要点小结

面向经管学生、研究者与从业者的 AI 智能体设计教材

作者

李学恒、林建浩、严翊歆

发布于

2026-05-11

八阶段流水线加四件套的整体地图，在各节里已被逐块走过：规则基座（21.2）、数据管线（21.3）、因果识别与估计（21.4）、稳健性与产出自动化（21.5）、学术诚信与复现合规（21.6）、端到端案例（21.7）。这一节把这些组件拼回到一个端到端的视图里，让读者带着完整的项目骨架离开本章。

本章把经济学实证研究的八阶段工作流——从研究问题与识别假设到复现包组织——落到 Claude Code 的四件套上：CLAUDE.md 提供规则基座，Skills 承载可复用的能力单元，子代理负责任务分工，Hooks 把关键节点变成强制 HITL 检查点。末节的最低工资 DID 案例把这四件套串成一条可跑闭环，读者拿到项目骨架就能迁移到自己的研究问题。

核心组件汇总

本章在最低工资 DID 案例中完整用到的组件如下。

组件	数量	职责	对应章节
`CLAUDE.md`	1	路径规范、版本锁定、随机种子、变量命名、聚类约定、许可声明、AI 披露	21.2、21.7
`.claude/rules/` 规则文件	3	`data-processing.md` 规定清洗准则；`regression-spec.md` 规定固定效应与聚类默认；`output-format.md` 规定表图格式	21.2
Skills	4	`did-estimate` 跑主回归（完整展示）；另有 `data-clean`、`robustness`、`replication-pack` 三个 Skill 分别负责面板构建、稳健性矩阵和 AEA 复现包	21.3、21.4、21.5、21.7
子代理	3	`reviewer-agent` 做对抗式核查（完整展示）；另有 `dataprep-agent` 做数据、`estimator-agent` 跑回归	21.5、21.7
Hooks	3 类	`PreToolUse (Write)` 拦截未含 `set seed` 的 do 文件；`PostToolUse (Edit/Write)` 扫描 `vce()` 是否声明；`Stop` 在主回归完成后强制审阅	21.5、21.6

这些组件不是孤立存在的。CLAUDE.md 为 Skills 提供默认参数，Skills 被子代理调用，子代理在 Hooks 监听下工作，整条链路由研究者在关键节点的判断串起来。

从研究问题到复现包的闭环

整个工作流的各节点与智能体归属如下。标注 HITL 的节点必须由研究者亲自判断，不由任何子代理替代。

flowchart LR
    A[研究问题<br>HITL] --> B[数据拉取<br>dataprep-agent]
    B --> C[清洗建面板<br>data-clean Skill]
    C --> D[样本规则<br>HITL]
    D --> E[主回归<br>did-estimate Skill]
    E --> F[规范确认<br>HITL]
    F --> G[稳健性矩阵<br>robustness Skill]
    G --> H[审阅<br>reviewer-agent]
    H --> I[结论措辞<br>HITL]
    I --> J[复现包<br>replication-pack Skill]

flowchart LR
    A[研究问题<br>HITL] --> B[数据拉取<br>dataprep-agent]
    B --> C[清洗建面板<br>data-clean Skill]
    C --> D[样本规则<br>HITL]
    D --> E[主回归<br>did-estimate Skill]
    E --> F[规范确认<br>HITL]
    F --> G[稳健性矩阵<br>robustness Skill]
    G --> H[审阅<br>reviewer-agent]
    H --> I[结论措辞<br>HITL]
    I --> J[复现包<br>replication-pack Skill]

整条链路由五个 HITL 节点切分为六段自动化子任务。研究者判断完识别假设，数据拉取和清洗自动执行；研究者确认完样本规则，主回归自动运行；研究者确认完主回归规范，稳健性矩阵自动展开；审阅子代理给出报告，研究者判断结论措辞；最后复现包自动打包。

用户只做两件事

这一整条链路里，研究者亲手做的事实际上只有两件：研究设计（识别策略、样本边界、稳健性矩阵维度的选择）和结论解读（系数是否符合经济逻辑、稳健性是否足以支撑论点、最终论文怎么写）。夹在这两端之间的数据清洗、脚本编写、表格排版、稳健性矩阵执行、格式核查，全部自动化。

这个分工的核心价值是把研究者从机械执行里解放出来。过去一个博士生可能花一整周去配齐 36 格稳健性矩阵，现在 40 分钟就能跑完，节省出的时间用在判断”哪些稳健性检验真正回应审稿人关切”这件更重要的事上。AI 不是在替代研究者，而是让研究者的判断力覆盖更大的工作量。

迁移到其他子领域

本章的案例以劳动经济学为场景，但整个四件套框架不局限于 DID。四个主要经济学子领域的迁移对照如下。

子领域	典型方法	迁移差异
金融实证	事件研究法 (Event Study)	`did-estimate` 换为 `event-study` Skill，以 `eventstudy2` 或 `did_imputation` 为底层命令；CLAUDE.md 加入 CRSP/Compustat 的本地化路径规范
发展经济学	RCT / IV	Skill 拆分为 `balance-check`（处理与控制组平衡）+ `iv-estimate`（首阶段 F 统计量 + Hansen J 检验）；子代理需要覆盖弱工具变量诊断
公共经济学	财政转移 RDD	Skill 以 `rdrobust` 为核心，加入 `bandwidth-choice` 子 Skill 让 AI 跑 CCT 最优带宽并输出敏感性曲线；HITL 节点多一个”带宽选择是否合理”的检查
环境经济学	排放 IV / 合成控制	稳健性矩阵维度变为”工具变量集 × 样本 × 估计量”；`sdid` 常作为主回归之一，不只做稳健性；数据许可风险较高（EPA 微观数据）

迁移时只需替换三个位置：CLAUDE.md 的变量命名约定与许可声明、Skills 中的具体 Stata 命令、稳健性矩阵的维度定义。dataprep-agent / estimator-agent / reviewer-agent 三个子代理的分工逻辑几乎不用改。

本章核心信念

AI 把研究者从机械执行里解放出来，让判断力得以专注在真正难的问题上——识别策略是否站得住、样本边界是否合理、结论在哪些维度上稳健。Skills 可以跑遍矩阵，子代理可以核查格式，Hooks 可以拦截遗漏，但”研究问题是否值得做”、“结论是否可信”这两个最上游和最下游的判断，永远留给人。

--- title: "要点小结" --- 八阶段流水线加四件套的整体地图，在各节里已被逐块走过：规则基座（21.2）、数据管线（21.3）、因果识别与估计（21.4）、稳健性与产出自动化（21.5）、学术诚信与复现合规（21.6）、端到端案例（21.7）。这一节把这些组件拼回到一个端到端的视图里，让读者带着完整的项目骨架离开本章。本章把经济学实证研究的八阶段工作流——从研究问题与识别假设到复现包组织——落到 Claude Code 的四件套上：`CLAUDE.md` 提供规则基座，Skills 承载可复用的能力单元，子代理负责任务分工，Hooks 把关键节点变成强制 HITL 检查点。末节的最低工资 DID 案例把这四件套串成一条可跑闭环，读者拿到项目骨架就能迁移到自己的研究问题。 ## 核心组件汇总本章在最低工资 DID 案例中完整用到的组件如下。 | 组件 | 数量 | 职责 | 对应章节 | |:---|:---:|:---|:---:| | `CLAUDE.md` | 1 | 路径规范、版本锁定、随机种子、变量命名、聚类约定、许可声明、AI 披露 | 21.2、21.7 | | `.claude/rules/` 规则文件 | 3 | `data-processing.md` 规定清洗准则；`regression-spec.md` 规定固定效应与聚类默认；`output-format.md` 规定表图格式 | 21.2 | | Skills | 4 | `did-estimate` 跑主回归（完整展示）；另有 `data-clean`、`robustness`、`replication-pack` 三个 Skill 分别负责面板构建、稳健性矩阵和 AEA 复现包 | 21.3、21.4、21.5、21.7 | | 子代理 | 3 | `reviewer-agent` 做对抗式核查（完整展示）；另有 `dataprep-agent` 做数据、`estimator-agent` 跑回归 | 21.5、21.7 | | Hooks | 3 类 | `PreToolUse (Write)` 拦截未含 `set seed` 的 do 文件；`PostToolUse (Edit/Write)` 扫描 `vce()` 是否声明；`Stop` 在主回归完成后强制审阅 | 21.5、21.6 | 这些组件不是孤立存在的。`CLAUDE.md` 为 Skills 提供默认参数，Skills 被子代理调用，子代理在 Hooks 监听下工作，整条链路由研究者在关键节点的判断串起来。 ## 从研究问题到复现包的闭环整个工作流的各节点与智能体归属如下。标注 HITL 的节点必须由研究者亲自判断，不由任何子代理替代。 ```{mermaid} flowchart LR A[研究问题 HITL] --> B[数据拉取 dataprep-agent] B --> C[清洗建面板 data-clean Skill] C --> D[样本规则 HITL] D --> E[主回归 did-estimate Skill] E --> F[规范确认 HITL] F --> G[稳健性矩阵 robustness Skill] G --> H[审阅 reviewer-agent] H --> I[结论措辞 HITL] I --> J[复现包 replication-pack Skill] ``` 整条链路由五个 HITL 节点切分为六段自动化子任务。研究者判断完识别假设，数据拉取和清洗自动执行；研究者确认完样本规则，主回归自动运行；研究者确认完主回归规范，稳健性矩阵自动展开；审阅子代理给出报告，研究者判断结论措辞；最后复现包自动打包。 ## 用户只做两件事这一整条链路里，研究者亲手做的事实际上只有两件：**研究设计**（识别策略、样本边界、稳健性矩阵维度的选择）和**结论解读**（系数是否符合经济逻辑、稳健性是否足以支撑论点、最终论文怎么写）。夹在这两端之间的数据清洗、脚本编写、表格排版、稳健性矩阵执行、格式核查，全部自动化。这个分工的核心价值是把研究者从机械执行里解放出来。过去一个博士生可能花一整周去配齐 36 格稳健性矩阵，现在 40 分钟就能跑完，节省出的时间用在判断"哪些稳健性检验真正回应审稿人关切"这件更重要的事上。AI 不是在替代研究者，而是让研究者的判断力覆盖更大的工作量。 ## 迁移到其他子领域本章的案例以劳动经济学为场景，但整个四件套框架不局限于 DID。四个主要经济学子领域的迁移对照如下。 | 子领域 | 典型方法 | 迁移差异 | |:---|:---|:---| | 金融实证 | 事件研究法 (Event Study) | `did-estimate` 换为 `event-study` Skill，以 `eventstudy2` 或 `did_imputation` 为底层命令；CLAUDE.md 加入 CRSP/Compustat 的本地化路径规范 | | 发展经济学 | RCT / IV | Skill 拆分为 `balance-check`（处理与控制组平衡）+ `iv-estimate`（首阶段 F 统计量 + Hansen J 检验）；子代理需要覆盖弱工具变量诊断 | | 公共经济学 | 财政转移 RDD | Skill 以 `rdrobust` 为核心，加入 `bandwidth-choice` 子 Skill 让 AI 跑 CCT 最优带宽并输出敏感性曲线；HITL 节点多一个"带宽选择是否合理"的检查 | | 环境经济学 | 排放 IV / 合成控制 | 稳健性矩阵维度变为"工具变量集 × 样本 × 估计量"；`sdid` 常作为主回归之一，不只做稳健性；数据许可风险较高（EPA 微观数据） | 迁移时只需替换三个位置：`CLAUDE.md` 的变量命名约定与许可声明、Skills 中的具体 Stata 命令、稳健性矩阵的维度定义。`dataprep-agent` / `estimator-agent` / `reviewer-agent` 三个子代理的分工逻辑几乎不用改。 ::: {.callout-important} ## 本章核心信念 AI 把研究者从机械执行里解放出来，让判断力得以专注在真正难的问题上——识别策略是否站得住、样本边界是否合理、结论在哪些维度上稳健。Skills 可以跑遍矩阵，子代理可以核查格式，Hooks 可以拦截遗漏，但"研究问题是否值得做"、"结论是否可信"这两个最上游和最下游的判断，永远留给人。 :::