/>选刊与投稿<br/>shortlist + cover letter"]
    end

    A --> B --> C
    C --> QG{"初稿质量门<br/>7 维评分卡 · 达标才放行"}
    QG -.->|未达标 · 自动回炉| C
    QG ==>|达标 = 可投稿级初稿| D
    D --> PAPER(["可投稿全文 · main.tex + 投稿包"]):::io

    classDef io fill:#4F46E5,stroke:#312E81,color:#fff,font-weight:bold;
    classDef gate fill:#FFF7ED,stroke:#D97706,color:#7C2D12,font-weight:bold,stroke-width:2px;
    class MG,QG gate;
    style A fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A
    style B fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A
    style C fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A
    style D fill:#F8FAFC,stroke:#CBD5E1,color:#0F172A

Important

Stage 0（Intake & Setup）静默前置 — 建工作区、判入口、问档位、写状态文件，不打断你。 两道硬闸门 — Stage 3 后过方法闸门，Stage 7 后过初稿质量门：一个拦方法硬伤，一个拦稿件硬伤。任一不过，都按「短板 → 回退阶段」自动回炉。

从 30 页讲义整合到当前版本

原来的 PDF 讲义把这套系统讲成 8 个教学阶段：选题、设计、数据、估计、呈现、写作、评审、投稿。当前版本把这条教学主线升级成可执行的 Stage 0–9 协议：增加 Stage 0 的工作区与状态初始化，把估计后的方法闸门和初稿后的质量闸门写成硬约束，并把复现包、数据治理和最终交付写入 workflow_state.json。

讲义阶段	当前执行位置	核心问题	关键技能 / 产物
① 选题	Stage 1	问题是否有新意、重要、可识别	`econfin-idea-finder`、`novelty-check`、`significance-search` → 选题卡片
② 设计	Stage 1	因果问题、反事实、变异来源、目标期刊是否清楚	`econfin-proposal`、`journal-digest` → `proposal.md`
③ 数据	Stage 2	数据源、键、频率、清洗口径和估计样本是否可复跑	`data-fetcher`、`data-cleaning` → `clean.parquet`、`codebook.md`、`sample_audit.md`、数据日志
④ 估计	Stage 3	反事实从哪里来，样本/estimand、设计卡与最低诊断证据是否齐全	三后端分析路由：Python/StatsPAI（默认 MCP 优先）/ Stata `.do` / R `fixest`+Quarto + `did-analysis` 等 → `analysis_backend.md`、`sample_audit.md`、`design_register.md`、`method_gate.md`、`evidence_ledger.md`
⑤ 呈现	Stage 4	审稿人能否一眼读懂结果和识别直觉	按所选后端出 Word/Excel/LaTeX 三格式表 + PDF/PNG 图：StatsPAI / `esttab`+`outreg2` / `modelsummary`+Quarto
⑥ 写作	Stage 5–7	初稿是否结构完整、论证克制、引用真实、没有 AI 味	`paper-writer`、`paper-pipeline`、`readability` / `fix-chinese` → `main.tex`、质量评分卡
⑦ 评审	Stage 8	在投稿前先暴露识别威胁、稳健性缺口和叙事问题	`referee-report`、`paper-referee-revise` → 审稿意见、回应信、修订稿
⑧ 投稿	Stage 9	期刊是否匹配，格式和材料是否一次准备齐	`paper-submission`、`reference-verify` → journal shortlist、cover letter、投稿包

贯穿全程的横向能力包括 web-research / arxiv 查文献，stata / stats 做计量底座，reference-verify 核验引用，markitdown / md-to-docx 做文档互转。它们不是独立阶段，而是每个阶段的验证和转换工具。

为什么是「总编排器」，而不是又一个写作工具

普通 AI 写作工具	Paper-WorkFlow
帮你润色 / 续写某一段	帮你把整条流水线从选题跑到投稿
你得自己记得下一步该干嘛	用 `workflow_state.json` 记住进度，可断点续跑
一个大模型硬扛全部脏活	多代理 + 上下文保护：子代理写盘、只回传摘要，主代理上下文极省
容易在长任务里编造结果	真实优先：引用核验、数据取数、计量稳健性都交给可验证的工具
一路狂奔到底	失败会回退：平行趋势不过 / 弱工具 / 撞车，自动切备选并标红告知

核心纪律一句话：能调用就不要重写。流水线里每一步都调用既有成熟 skill，编排器只负责在对的时点把对的 skill 喂对的输入。

完整 Workflow 的三层架构

Paper-WorkFlow 不是单点写作助手，而是一个面向实证论文的研究操作系统：

层	负责什么	关键产物
Orchestration Layer	Stage 0–9 的入口路由、断点续跑、dashboard、handoff、subagent 派发、阶段闸门	`workflow_state.json`、`entry_routing.md`、`stage_passport.md`、`pipeline_status.md`、`handoff/`、`logs/stage_<N>.md`
Evidence Layer	数据、样本/estimand 审计、识别设计、分析后端、估计、稳健性、方法证据包、claim 证据治理	`analysis_backend.md`、`sample_audit.md`、`design_register.md`、`method_gate.md`、`evidence_ledger.md`、`main_results.json`、`robustness/`
Manuscript Layer	表图、初稿、打磨、去 AI 味、claim/citation 忠实度审计、模拟评审、投稿材料	`main.tex`、`quality_scorecard.md`、`claim_integrity_audit.md`、`response_letter.md`、`journal_shortlist.md`

research-grade-methods.md 把现代应用计量与因果推断的 reviewer 标准前置到 Stage 3：交错 DiD、RDD、Synthetic DiD、DML、EconML/DoubleML、GRF、DoWhy refuter、PyFixest、AEA replication policy 都按「何时用、要交付什么证据、失败怎么回退」接入 workflow。design-gate-cards.md 进一步把每种设计的 required artifacts、hard fail 和 claim 降级规则写成可填入 method_gate.md 的设计卡。

empirical-audit.md 把 Stage 2–3 之间最容易出事的样本/变量口径显性化：raw→clean→estimation sample 的流失、treated/control 数、treatment timing、missingness/balance/overlap、cluster/weights 必须写进 sample_audit.md，否则 Method Gate 不能放行。

Stage 3–4 现在先走 analysis-backends.md 的三语言路由：默认 Python/StatsPAI，也可切到 Stata（00.2-Full-empirical-analysis-skill_Stata，.do + reghdfe/ivreg2/csdid/esttab/outreg2）或 R（00.3-Full-empirical-analysis-skill_R，tidyverse + fixest/did/grf/modelsummary/Quarto）。默认 StatsPAI 路径见 statspai-analysis.md：MCP 做 agent-native 拍板 / 拟合 / 诊断 / 稳健性自检 / 取引用；需要出版级 bundle 时切 statspai 包。三种后端共享同一套 Method Gate，不因语言不同降低证据标准。

47 个技能如何被编排

PDF 讲义里的技能地图已经合并到当前 README：Paper-WorkFlow 自己只做编排，真正的研究动作来自母仓库 67-econfin-workflow-toolkit/ 等技能集合。

能力组	代表技能	在流水线里的位置
选题与设计	`econfin-idea-finder`、`novelty-check`、`significance-search`、`journal-digest`、`econfin-proposal`	Stage 1，把兴趣变成可执行 proposal
数据	`data-fetcher`、`data-cleaning`	Stage 2，把分散数据变成可审计主表
计量估计	Python/StatsPAI、Stata、R 三后端 + `ols-regression`、`panel-data`、`iv-estimation`、`did-analysis`、`rdd-analysis`、`synthetic-control`、`time-series`、`ml-causal`	Stage 3，按识别策略生成证据包
表与图	StatsPAI `regtable`/`collect`、Stata `esttab`/`outreg2`、R `modelsummary`/Quarto、`table`、`figure`	Stage 4，生成出版级 exhibits
写作与润色	`paper-writer`、`paper-style`、`paper-polish`、`paper-self-revise`、`paper-pipeline`、`readability`	Stage 5–7，从初稿到目标期刊风格
评审与引用	`referee-report`、`paper-referee-revise`、`reference-verify`	Stage 8 和终审，做模拟审稿、修订与引用核验
投稿	`paper-submission`	Stage 9，生成期刊清单、cover letter 与投稿材料
横向工具	`web-research`、`arxiv`、`agent-browser`、`markitdown`、`md-to-docx`、`fix-chinese`、`marp-slides-creator`、`chinese-ppt`	按需穿插，用于检索、转换、中文修订和展示材料

研究级标准

「跑完十个阶段」不等于「过得了顶刊 reviewer」。Paper-WorkFlow 用多道显式的研究级标准贯穿证据 → 写作 → 复现 → 投稿，让每一步都有可验收的门槛，而不是靠主代理自我感觉良好：

研究级标准	管什么（reviewer 会盯的）	在哪生效	标准文件
样本与 estimand 审计	样本流失、变量构造、missingness/balance/overlap、cluster/weights 是否支撑目标 estimand	Stage 2→3 · 方法闸门	`empirical-audit.md`
方法证据标准	识别设计注册、按方法的最低证据包、稳健性矩阵、复现脚本	Stage 3 · 方法闸门	`research-grade-methods.md`
设计风险总账	OVB、选择、bad controls、spillover/SUTVA、external validity、attrition、specification search 和选择性报告是否逐项关闭或降级	Stage 1/3/5/8 · 方法闸门/质量门	`design-risk-ledger.md` + `03_analysis/design_risk_ledger.md`
Claim 证据治理	manuscript claim 是否有 estimand、结果、稳健性、表图和脚本支撑；措辞是否超过设计卡允许等级	Stage 3→9 · 方法闸门/质量门/投稿终审	`design-gate-cards.md` + `00_meta/evidence_ledger.md`
Claim 忠实度审计	稿件里的数字、引用、因果措辞和 forbidden wording 是否忠实于 evidence ledger、源文献和项目估计	Stage 7→8 / Stage 9 · 质量门/投稿终审	`integrity-and-claim-audit.md` + `00_meta/claim_integrity_audit.md`
学者写作标准	引言五段公式、贡献锋利度、经济量级解读、目标期刊房风	Stage 1/5/6 · 质量门 ①④⑤	`writing-craft.md`
复现打包标准	data provenance、复现包 README、数据可得性声明、一键重跑	Stage 2→收尾 · 质量门 ⑦	`reproducibility-pack.md`
评审与投稿标准	模拟评审深度、逐条 response letter、选刊决策序、cover letter	Stage 8/9	`peer-review-and-submission.md`

证据为真、表达到位、可被复跑、投得专业，才是这条流水线对「研究级」的完整定义。两道硬闸门正是前三道标准的强制落地：方法闸门验识别与稳健，初稿质量门验写作与复现；投稿标准守住最后一公里。

外加多道深化层和一条可照抄的范例，把研究级标准压到「reviewer 真正会问的那几刀」上：

深化层	把哪一刀前置成作者自检	配合标准
识别威胁与审稿异议	坏控制 · 预趋势功效 · 弱工具 · 溢出…逐条「威胁 → 诊断 → 预防 → 回应」	方法证据
设计分支证据卡	DiD/IV/RDD/SC-SDID/Panel FE/DML-HTE 等逐卡列 required artifact、hard fail 与 claim 降级	方法证据 + Claim 治理
设计透明度与预分析	预分析计划 · 空结果报 MDE · 预趋势功效 + HonestDiD · 设定曲线 · 研究者自由度	方法 + 复现
文献检索与贡献定位	滚雪球 + 引用图找全文献 · 文献矩阵看 whitespace · 定位句式钉贡献	写作

还附一条端到端「黄金路径」示例：用「绿色信贷 → 企业创新」逐阶段演示每步产物、两道闸门如何触发、NOT PASS → 回退 → PASS 的完整循环。既给人看「跑完得到什么」，也给编排器当填空范本。

再加两条工程护栏 + 一组可复用 artifact 模板（9 项 · 点击展开）

把 workflow 从“会跑”压到“可移交、可审计”：

护栏	防什么	文件
数据治理与公开包边界	restricted/confidential/PII、IRB/DUA、许可证、DAS 与 archive boundary 漏写	`00_meta/data_governance.md`、`09_submission/DAS.md`
运行时退化路径	Skill/Agent/网络/MCP/Stata/R/Python/Zotero 缺失时假装验证成功	`logs/stage_<N>.md`、`workflow_state.json.decisions`
编排与断点交接	长任务靠聊天记忆续跑、阶段完成但没有 fresh evidence、并行 agent 接手时重做或覆盖	`00_meta/entry_routing.md`、`00_meta/stage_passport.md`、`00_meta/handoff/`、`workflow_state.json.orchestration`
Pipeline status dashboard	用户或并行 agent 问「现在到哪了」时重扫长日志	`00_meta/pipeline_status.md`、`workflow_state.json.orchestration.pipeline_status`
Design risk ledger	识别威胁、选择性报告、external validity、SUTVA/溢出或 attrition 风险没有逐项 artifact 和 claim consequence	`03_analysis/design_risk_ledger.md`、`workflow_state.json.design_risk`
Claim evidence ledger	摘要/引言/结果/cover letter 的 claim 没有对应数据、估计、表图、脚本或措辞越界	`00_meta/evidence_ledger.md`、`workflow_state.json.evidence_governance`
Claim integrity audit	引用存在但 claim 不忠实、数字漂移、因果措辞超过证据强度	`00_meta/claim_integrity_audit.md`、`workflow_state.json.integrity_audit`
SkillOpt-style 改进包	维护本 skill 时只凭训练样例或单次失败就大改说明文档	`templates/SKILLOPT_PACKET.md`、`scripts/check_skillopt_packet.py`
可复用 artifact 模板	每次临场自创 sample audit、design register、method gate、scorecard、REPLICATION、FINAL_REPORT	`templates/*.md`、`templates/run_all.sh`

你带什么进来，就从哪一站上车

不用每次都从头跑。Paper-WorkFlow 会根据你手头已有的东西自动选择入口：

你带来的	从哪进入
只有一句话想法 / 一个研究方向	Stage 1 · 完整走选题漏斗
一份成形的 proposal（X→M→Y、识别策略、样本）	Stage 2 · 直接取数
已清洗好的数据 + 设计	Stage 3 · 直接估计
已有回归结果 / 表图	Stage 5 · 直接写初稿
一份 `main.tex` 初稿	Stage 6 · 直接进打磨流水线
初稿 + 审稿意见	Stage 8 · 直接按意见修订
一份成稿要投稿	Stage 9 · 直接选刊

怎么用

Tip

带什么进来，就从哪一站上车 —— 在 Claude Code 里直接说触发语，把手头已有的东西告诉它即可。

/paper-workflow 我想做「绿色信贷政策对企业创新的影响」，目标期刊《经济研究》
/paper-workflow 这是我的计划书 ./proposal.md，帮我一条龙做到投稿
/paper-workflow 数据在 ./panel.csv，设计是 DiD，先把基准和稳健性跑出来
/paper-workflow 数据在 ./panel.dta，用 Stata 跑完整 .do 复现
/paper-workflow 数据在 ./panel.csv，用 R/fixest + modelsummary 跑
/paper-workflow 初稿在 ./paper/main.tex，从打磨开始

开跑前只问一次，四件套搞定（之后不再来回打断）：

选项	含义
`全自动`	无人值守，只在最终交付时汇报
`阶段确认`（推荐）	每阶段末给摘要卡，等你放行再进下一阶段
`全程交互`	每个子 skill 跑自己原生的逐项审批，投稿前终版用
`python-statspai` / `stata` / `r`	Stage 3–4 的分析后端；缺省 `python-statspai`

外加目标期刊、稿件语言（中 / 英 / 双语）与分析后端——一次问清，全程不卡。

跑完你会得到什么

运行后所有产物沉淀在 paper_workspace/<研究短名>_<时间戳>/，可打包、可复现、可断点续跑：

paper_workspace/<short>_<YYYYMMDD-HHMM>/
├── 00_meta/workflow_state.json      唯一权威进度文件（断点续跑依据）
│   ├── entry_routing.md             Stage 0 入口路由、材料清点与推断假设
│   ├── stage_passport.md            阶段产物台账：做到哪、证据在哪、返修轮次
│   ├── pipeline_status.md           紧凑 dashboard：当前状态、材料、checkpoint、下一步
│   ├── handoff/                     长任务/换 agent/阶段切换时的交接卡
│   ├── analysis_backend.md          Python/StatsPAI、Stata、R 后端选择与环境检查
│   ├── quality_scorecard.md         初稿质量门 7 维评分卡（放行/回炉判定）
│   ├── data_governance.md           数据分级、PII、IRB/DUA、公开包边界
│   ├── evidence_ledger.md           estimand→claim→data→estimate→exhibit→script 总账
│   └── claim_integrity_audit.md      claim/citation/number 忠实度审计
├── 01_proposal/proposal.md          定稿计划书：后续所有阶段的「合同」
├── 02_data/clean.parquet + codebook.md + sample_audit.md
├── 03_analysis/design_register.md   识别设计注册：estimand、假设、估计量、回退
│   ├── design_risk_ledger.md        识别威胁、选择性报告、外部效度与 SUTVA/attrition 风险总账
│   ├── method_gate.md               方法闸门：最低证据包是否齐全
│   └── results/ + robustness/
├── 04_results/*.{tex,docx,xlsx} + *.pdf/*.png  出版级表与图
├── 05_draft/main.tex + ref.bib      结构完整的初稿
├── 06_polish/  07_dehumanize/  08_review/  09_submission/
│   └── submission_checklist.md + DAS.md
├── REPLICATION.md + run_all.sh      复现包 README + 一键重跑入口
├── logs/  backups/                  审计轨迹 + 每阶段快照（回滚路径）
└── FINAL_REPORT.md                  复盘表 + 交付清单 + 一键重跑命令

含计划书、清洗后数据 + codebook、识别设计注册、设计风险总账、方法闸门报告、分析代码、出版级表图、main.tex + ref.bib、response letter、期刊清单 + cover letter、复现包 README / DAS，以及一份 FINAL_REPORT.md 全程复盘。

配套演示物料

仓库内保留一套开箱即用的教学 / 汇报物料：README 负责讲清楚整条工作流，Notebook 负责把其中「计量估计」这一步真正跑给观众看。原 30 页 PDF 讲义的 durable 内容已经整合进本 README，不再作为单独文件维护。

物料	内容	打开
工作流速读	8 个教学阶段 → `Stage 0–9` 执行协议、47 个技能地图、两道硬闸门、复现包要求	本 README
DiD 演示	6 个教学步骤 / 22 cells，一键跑通双重差分基准 + 事件研究 + 稳健性	`did_demo.ipynb`

Notebook 生成的图、表与结果资产均可重跑；演示用 PPTX / PDF 属于本地展示产物，不再入库。

DiD 教学焦点

PDF 里的 DiD 部分已压缩成这组自检点，并和 did_demo.ipynb 对齐：

主题	README / Notebook 里保留的要点
方法选型	先问处理如何分配：政策冲击走 DiD / 事件研究，阈值规则走 RDD，外生工具走 IV，单一处理单元走 SCM，观测性设计才走 Panel FE / OLS / ML。
2×2 DiD	`Treat × Post` 的系数是 ATT；面板设计优先用双向固定效应和按处理层级聚类的稳健标准误。
平行趋势	事件研究把单个 `Post` 拆成相对时间动态系数；处理前系数应接近 0，并配合 pre-trend joint test。
交错 DiD	处理时点交错且效应异质时不能无脑 TWFE；先做 Goodman-Bacon 分解，再考虑 Callaway-Sant'Anna、Sun-Abraham、BJS / imputation、`did_multiplegt` 等现代估计量。
稳健性	平行趋势、伪处理时点、伪处理组、替换对照组、交错偏误、聚类 / wild bootstrap、anticipation、spillover、dose response。
表图标准	回归表要有系数、聚类标准误、固定效应、样本量、显著性脚注；事件研究图要有 95% CI、相对时间、清楚的 0 线和题注。

DiD 演示一眼看懂


_{① 原始趋势 · 处理组与对照组处理前平行、处理后分叉}	_{② 事件研究 · 处理前系数 ≈ 0（平行趋势成立），处理后显著跳升}

基准回归（assets/did_table.tex）：处理效应稳健显著，加上双向固定效应后系数不变。

	(1) OLS	(2) TWFE
Treat × Post	`1.953***`	`1.953***`
	(0.083)	(0.087)
个体固定效应	No	Yes
年份固定效应	No	Yes
$N$	2,400	2,400

十条设计纪律

能调用就不要重写——编排器只在对的时点把对的 skill 喂对的输入，绝不复制其逻辑。
上下文保护优先——任何要灌大段文本回主代理的操作，一律改成「子代理写盘 + 回传摘要」。
真实优先，绝不编造——引用核验、数据来源、计量结论都以可验证的真实运行结果为准。
方法标签必须有证据包——DiD / IV / RDD / SDID / DML / causal forest 等必须通过 design_register.md + method_gate.md，缺最低诊断证据就不能写成主因果发现。
失败要回退而非硬写成功——平行趋势不过 / 弱工具 / 不显著时自动切备选，并在闸门标红。
人类决策点守在阶段闸门——定标题、定期刊、识别策略拍板、投稿前终审，必须经人放行。
调用要稳，不靠运气——子 skill 是仓库文件夹、不保证已注册；调用优先 Skill(<注册名>)，报 not found 就退回 Read <folder>/SKILL.md 内联执行，并把硬编码 Windows 输出路径的 skill 重定向进工作区。不让 subagent 凭记忆脑补子 skill。（细则见 skill 路由表 §0。）
「高质量」是可验收的闸门，不是口号——Stage 7 后强制过初稿质量门：独立 critic 按 7 维 rubric 打分，达标（每维 ≥7、总分 ≥56/70、识别·稳健·引用无致命红旗）才放行，不达标按映射自动回炉。让「高质量初稿」有阈值、可回退、可审计。（评分卡见 quality-rubric.md。）
复现包从第一天开始——Stage 2 起记录 data provenance、访问限制、随机种子与重跑成本；收尾必须有 REPLICATION.md、DAS（如需）和 master script，状态写进 replication_pack。
本 skill 自身的改动要过 SkillOpt-style 改进包——先有 rollout 证据，拆分 train / held-out selection，再做有界 patch；候选改动没有提高 held-out selection score 或回归检查失败，就不能接受。

仓库结构

展开完整目录树（SKILL · scripts · templates · references · assets）

Paper-WorkFlow/
├── SKILL.md                          # 总编排器（入口 · 完整执行协议）
├── README.md                         # 中文说明（已整合原 PDF 讲义要点）
├── README.en.md                      # English README（与中文版同步的最新版）
├── validate_skill.py                 # 本目录自检：模板、链接、workspace init、Notebook 结构
├── scripts/
│   ├── smoke_workspace.py            # 临时最小工作区 + 模板实例化 smoke test
│   ├── check_workspace_gates.py      # 运行期 Method/Quality/Replication gate 机械校验
│   └── check_skillopt_packet.py      # 维护期 SkillOpt-style 改进包机械校验
├── templates/                        # 关键 artifact 模板
│   ├── design_register.md
│   ├── design_risk_ledger.md
│   ├── analysis_backend.md
│   ├── sample_audit.md
│   ├── method_gate.md
│   ├── pipeline_status.md
│   ├── evidence_ledger.md
│   ├── claim_integrity_audit.md
│   ├── quality_scorecard.md
│   ├── data_governance.md
│   ├── DAS.md
│   ├── REPLICATION.md
│   ├── SKILLOPT_PACKET.md
│   ├── submission_checklist.md
│   ├── FINAL_REPORT.md
│   ├── entry_routing.md
│   ├── stage_passport.md
│   ├── pipeline_status.md
│   ├── handoff_card.md
│   ├── handoff_prompt.md
│   └── run_all.sh
├── references/
│   ├── stage-playbook.md             # 10 阶段逐阶段操作手册
│   ├── skill-map.md                  # 「任务 → 用哪个 skill」全量路由表
│   ├── worked-example.md             # 端到端「黄金路径」示例（含两道闸门触发 + 回退）
│   ├── research-grade-methods.md     # 现代因果推断 / 应用计量方法增强包 + 方法闸门
│   ├── design-risk-ledger.md         # 设计风险总账：识别威胁 · 选择性报告 · 外部效度 · SUTVA/attrition
│   ├── design-gate-cards.md          # 设计分支证据卡：required artifacts + hard fail + claim 降级
│   ├── empirical-audit.md            # 样本、变量与 estimand 对齐审计
│   ├── analysis-backends.md          # Stage 3–4 三语言后端：Python/StatsPAI、Stata、R
│   ├── statspai-analysis.md          # Stage 3–4 StatsPAI 引擎：MCP + 包、三模式、估计量路由、三格式出表、七块稳健性闸门
│   ├── threats-to-validity.md        # 识别威胁 × 审稿异议预案（坏控制 · 预趋势 · 弱工具）
│   ├── design-transparency.md        # 设计透明度：预分析 · 功效/MDE · 设定曲线 · 研究者自由度
│   ├── writing-craft.md              # 学者写作标准：引言公式 · 贡献锋利度 · 量级 · 房风
│   ├── literature-and-positioning.md # 文献检索与贡献定位：滚雪球 · 文献矩阵 · 定位句式
│   ├── reproducibility-pack.md       # 复现打包标准：provenance · 复现包 README · DAS
│   ├── peer-review-and-submission.md # 评审与投稿标准：模拟评审 · response · 选刊 · cover letter
│   ├── quality-rubric.md             # 初稿质量门 7 维评分卡（达标阈值 + 短板→回退映射）
│   ├── integrity-and-claim-audit.md  # claim/citation/number 忠实度审计
│   ├── data-governance.md            # 敏感/受限数据、IRB/DUA、DAS、公开包边界
│   ├── runtime-fallbacks.md          # 工具/网络/MCP/统计软件缺失时的退化路径
│   ├── orchestration-and-handoff.md  # Stage 0 路由、stage passport、fresh evidence、handoff
│   ├── skillopt-improvement-loop.md  # 维护本 skill 的 SkillOpt-style rollout/gate/update 协议
│   ├── subagent-templates.md         # subagent 派发模板（含上下文保护契约）
│   └── workspace-and-state.md        # 工作区布局 + 状态字段 + 子代理 I/O 约定
├── assets/
│   ├── init_workspace.sh             # 一键铺出工作区骨架（拒绝覆盖已存在路径）
│   ├── workflow_state.template.json  # 进度状态文件模板（v10：含 orchestration + pipeline_status + integrity_audit + design_risk + evidence_governance + empirical_audit + analysis_backend + method_gate + quality_gate + replication_pack）
│   ├── workflow.svg                  # 全流程流水线示意图
│   ├── did_table.tex                 # 演示 · DiD 基准回归表（OLS / TWFE）
│   ├── fig_event_study.png · fig_raw_trends.png   # 演示 · 事件研究 / 原始趋势图
│   └── copaper-logo.png · stanford-reap-logo.png · copaper-qrcode.png · copaper-wechat.jpg  # CoPaper.AI × Stanford REAP 品牌物料
│
│   —— 以下为配套演示物料 ——
└── did_demo.ipynb                    # DiD 快速演示 Notebook

进一步阅读（按需加载）：SKILL.md ｜阶段操作手册｜ skill 路由表｜研究级方法增强包｜设计风险总账｜设计分支证据卡｜样本与 estimand 审计｜三语言分析后端｜ StatsPAI 估计与出表引擎｜学者写作标准｜复现打包标准｜评审与投稿标准｜质量门评分卡｜ claim 忠实度审计｜ subagent 模板｜工作区与状态｜编排与断点交接｜端到端示例｜识别威胁与审稿异议｜设计透明度与预分析｜文献检索与定位｜数据治理｜运行时退化｜ SkillOpt-style 改进协议｜ artifact 模板

本地自检

维护或改造本 skill 后，先在本目录运行：

python3 validate_skill.py
python3 scripts/smoke_workspace.py
python3 scripts/check_skillopt_packet.py --selftest

它会检查本地 Markdown 链接、workflow_state schema、Stage 0 route/passport/pipeline-status/handoff 模板、claim integrity 模板、init_workspace.sh 的拒绝覆盖行为、核心资产、模板契约、最小工作区 smoke fixture、DiD Notebook 结构，以及 SkillOpt-style 改进包 checker 的自测。若本次维护有实际改进包，再跑 python3 scripts/check_skillopt_packet.py <packet>。母仓库发布前再从仓库根目录跑 make check。

关于母仓库

Paper-WorkFlow 是 Auto-Empirical-Research-Skills（一套面向经管 / 社科实证研究的 skill 合集，含 69 个编号集合）中的总编排器。它本身不内置任何被编排的子 skill，运行时按需调用母仓库 67-econfin-workflow-toolkit/ 等集合里的能力。

执行范式采用「多代理 + 上下文保护」：子代理自己写盘、只回传状态摘要，主代理只持有指针与状态。
编排范式来自 67-econfin-workflow-toolkit/paper-pipeline（固定顺序 + 断点续跑 + 交互档位）。
混合来源集合的再分发请各自核对其上游许可。

许可

本仓库（编排器 skill + 配套演示物料）以 MIT License 发布，可自由使用、修改、再分发。被编排的子 skill 不在本仓库内，运行时按需调用母仓库 Auto-Empirical-Research-Skills；那些混合来源集合的再分发，请各自核对其上游许可。

从一句话想法到可投稿全文

_{让流水线替你跑完中间那一百步。如果它帮到你，欢迎点个 ⭐ Star。}

_{Stanford REAP × CoPaper.AI · 面向实证研究的产学 AI 工具箱}

访问 copaper.ai

微信：CoPaper.AI

由 CoPaper.AI 维护，孵化于 Stanford REAP / SCCEI · 实证研究 AI 助手

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Repository files navigation

Paper-WorkFlow

一图看懂

从 30 页讲义整合到当前版本

为什么是「总编排器」，而不是又一个写作工具

完整 Workflow 的三层架构

47 个技能如何被编排

研究级标准

你带什么进来，就从哪一站上车

怎么用

跑完你会得到什么

配套演示物料

DiD 教学焦点

DiD 演示一眼看懂

十条设计纪律

仓库结构

本地自检

关于母仓库

许可

从一句话想法到可投稿全文

About

Uh oh!

Releases

Packages

Uh oh!

Contributors

Uh oh!

Languages

Name		Name	Last commit message	Last commit date
Latest commit History 109 Commits
_verification_log		_verification_log
assets		assets
evals		evals
references		references
scripts		scripts
templates		templates
worklogs		worklogs
.gitignore		.gitignore
CITATION.cff		CITATION.cff
LICENSE		LICENSE
README.en.md		README.en.md
README.md		README.md
SKILL.md		SKILL.md
did_demo.ipynb		did_demo.ipynb
validate_skill.py		validate_skill.py

Folders and files

Latest commit

History

Repository files navigation

Paper-WorkFlow

一图看懂

从 30 页讲义整合到当前版本

为什么是「总编排器」，而不是又一个写作工具

完整 Workflow 的三层架构

47 个技能如何被编排

研究级标准

你带什么进来，就从哪一站上车

怎么用

跑完你会得到什么

配套演示物料

DiD 教学焦点

DiD 演示一眼看懂

十条设计纪律

仓库结构

本地自检

关于母仓库

许可

从一句话想法到可投稿全文

About

Topics

Resources

License

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages