Posted Updated 2 hours read (About 16440 words)

Skills Repository

This post is based on the Github repository Skill-Repository maintained by Bryce Wang, a PhD student at Stanford University. The repository is a collection of skills for agents, which are useful for empirical research in the field of artificial intelligence. The repository is regularly updated with new skills and resources, making it a valuable resource for researchers and practitioners in the field. The skills in the repository cover a wide range of topics, including natural language processing, computer vision, reinforcement learning, and more. Each skill is accompanied by a description, code examples, and links to relevant papers and resources. The repository is organized into different categories, making it easy to navigate and find specific skills. Overall, the Skill-Repository is a comprehensive and valuable resource for anyone interested in learning about agent skills and their applications in empirical research.

Group 32

The awesome collection of Claude Code subagents.

More awesome collections for developers

Agent Skills
Codex Subagents
OpenClaw Skills
AI Agent Papers

Awesome Claude Code Subagents

This repository serves as the definitive collection of Claude Code subagents, specialized AI assitants designed for specific development tasks.

Installation

1
2
claude plugin marketplace add VoltAgent/awesome-claude-code-subagents
claude plugin install <plugin-name>

Examples:

1
2
claude plugin install voltagent-lang    # Language specialists
claude plugin install voltagent-infra   # Infrastructure & DevOps

See Categories below for all available plugins.

Note: The voltagent-meta orchestration agents work best when other categories installed.

Option 1: Manual Installation

  1. Clone this repository
  2. Copy desired agent files to:
    • ~/.claude/agents/ for global access
    • .claude/agents/ for project-specific use
  3. Customize based on your project requirements

Option 2: Interactive Installer

1
2
3
git clone https://github.com/VoltAgent/awesome-claude-code-subagents.git
cd awesome-claude-code-subagents
./install-agents.sh

This interactive script lets you browse categories, select agents, and install/uninstall them with a single command.

Option 3: Standalone Installer (no clone required)

1
2
3
curl -sO https://raw.githubusercontent.com/VoltAgent/awesome-claude-code-subagents/main/install-agents.sh
chmod +x install-agents.sh
./install-agents.sh

Downloads agents directly from GitHub without cloning the repository. Requires curl.

Option 4: Agent Installer (use Claude Code to install agents)

1
curl -s https://raw.githubusercontent.com/VoltAgent/awesome-claude-code-subagents/main/categories/09-meta-orchestration/agent-installer.md -o ~/.claude/agents/agent-installer.md

Then in Claude Code: “Use the agent-installer to show me available categories” or “Find PHP agents and install php-pro globally”.

📚 Categories

01. Core Development

Plugin: voltagent-core-dev

Essential development subagents for everyday coding tasks.

02. Language Specialists

Plugin: voltagent-lang

Language-specific experts with deep framework knowledge.

03. Infrastructure

Plugin: voltagent-infra

DevOps, cloud, and deployment specialists.

04. Quality & Security

Plugin: voltagent-qa-sec

Testing, security, and code quality experts.

05. Data & AI

Plugin: voltagent-data-ai

Data engineering, ML, and AI specialists.

06. Developer Experience

Plugin: voltagent-dev-exp

Tooling and developer productivity experts.

07. Specialized Domains

Plugin: voltagent-domains

Domain-specific technology experts.

08. Business & Product

Plugin: voltagent-biz

Product management and business analysis.

09. Meta & Orchestration

Plugin: voltagent-meta

Agent coordination and meta-programming.

10. Research & Analysis

Plugin: voltagent-research

Research, search, and analysis specialists.

🤖 Understanding Subagents

Subagents are specialized AI assistants that enhance Claude Code’s capabilities by providing task-specific expertise. They act as dedicated helpers that Claude Code can call upon when encountering particular types of work.

What Makes Subagents Special?

Independent Context Windows
Every subagent operates within its own isolated context space, preventing cross-contamination between different tasks and maintaining clarity in the primary conversation thread.

Domain-Specific Intelligence
Subagents come equipped with carefully crafted instructions tailored to their area of expertise, resulting in superior performance on specialized tasks.

Shared Across Projects
After creating a subagent, you can utilize it throughout various projects and distribute it among team members to ensure consistent development practices.

Granular Tool Permissions
You can configure each subagent with specific tool access rights, enabling fine-grained control over which capabilities are available for different task types.

Core Advantages

  • Memory Efficiency: Isolated contexts prevent the main conversation from becoming cluttered with task-specific details
  • Enhanced Accuracy: Specialized prompts and configurations lead to better results in specific domains
  • Workflow Consistency: Team-wide subagent sharing ensures uniform approaches to common tasks
  • Security Control: Tool access can be restricted based on subagent type and purpose

Getting Started with Subagents

1. Access the Subagent Manager

1
/agents

2. Create Your Subagent

  • Choose between project-specific or global subagents
  • Let Claude generate an initial version, then refine it to your needs
  • Provide detailed descriptions of the subagent’s purpose and activation triggers
  • Configure tool access (leave empty to inherit all available tools)
  • Customize the system prompt using the built-in editor (press e)

3. Deploy and Utilize
Your subagent becomes immediately available. Claude Code will automatically engage it when suitable, or you can explicitly request its help:

1
> Have the code-reviewer subagent analyze my latest commits

Subagent Storage Locations

Type Path Availability Precedence
Project Subagents .claude/agents/ Current project only Higher
Global Subagents ~/.claude/agents/ All projects Lower

Note: When naming conflicts occur, project-specific subagents override global ones.

📖 Subagent Structure

Each subagent follows a standardized template:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
---
name: subagent-name
description: When this agent should be invoked
tools: Read, Write, Edit, Bash, Glob, Grep
model: sonnet
---

You are a [role description and expertise areas]...

[Agent-specific checklists, patterns, and guidelines]...

## Communication Protocol
Inter-agent communication specifications...

## Development Workflow
Structured implementation phases...

Tool Assignment Philosophy

Smart Model Routing

Each subagent includes a model field that automatically routes it to the right Claude model — balancing quality and cost:

Model When It’s Used Examples
opus Deep reasoning — architecture reviews, security audits, financial logic security-auditor, architect-reviewer, fintech-engineer
sonnet Everyday coding — writing, debugging, refactoring python-pro, backend-developer, devops-engineer
haiku Quick tasks — docs, search, dependency checks documentation-engineer, seo-specialist, build-engineer

You can override any agent’s model by editing the model field in its frontmatter. Set model: inherit to use whatever model your main conversation is using.

Tool Assignment Philosophy

Each subagent’s tools field specifies Claude Code built-in tools, optimized for their role:

  • Read-only agents (reviewers, auditors): Read, Grep, Glob - analyze without modifying
  • Research agents (analysts, researchers): Read, Grep, Glob, WebFetch, WebSearch - gather information
  • Code writers (developers, engineers): Read, Write, Edit, Bash, Glob, Grep - create and execute
  • Documentation agents (writers, documenters): Read, Write, Edit, Glob, Grep, WebFetch, WebSearch - document with research

Each agent has minimal necessary permissions. You can extend agents by adding MCP servers or external tools to the tools field.

🧰 Tools

subagent-catalog

Claude Code skill for browsing and fetching subagents from this catalog.

Command Description
/subagent-catalog:search <query> Find agents by name, description, or category
/subagent-catalog:fetch <name> Get full agent definition
/subagent-catalog:list Browse all categories
/subagent-catalog:invalidate Refresh cache

Installation:

1
cp -r tools/subagent-catalog ~/.claude/commands/

🤝 Contributing

We welcome contributions! See CONTRIBUTING.md for guidelines.

  • Submit new subagents via PR
  • Improve existing definitions
  • Report issues and bugs

Contributor ♥️ Thanks

Contributors

📄 License

MIT License - see LICENSE

This repository is a curated collection of subagent definitions contributed by both the maintainers and the community. All subagents are provided “as is” without warranty. We do not audit or guarantee the security or correctness of any subagent. Review before use, the maintainers accept no liability for any issues arising from their use.

If you find an issue with a listed subagent or want your contribution removed, please open an issue and we’ll address it promptly.

Awesome Agent Skills for Empirical Research

🌐 语言 / Language: 中文 | English


CoPaper.AI Stanford REAP - Center on China's Economy & Institutions

Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品

由斯坦福实证研究方法论团队打造，覆盖从数据清洗到顶刊投稿的完整工作流


Awesome
License: CC BY-SA 4.0
PRs Welcome
Maintained by CoPaper.AI from Stanford REAP
Powered by StatsPAI
Security Scanned
Files Audited
Audit Phases
Hooks Audited
Zero Threats

实证研究全流程 AI Agent Skills 大全 — 收录 119 个 GitHub 仓库 / 覆盖 23,000+ Skills

A curated, opinionated list of 119 GitHub repositories and 23,000+ AI Agent Skills for empirical research in economics, political science, sociology, psychology, public health, education, management, finance, and public policy — organized by research workflow, from topic selection to journal submission.

2026 年，实证研究的工作方式正在被重新定义。

CoPaper.AI —— 由 Stanford REAP（中国经济与制度研究中心）研究者团队孵化的实证研究 AI 助手——已经做到 20 分钟完成一篇主流期刊级别的实证论文：从数据导入、描述性统计、因果推断模型、稳健性检验到结果表格，一步到位。这背后的秘密不是更强的模型，而是 Skills：把资深研究者的方法论经验编码成结构化工作流，让 AI 知道”一个完整的 DID 分析应该包含哪些步骤”，而不是每次都等你一步步提醒。

这个仓库，是我们在构建 CoPaper.AI 过程中整理的一份 Agent Skills 全景图。我们把散落在 GitHub、社区和学术圈的数百个 Skills 仓库和上万个 Skills 按实证研究流程梳理归类，方便你按需取用。

🎓 三层信用锚点 · 为什么是我们做这件事

层级 锚点 抓手
🏛️ 学术血统 Stanford REAP / SCCEI 中国经济与制度研究中心 实证经济学方法论领域的学术研究背景，研究者团队在顶刊有持续发表传统
🔧 工程落地 CoPaper.AI 实证研究 AI 助手 内置 20 个经济学方法论 Skills（DID/IV/RDD/PSM/DML 等），Supervisor + 4 子代理多智能体架构，一句话触发，结果自动输出
⚙️ 开源引擎 StatsPAI —— CoPaper.AI 的因果推断引擎 900+ 函数 · 一个 import statspai as sp · JOSS 投稿中 · MIT 开源。CoPaper.AI 跑出的每一个 DID/IV/RD/SCM 估计都由 StatsPAI 驱动；这份 Skills 大全本身也是 StatsPAI 生态的一部分

🔒 可信使用：本仓库 52 个 Skill / 2,940+ 文件经系统性安全扫描 —— 52/52 全部 CLEAN，零 FLAGGED，零网络外泄、零反向 shell、零 prompt 注入。

💡 想要开箱即用？ 不必自己拼装 Skills —— 直接试试 → copaper.ai，让 Stanford 研究方法论团队为你做完整的实证流水线。

🆕 更新日志

2026-05-04：🤝 首个社区 PR 收录 —— humanize-chinese vendor 进 skills/49
  • 🇨🇳 skills/49-voidborne-d-humanize-chinese：由 @voidborne-d 通过 PR #5 贡献，按 LICENSE + README-original.md + SKILL.md 三件套 vendor 进仓库。同时提供 SKILL.md 和独立 Python CLI：17 类中文 AI 模式检测 + 7 风格改写器（academic / novel / blog / 小红书 / 微信 等）+ LR ensemble 程序化打分，长度 ≥1500 字自动切长篇 LR，HC3 100 短问答基准 95% 正确分离。License: MIT (Non-Commercial) —— 非标准修改版 MIT，明确禁商用（SaaS / 付费 API / 商业产品集成），下游使用请注意。
  • 🤝 欢迎社区 PR：本仓库长期开放收录有价值的实证研究类 Skill / Agent / 工具。无论是你自己开发的还是发现的好工具，欢迎提 PR —— 我们会继续保持收录，认真审查每一条贡献，让这份清单成为社区共建的资产。流程参见 Contributing。
2026-04-28：🛡️ 全仓 52 个 Skill 完成系统性安全扫描 —— 52/52 全部 CLEAN，零 FLAGGED
  • 🛡️ SECURITY-SCAN-REPORT.md：对仓库内 52 个 Skill / 2,940+ 文件完成系统性安全审查，未发现任何恶意 prompt、病毒、木马或其他恶意内容。结论先行：可以放心使用本仓库内任意 Skill。
    • 🔍 六阶段多层防御：(1) 13 类风险模式自动化 grep（pipe-to-shell / 反向 shell / 凭据外泄 / 解码执行 / 挖矿 RAT 签名 / Prompt 注入等）→ (2) 6 个含 hook 的 skill、40+ hook 脚本 100% 人工核查 → (3) 三 Agent 并行审查 SKILL.md / agent 定义 / reference 文档 → (4) 补充完整性检查（隐藏 Unicode / 编码异常 / 极长行 / HTML 注入 / 网络相关 import）。
    • 📊 结果分布：所有看似敏感的命中均为三类合法内容 —— 防御性安全规则（deny rule、bash-safety hook、凭据检测器）、合法学术 API 调用（arXiv / CrossRef / PubMed / FRED / World Bank 等）、标准 Claude Code 本地 hook（脚手架 / 状态保存 / context 监控，全部本地操作、零网络 IO）。
    • 🔑 关键洞察：17-DAAF 反而是这批 Skill 中”安全意识最强”的参考样板（14 个防御 hook + 32 条 deny rule + 主动凭据扫描）；规模最大 ≠ 风险最高。
    • 📈 可视化信息图：报告内嵌 5 张 zhihu 风格信息图（总览 / 六阶段方法论 / 威胁矩阵 / Top 5 规模分布 / 二轮补扫），3 秒可懂。
    • 详见 完整安全扫描报告。
2026-04-24：📗 Full Empirical Analysis Skill (R) 正式收录 —— tidyverse + fixest 8 步闭环（skills/00.3）
  • 📗 Full Empirical Analysis Skill — R：与 StatsPAI / 00.1 / 00.2 形成同日四联的 R 版本，放在 skills/00.3-Full-empirical-analysis-skill_R/ —— 第 0.3 位，覆盖 R 与 Quarto 用户。
    • 🧱 现代 tidyverse + fixest 生态：dplyr / tidyr / haven 处理数据；fixest::feols/feglm/fepois 作为面板/IV/DID 主力（一行代码搞定 HD FE + 多向 cluster + IV）；did::att_gt + fixest::sunab + didimputation::did_imputation + synthdid + DIDmultiplegtDYN + bacondecomp + HonestDiD 处理现代 DID；rdrobust / rddensity / rdmulti / rdlocrand 处理 RD；Synth / gsynth / tidysynth / synthdid 处理合成控制；MatchIt / WeightIt / cobalt / ebal 处理匹配；grf::causal_forest + DoubleML 处理 ML 因果；mediation::mediate + lavaan::sem 处理中介；marginaleffects::avg_slopes / plot_slopes 处理后估计；modelsummary / kableExtra / gt / flextable 出版级表格；ggplot2 + iplot + binsreg + cowplot + patchwork 出图；Quarto 一键生成 PDF/HTML/Word 一体化报告。
    • 🔁 8 步 R 闭环（与 00.1 / 00.2 同结构）：(1) 数据导入与清洗（read_dta + clean_names + naniar::vis_miss + mice + validate / assertr）→ (2) 变量构造（mutate + across + DescTools::Winsorize + scale + arrange %>% group_by %>% lag/lead）→ (3) 描述统计（gtsummary::tbl_summary + modelsummary::datasummary_balance + psych::corr.test + corrplot / ggcorrplot）→ (4) 12 类诊断检验（shapiro.test / tseries::jarque.bera.test / lmtest::bptest / dwtest / bgtest / car::vif / tseries::adf.test / kpss.test / plm::pbgtest / pcdtest / phtest / lmtest::resettest）→ (5) 12 类估计器（feols + AER::ivreg + did::att_gt + fixest::sunab + didimputation + synthdid + rdrobust + tidysynth + gsynth + MatchIt + WeightIt + ebal + grf::causal_forest + DoubleML + sampleSelection::heckit + quantreg::rq + lavaan::sem）→ (6) 稳健性（modelsummary 出 M1–M6 + clubSandwich 多 cluster + fwildclusterboot::boottest + ri2::conduct_ri + bacondecomp::bacon + HonestDiD::createSensitivityResults + robomit::o_test/o_beta）→ (7) 进一步分析（formula 交互 + marginaleffects::plot_slopes + mediation::mediate + medsens 敏感性 + lavaan::sem 多组 SEM + grf::causal_forest CATE + splines::ns 剂量反应）→ (8) 发表级输出（modelsummary 一键出 LaTeX/Word/HTML/Markdown + fixest::iplot + marginaleffects::plot_slopes/predictions + cowplot::plot_grid + patchwork + Quarto 渲染）。
    • 📚 渐进披露 + Quarto 友好：SKILL.md 主干 893 行（含完整包安装清单、项目目录骨架、Quarto YAML 模板），8 个 references/NN-*.md 合计 3700+ 行深度手册。Quarto 模板让”narrative + 代码 + 表 + 图”在一个 .qmd 文件里渲染成最终报告。
    • 🆚 四联定位：StatsPAI = Python 一键 DSL；00.1 = Python 显式生态；00.2 = Stata 显式生态；00.3 = R + tidyverse + Quarto。四者并行收录，Quarto 复现报告 / 顶刊 R 复现包 / 学术博客的首选。
    • 适用场景：用 Quarto 生成期刊级复现报告、学术博客（distill / quarto blog）、研究生 R 课程教学、需要 marginaleffects + mediation + grf 全套现代后估计的研究、Bayesian 之外的所有 R 实证场景。
2026-04-24：📊 Full Empirical Analysis Skill (Stata) 正式收录 —— 传统 Stata 生态 8 步 .do 闭环（skills/00.2）
  • 📊 Full Empirical Analysis Skill — Stata：与 StatsPAI / 00.1 形成同日三联的 Stata 版本，放在 skills/00.2-Full-empirical-analysis-skill_Stata/ —— 第 0.2 位，覆盖 Stata 用户。
    • 🧱 传统 Stata 生态，de-facto 标准命令链：每步显式调用社区事实标准命令 reghdfe / ivreg2 / ivreghdfe / csdid / did_imputation / eventstudyinteract / sdid / did_multiplegt_dyn / bacondecomp / honestdid / rdrobust / rddensity / synth / synth_runner / psmatch2 / teffects / ebalance / ppmlhdfe / boottest / ritest / rwolf / psacalc / coefplot / esttab / outreg2 / asdoc / binscatter —— 审稿人级 Stata 复现包，一份 ssc install 装齐 30+ 包。
    • 🔁 8 步 .do 闭环（与 00.1 同结构、Stata 化重写）：(1) 数据导入与清洗（use/import excel/import sas/destring/misstable/mdesc/duplicates report/merge m:1 ... assert(match using)/xtset/xtdescribe/mi impute chained）→ (2) 变量构造（winsor2 by(industry year)/egen std/xtile/xtset 后的 L./F./D./S. 操作子/CPI 平减/first_treat+rel_time+gvar）→ (3) 描述统计（tabstat/balancetable/asdoc sum/pwcorr, sig star(.05)/heatplot/twoway kdensity/xtdescribe）→ (4) 诊断检验（12 类：swilk/sktest/estat hettest/estat imtest, white/xtserial/xttest3/xtcsd, pesaran/estat vif/dfuller/kpss/xtunitroot ips/llc/hausman fe re/estat ovtest/linktest）→ (5) 基准建模（12 类估计器：reghdfe+areg+xtreg, fe/re/ivreg2+ivreghdfe+ivregress liml/gmm/csdid+eventstudyinteract+did_imputation+sdid+did_multiplegt_dyn/rdrobust+rdmc+rddensity/synth+synth_runner/psmatch2+teffects psmatch/ipwra/aipw+ebalance+cem/heckman+heckprob/qreg+sqreg/ppmlhdfe/sem+gsem）→ (6) 稳健性（eststo+esttab M1–M6 规范阶梯、多 cluster 层级、boottest wild cluster bootstrap、ritest 随机化推断、rwolf+wyoung 多重检验、bacondecomp TWFE 诊断、honestdid PT 敏感性、psacalc delta Oster δ*）→ (7) 进一步分析（factor-var 交互+margins+marginsplot/suest cross-equation Wald/DDD/outcome ladder coefplot/medsem+khb+sem estat teffects/dose-response via xtile 或 bspline/Stata-Python 桥到 econml 算 CATE/spillover）→ (8) 发表级表图（esttab+outreg2+asdoc 出 .tex/.rtf/.docx/.xlsx，coefplot+marginsplot+binscatter+rdplot+graph combine 出 .pdf）。
    • 📚 渐进披露架构：SKILL.md 主干 801 行（含 ssc install 总清单 + 完整 .do 骨架 + 选包速查表），8 个 references/NN-*.md 合计 3500+ 行深度手册，按需加载。
    • 🆚 三联定位：StatsPAI = Python 一键 DSL；00.1 = Python 显式生态；00.2 = Stata 显式生态。三者并行收录、互不替代 —— 审稿人 / 合作者只接受 Stata 复现时，这是唯一抓手。
    • 适用场景：审稿人级 Stata 复现包、研究生 Stata 课程教学、应用经济学顶刊（AER/QJE/JPE/ReStud）的标准 .do 流水线、需要 bacondecomp+honestdid+psacalc 全套现代 DID 工具的严谨研究。
2026-04-24：📘 Full Empirical Analysis Skill 正式收录 —— 传统 Python 计量生态 8 步闭环（skills/00.1）
  • 📘 Full Empirical Analysis Skill：与 StatsPAI 互为同日双更 / 哲学对位的姊妹 skill，放在 skills/00.1-Full-empirical-analysis-skill/ —— 第 0.1 位，显式可审计的对照组。
    • 🧱 传统 Python 计量生态，无 DSL 包裹：每步显式调用 pandas / numpy / scipy / statsmodels / linearmodels / pyfixest / rdrobust / econml / causalml / matplotlib / seaborn —— Agent 写出的每一行代码都能被逐行审计、逐行替换。
    • 🔁 8 步完整闭环（比 StatsPAI 的 6 步更细颗粒度）：(1) 数据清洗（MCAR/MAR/MNAR、IQR/z/Mahalanobis 异常值、validate= 防 m:m 合并、面板结构校验）→ (2) 变量构造（log/IHS/Box–Cox、1/99 缩尾、z/MinMax/Robust 标准化、交互/滞后/差分、CPI 平减、交错 DID 时间变量）→ (3) 描述统计与 Table 1（带 SMD+t 检验的分层表、相关热图+显著性星、4 类分布图、DID 动机图、面板覆盖热图）→ (4) 诊断检验（12 类：正态/异方差/自相关/多重共线/平稳/协整/内生/弱工具/过度识别/面板 Hausman/设定 RESET/杠杆 Cook’s D）→ (5) 基准建模（12 类估计器：OLS/面板 FE-RE-FD/GLM/IV-2SLS-LIML-GMM/DID 五家-2×2/TWFE/事件研究/CS/SA/BJS/SDiD/RD-Sharp/Fuzzy/Kink/多断点/SC/PSM/IPW/EB/DML/因果森林/Heckman/分位数）→ (6) 稳健性电池（M1–M6 规范梯度、cluster 级别敏感性、wild cluster bootstrap、安慰剂 timing+permutation、规范曲线、Oster δ*、LOO、Rosenbaum）→ (7) 进一步分析（异质性 4 法/机制 outcome ladder/Baron–Kenny+Imai 中介/调节 margins plot/moderated mediation/dose-response/spillover）→ (8) 发表级表图（stargazer / pyfixest.etable / coefplot / event-study / binscatter / forest / RD plot / CATE 热图 / love plot，全套 LaTeX/Word/Excel 导出）
    • 📚 渐进披露架构：SKILL.md 只给每步最常用的那一种写法（610 行主干），变体下沉到 8 个 references/NN-*.md（合计 3000+ 行深度手册），主干轻、细节厚，Agent 用到时才加载。
    • 🆚 与 StatsPAI 的对位关系：StatsPAI = agent-native 一键 DSL（sp.causal(...) 一句跑完）；本 skill = 显式传统生态（每行代码都能换库、逐行审计）。两者并行收录、互不替代 —— 信任 DSL 时用 StatsPAI，要教学/审计/全量控制时用本 skill。
    • 适用场景：复现应用经济学论文、审稿人级别的逐行审计、研究生教学、需要把”每一个诊断检验和稳健性都挂进 pipeline”的严谨实证项目。
2026-04-24：🔥 StatsPAI Skill 正式收录 —— 一条龙自动化完成全部实证分析（skills/00）
  • **🔥🔥 StatsPAI Skill**：我们自研的 Agent-Native 实证分析一体化 Skill 正式收录本仓库，放在 skills/00-StatsPAI_skill/ —— 第 0 位，仓库门面。
    • 🚀 一条龙自动化完成全部实证分析：从数据清洗（pandas 前置）→ EDA & 描述统计（sp.sumstats / sp.balance_table）→ 预检诊断（sp.diagnose / sp.balance_panel / 重叠性 / 缺失性）→ 研究问题 DSL（sp.causal_question(...).identify()）→ LLM 辅助 DAG 发现（sp.llm_dag_propose / validate / constrained）→ 一键编排估计（sp.causal(...)）→ 稳健性检验（sp.spec_curve / sp.honest_did / sp.evalue），6 步完整闭环，无需切换工具，Agent 一句话跑完。
    • 900+ 函数，一个 import statspai as sp 搞定：相比 2026-04-12 的 390+ 函数版本，函数数量翻倍多，覆盖 OLS、IV、面板、DID（Callaway-Sant’Anna / Sun-Abraham / Bacon / HonestDID / 连续 DID）、RDD（Sharp / Fuzzy / 多断点 / Kink）、PSM、SCM、SDID、DML、因果森林、Meta-Learners、TMLE、AIPW、神经因果模型（TARNet / CFRNet / DragonNet）、文本因果（sp.causal_text）、Heckman、结构估计（BLP）。
    • Agent-Native 自描述 API：sp.list_functions() / sp.describe_function() / sp.function_schema() —— Agent 无需查文档即可发现和理解每个函数；统一 CausalResult 对象带 .summary() / .plot() / .to_latex() / .to_word() / .to_excel() / .cite() 和结构化 .diagnostics 字典，天然适配 LLM 驱动的工作流。
    • Estimand-first 决策：sp.causal_question 让 “DID vs RD vs IV？” 的选择显式化、可辩护，不再靠猜。
    • JOSS 投稿中，MIT 开源。→ PyPI | → GitHub | → 本地 Skill
  • 🔁 每周上游自动同步：新增 GitHub Action，每周从 StatsPAI 主仓库自动拉取最新 SKILL.md / README.md 到 skills/00-StatsPAI_skill/，用户永远拿到最新版。
  • 修正了 StatsPAI Skill 代码示例中若干 sp.* 函数签名，Step 0-6 代码块明确标注为 illustrative 示例（防止 Agent 照抄出错）。
2026-04-13：🇨🇳 原创中文降 AIGC Skill 上线（skills/48）
  • 🇨🇳🔥 chinese-de-aigc：CoPaper.AI 团队原创的中文学术降 AIGC Skill。目前 GitHub 上唯一面向中文学术实证论文、针对知网 AMLC / 万方 / 维普 / Turnitin 中文版的 humanizer。
    • 17 类中文 AI 痕迹模式库（四字套话 / 虚词堆叠 / 显性连接词 / 绝对化断言 / 总分总对称 / 句长方差等）
    • 五步闭环工作流：定位 → 诊断 → 差异化改写 → 五维自评 → 二次复查
    • 分章节差异化策略：摘要/引言/文献综述/方法/结果/讨论/结论的改写力度各不相同
    • 五维评分量表：具体性 / 节奏性 / 谨慎性 / 隐衔接 / 研究者语气（加权满分 50）
    • 12 组改写前后对照覆盖实证论文七大章节
    • 设计思想吸收了英文 humanizer 的顶层架构（humanizer_academic / skill-deslop / stop-slop / avoid-ai-writing），但针对中文语境完全重新设计
2026-04-12：新增 StatsPAI Agent-Native 计量包 + 降 AIGC 检测率 Skills
  • **🔥 StatsPAI**：我们自研的 Agent-Native 因果推断 & 计量经济学 Python 包。390+ 函数，一个 import，自描述 API（list_functions() / describe_function() / function_schema()）。覆盖 OLS、IV、DID（Callaway-Sant’Anna / Sun-Abraham / Bacon / HonestDID / 连续 DID）、RDD、PSM、SCM、DML、因果森林、Meta-Learners、TMLE、神经因果模型（TARNet/CFRNet/DragonNet）等。JOSS 发表，MIT 开源。→ PyPI | → GitHub
  • 📝 降 AIGC 检测率 Skills（新增 4 个，→ 专项分类）：
    • humanizer_academic — 学术论文专用，23 种 AI 写作模式检测（skills/44）
    • skill-deslop — 科学写作去 AI 化，尊重学科惯例（skills/45）
    • stop-slop — 三层检测 + 五维评分（skills/46）
    • avoid-ai-writing — 结构化审计 + 重写 + 二次审计（skills/47）
  • **🛡️ revision-guard**：防止 AI 越改越差，限制修改轮次 + 7 项同质化检测（社区 PR 贡献）
2026-04-11：从 43 个集合扩展至 119 个仓库，覆盖 23,000+ Skills
  • 新增 76 个 GitHub 仓库，覆盖 8 大社科学科（经济学、政治学、社会学、心理学、教育学、公共健康、管理学、金融学）
  • 新增金融、法律、营销、产品管理、教育、公共健康等领域 Skill 套件
  • 新增 13 个学术数据 MCP 服务器（OpenAlex、Semantic Scholar、FRED、World Bank 等）
  • 新增 11 个多代理协作系统（Agent Laboratory、AI-Scientist-v2 等）
  • 新增中英双语 README

目录

这份列表能帮你什么？

如果你正在做实证研究，大概经历过这些场景：

  • 让 AI 帮你跑一个 DID，它给了基准回归就停了。你说”平行趋势呢”，它补一个。”安慰剂检验呢”，再补一个。每次都像挤牙膏。
  • 好不容易写完初稿，引用格式一塌糊涂，还夹了几条 AI 编造的假引用。
  • 想复现一篇顶刊的识别策略到自己的研究里，但从读懂到落地隔了一座山。

问题不在于 AI 不会做——在于它不知道完整的流程应该包含哪些步骤。

Skill 就是解决这个问题的：它是给 AI 的方法论操作手册。有了 Skill，AI 知道”跑 DID 应该先做平行趋势检验，再做基准回归，再做 4 项稳健性检验，再做异质性分析，再做机制分析，每一步的输出格式是什么”。你只需要说”帮我做 DID 分析”，剩下的它自己按流程走完。

这份列表按照实证研究的完整流程，帮你找到每个阶段最好用的 Skills。

按研究流程速查

不确定该用哪个 Skill？从你当前所处的研究阶段出发：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
选题构思 → 文献检索 → 文献精读 → 研究设计 → 数据获取
   │           │          │          │          │
   ▼           ▼          ▼          ▼          ▼
  01          02         03         01         04
                                              
数据清洗 → 统计分析 → 论文初稿 → 修改润色 → 排版引用
   │           │          │          │          │
   ▼           ▼          ▼          ▼          ▼
  04          05         06         07         08

论文复现 → 投稿审稿 → 审稿回复 → 答辩展示
   │           │          │          │
   ▼           ▼          ▼          ▼
  09          10         10         10

一站式方案

如果你不想逐个挑选，以下方案直接覆盖全流程：

方案 覆盖范围 特点 链接
CoPaper.AI 数据分析 → 论文写作 20 个方法论 Skills 内置，多代理架构，20 分钟完成主流期刊级别实证论文 copaper.ai
StatsPAI Skill 🔥🔥 一条龙自动化：从数据清洗到实证建模 **900+ 函数，一个 import statspai as sp**。Agent 一句话跑完 EDA → 预检 → 研究问题 DSL → DAG 发现 → 模型估计 → 稳健性检验的 6 步完整闭环。Agent-native 自描述 API，覆盖 OLS/IV/DID(含 Callaway-Sant’Anna、Sun-Abraham、HonestDID、连续 DID)/RDD/PSM/SCM/DML/因果森林/神经因果/文本因果，发表级输出（Word/Excel/LaTeX） 本地 Skill · GitHub
Full Empirical Analysis Skill 📘 传统 Python 生态显式 8 步闭环（StatsPAI 的哲学对位） 不引入任何 DSL 包裹，Agent 直接调用 pandas / statsmodels / linearmodels / pyfixest / rdrobust / econml / causalml / matplotlib。覆盖数据清洗 → 变量构造 → 描述统计 → 诊断检验 → 建模 → 稳健性 → 机制/异质性/中介/调节 → 发表级表图 8 步，每步配深度参考手册。适合教学、审稿级审计、需要逐行控制的严谨复现 本地 Skill
Full Empirical Analysis Skill — Stata 📊 Stata 显式 .do 8 步闭环（同步 00.1 的 Stata 版） reghdfe + ivreg2 + csdid + did_imputation + eventstudyinteract + sdid + rdrobust + synth + psmatch2 + teffects + ebalance + boottest + ritest + rwolf + bacondecomp + honestdid + coefplot + esttab + outreg2 + asdoc + binscatter。同样 8 步，从 use / import 一直到 .tex / .rtf 表 + .pdf 图。审稿人级 Stata 复现首选 本地 Skill
Full Empirical Analysis Skill — R 📗 tidyverse + fixest 8 步闭环 + Quarto 渲染（同步 00.1 / 00.2 的 R 版） dplyr + haven + fixest + did + synthdid + bacondecomp + HonestDiD + rdrobust + tidysynth + gsynth + MatchIt + WeightIt + cobalt + ebal + grf + DoubleML + mediation + lavaan + marginaleffects + modelsummary + kableExtra + gt + flextable + ggplot2 + iplot + binsreg + cowplot。8 步均可塞进一个 .qmd 文件，quarto render 一键产出 PDF/HTML/Word 一体化复现报告。 本地 Skill
Claude Scholar 选题 → 投稿 25+ Skills 覆盖研究全生命周期，集成 Zotero MCP GitHub
K-Dense Scientific Skills 跨学科科学研究 140+ Skills，28+ 科学数据库，55+ Python 包 GitHub
AI-Research-SKILLs AI/ML 研究 22 个类别、87 个技能，完整研究周期 GitHub
OpenClaw Medical Skills 生物医学/公共健康 869 个 Skills，流行病学、临床研究、药物安全、生物统计 GitHub
Agent Laboratory 全自主研究 文献综述 → 实验 → 报告，研究成本降低 84% GitHub

综合型 Skill 套件

这些是包含多个 Skills 的综合型仓库，通常覆盖研究的多个阶段：

学术研究专用

套件 Stars Skills 数 核心特色 社科适配
K-Dense-AI/claude-scientific-skills 8,799 140+ 28+ 科学数据库（OpenAlex、PubMed），scientific-writing + literature-review + statistical-analysis ⭐⭐⭐⭐
Orchestra-Research/AI-Research-SKILLs 3,637 87 22 个类别，ML 论文写作，LaTeX 模板，引文验证 ⭐⭐⭐
Imbad0202/academic-research-skills ~1,790 多个 完整论文管线（research → write → review → revise → finalize），风格校准，幻觉检测 ⭐⭐⭐⭐
Galaxy-Dawn/claude-scholar - 25+ 研究全生命周期：选题 → 综述 → 实验 → 写作 → 审稿回复，集成 Zotero MCP ⭐⭐⭐⭐⭐
luwill/research-skills 209 3 研究提案生成（research-proposal）、医学综述写作、论文转幻灯片，双语支持 ⭐⭐⭐⭐⭐
lishix520/academic-paper-skills 22 2 Strategist（7 维度审稿人模拟）+ Composer（系统化写作），适合人文社科 ⭐⭐⭐⭐
Data-Wise/claude-plugins - 17 统计研究专用：arXiv 搜索、DOI 查询、BibTeX 管理、方法论写作、审稿回复 ⭐⭐⭐⭐⭐

经济学/因果推断专用

套件 核心特色 适用场景
CoPaper.AI 20 个方法论 Skills（OLS、DID、交错DID、IV、RDD、PSM、SCM、DML、因果森林等），多代理架构（Supervisor + 4 子代理），智能路由，结果自动输出 经济学实证研究全流程
StatsPAI Skill 🔥🔥 一条龙自动化完成全部实证分析。Agent-native 计量经济学 Python 包：900+ 函数，一个 import statspai as sp 搞定 EDA → 研究问题 DSL → LLM 辅助 DAG 发现 → 估计 → 稳健性检验的完整闭环。自描述 API（list_functions() / describe_function() / function_schema()），统一 CausalResult 对象。覆盖 OLS、IV、面板数据、DID（Callaway-Sant’Anna / Sun-Abraham / Bacon / HonestDID / 连续 DID）、RDD（Sharp/Fuzzy/多断点/Kink）、PSM、SCM、SDID、DML、因果森林、Meta-Learners、TMLE、AIPW、神经因果模型（TARNet/CFRNet/DragonNet）、文本因果（sp.causal_text）、Heckman、结构估计（BLP）。JOSS 投稿中，MIT 协议 实证研究全流程自动化：数据清洗后一句话跑完 EDA → 建模 → 稳健性
Full Empirical Analysis Skill 📘 传统 Python 计量生态的显式 8 步闭环（与 StatsPAI 互为哲学对位：一个 DSL 一键跑，一个显式逐行跑）。不引入任何封装包，直接驱动 pandas + numpy + scipy + statsmodels + linearmodels + pyfixest + rdrobust + econml + causalml + matplotlib + seaborn。8 步细颗粒闭环：(1) 数据清洗（MCAR/MAR/MNAR、IQR/z/Mahalanobis、validate= 防 m:m、面板结构校验）→ (2) 变量构造（log/IHS/Box–Cox、1/99 缩尾、z/MinMax/Robust、交互/滞后/差分、CPI 平减、交错 DID 时间变量）→ (3) 描述统计（SMD+t 检验分层 Table 1、相关热图带显著性星、分布 4 联图、DID 动机图、面板覆盖热图）→ (4) 诊断检验（12 类：正态/异方差/自相关/共线/平稳/协整/内生/弱 IV/过识别/Hausman/RESET/Cook’s D）→ (5) 建模（OLS/面板 FE-RE-FD/GLM/IV-2SLS-LIML-GMM/DID 五家/RD 四类/SC/PSM-IPW-EB/DML/CF/Heckman/QR 共 12 类）→ (6) 稳健性（M1–M6 规范梯度、cluster 敏感性、wild bootstrap、安慰剂、规范曲线、Oster δ*、LOO、Rosenbaum）→ (7) 进一步分析（异质性 4 法/机制 outcome ladder/Baron–Kenny+Imai 中介/moderated mediation/dose-response/spillover）→ (8) 发表级表图（stargazer/etable/coefplot/event-study/binscatter/forest/RD plot/CATE 热图/love plot + LaTeX/Word/Excel 导出）。SKILL.md 主干 610 行 + 8 个深度 references 3000+ 行，按需加载 教学、审稿人级审计、研究生复现训练、需要逐行控制与全量诊断的严谨实证项目
Full Empirical Analysis Skill — Stata 📊 传统 Stata 生态的显式 .do 8 步闭环（00.1 的 Stata 版，与之同结构、同节奏）。一份 ssc install 装齐 30+ 包，全程使用社区事实标准命令链：reghdfe / ivreg2 / ivreghdfe / csdid / did_imputation / eventstudyinteract / sdid / did_multiplegt_dyn / bacondecomp / honestdid / rdrobust / rddensity / synth / synth_runner / psmatch2 / teffects / ebalance / ppmlhdfe / boottest / ritest / rwolf / psacalc / coefplot / esttab / outreg2 / asdoc / binscatter。8 步：(1) use+import+destring+misstable+merge assert+xtset 清洗 → (2) winsor2+xtile+L./F./D./S.+CPI 平减+staggered timing → (3) tabstat+balancetable+asdoc+pwcorr sig star+heatplot → (4) 12 类 estat 诊断 → (5) 12 类估计器（reghdfe+5 家 DID+4 类 RD+synth+teffects+ebalance+heckman+qreg+ppmlhdfe+sem/gsem）→ (6) eststo+esttab M1–M6+boottest+ritest+rwolf+bacondecomp+honestdid+psacalc delta → (7) factor-var+margins+marginsplot+suest+DDD+medsem+khb+SEM+Stata-Python 桥到 econml CATE → (8) esttab+outreg2+asdoc 出 .tex/.rtf/.docx/.xlsx，coefplot+marginsplot+binscatter+rdplot+graph combine 出 .pdf。SKILL.md 主干 801 行 + 8 个深度 references 3500+ 行 + 完整 .do 骨架，按需加载 审稿人 / 合作者只接受 Stata 的复现包、研究生 Stata 课程、应用经济学顶刊（AER/QJE/JPE/ReStud）的标准 .do 流水线
Full Empirical Analysis Skill — R 📗 现代 tidyverse + fixest + Quarto 生态的显式 8 步闭环（00.1 / 00.2 的 R 版，四联 skill 的最后一块）。一份 install.packages(...) 装齐 50+ 包，全程使用 R 现代事实标准：dplyr / tidyr / haven / janitor / naniar / mice / validate / assertr 处理数据；fixest::feols/feglm/fepois 一行实现 HD FE + 多向 cluster + IV；did::att_gt / fixest::sunab / didimputation::did_imputation / synthdid / DIDmultiplegtDYN / bacondecomp / HonestDiD 处理现代 DID；rdrobust / rddensity / rdmulti / rdlocrand 处理 RD；Synth / gsynth / tidysynth / synthdid 处理合成控制；MatchIt / WeightIt / cobalt / ebal 处理匹配；grf::causal_forest / DoubleML 处理 ML 因果；mediation::mediate + medsens / lavaan::sem 处理中介；marginaleffects 处理后估计；modelsummary / kableExtra / gt / flextable 出表；ggplot2 + iplot + binsreg + cowplot + patchwork 出图。8 步 R 流水线 + Quarto 一体化模板（.qmd 同时容纳 narrative + 代码 + 表 + 图，quarto render 一键产出 PDF/HTML/Word）。SKILL.md 主干 893 行 + 8 个深度 references 3700+ 行，按需加载 Quarto 复现报告、学术博客（distill / quarto blog）、研究生 R 课程、需要 marginaleffects + mediation Imai 敏感性 + grf CATE 全套现代后估计的研究
claesbackman/AI-research-feedback 2 代理经济学论文预审：因果过度声称检测、识别策略评估；支持 AER/QJE/JPE/Econometrica/REStud；6 代理基金评审 论文投稿前自审、基金申请
fuhaoda/stats-paper-writing-agent-skills LaTeX 统计论文写作，前端草稿生成 统计学、计量经济学论文
dylantmoore/stata-skill Stata 全覆盖：语法、数据管理、计量经济学、因果推断、图形、Mata、20+ 社区包 Stata 用户
SepineTam/stata-mcp LLM 通过 MCP 直接操作 Stata 回归，”从回归猴进化为因果思考者” Stata 计量分析

🚨 降 AIGC 检测率 & 学术去 AI 味（重点推荐）

这是 2026 年学术写作最关键的痛点之一。论文 AIGC 率超标一票否决，知网/Turnitin/GPTZero 检测日趋严格。下面这 4 个 Skill 是目前 GitHub 上最权威、最完整的解决方案，全部 MIT 开源，仓库已本地收录（skills/44-47）。

套件 核心特色 适用场景 本地位置
CoPaper.AI / chinese-de-aigc 🇨🇳🔥 中文学术专用原创 Skill。针对知网 AMLC / 万方 / 维普 / Turnitin 中文版检测机制设计，17 类中文 AI 痕迹模式库（四字套话 / 虚词堆叠 / 显性连接词 / 绝对化断言 / 句长方差等），五步闭环工作流（定位→诊断→改写→自评→复查），分章节差异化策略，五维评分量表。这是目前 GitHub 上唯一面向中文学术的降 AIGC Skill 中文期刊投稿、学位论文、基金申请书 skills/48
voidborne-d/humanize-chinese 🇨🇳 同时提供 SKILL.md 和独立 Python CLI（仓库根目录含 SKILL.md，本条目侧重 CLI/库的非 agent 用法）。17 类中文 AI 模式检测 + 7 风格改写器（academic / novel / blog / 小红书 / 微信 等），LR ensemble 程序化打分，长度 ≥1500 字自动切长篇 LR；HC3 100 短问答 95% 正确分离。可独立 pip install 跑批，亦可作为 SKILL 在 Claude Code / agent 内加载。**License: MIT (Non-Commercial)**——非标准修改版 MIT，禁商用 中文学位论文 / 期刊投稿 / 长篇博客 / pipeline 批量降 AIGC skills/49
matsuikentaro1/humanizer_academic 🔥 学术论文专用。23 种 AI 写作模式检测（内容 6 + 语言 6 + 风格 3 + 填充 3 + 用词 5），示例来自 EMPA-REG OUTCOME 心血管试验，保留合法学术过渡词，基于 Wikipedia “Signs of AI writing” 医学、生命科学、自然科学论文 skills/44
stephenturner/skill-deslop 科学写作去 AI 化。智能区分合法学科惯例（方法论章节的被动语态）vs AI 痕迹，5 维评分量表（直接性/节奏/信任/真实性/密度），附 4 个参考文件（examples/phrases/structures/tropes） 科学论文、技术博客 skills/45
hardikpandya/stop-slop 通用三层检测 + 五维评分。禁用短语（清喉开场、强调拐杖、商业行话）、结构套路（二元对比、戏剧性碎片化、虚假能动性）、句级规则（禁止 em dash、Wh- 开头）。低于 35/50 分建议重写 通用散文、博客、报告 skills/46
conorbronsdon/avoid-ai-writing 结构化审计 + 重写 + 二次审计。四段式输出：识别问题（含引用原文）→ 重写文本 → 修改摘要 → 第二遍审计。兼容 Claude Code、OpenClaw、Hermes 等 Agent 需要可审计、可追溯修改流程 skills/47
ShiyanW/ai-revision-guard 防过度修改（另一角度）。限制修改轮次（每节 ≤2 轮）、7 项同质化检测清单、跨模型交叉验证。防止 AI 越改越差，保护作者 voice 多轮润色场景 （社区 PR 贡献）

使用建议：

  • 🇨🇳 中文学术论文（知网/万方/维普）→ chinese-de-aigc（本仓库原创）+ revision-guard
  • 🇬🇧 英文学术论文 → humanizer_academic（学术语境适配）+ revision-guard（防越改越差）
  • 中英双语论文 → chinese-de-aigc + humanizer_academic 组合
  • 需要可审计流程 → avoid-ai-writing（产出结构化报告）
  • 通用写作 → stop-slop（5 维评分量化改进空间）

金融与投资研究

套件 核心特色 适用场景
anthropics/financial-services-plugins Anthropic 官方金融服务插件：投资银行、股权研究、私募、财富管理 金融服务全流程
OctagonAI/skills Octagon 代理式金融研究 Claude Skills 机构级金融研究
tradermonty/claude-trading-skills 股票投资与交易：市场分析、技术图表、经济日历、筛选器、策略开发 量化交易研究
himself65/finance-skills Agent Skills 开放标准，盈利前后分析、共识预估、分析师情绪 金融分析
quant-sentiment-ai/claude-equity-research 机构级股权研究插件：基本面分析、技术指标、风险评估 股权研究

教育与公共健康

套件 核心特色 适用场景
GarethManning/claude-education-skills 循证教育 Claude Skills，专为教师和代理编排设计 教育研究、教学设计
FreedomIntelligence/OpenClaw-Medical-Skills 869 个医学 AI Skills：流行病学、公共健康监测、临床研究、药物安全、生物统计 公共健康、医学研究

治理、合规与法律

套件 核心特色 适用场景
Sushegaad/Claude-Skills-Governance-Risk-and-Compliance GRC Skills：ISO 27001、SOC 2、GDPR、HIPAA 等合规指导（94% vs 基准 72%） 合规研究、政策分析
zubair-trabzada/ai-legal-claude 法律助手：合同审查、风险分析、NDA 生成、合规审计，14 Skills + 5 代理 法律经济学、规制研究
evolsb/claude-legal-skill AI 合同审查：CUAD 风险检测、市场基准、律师级红线标注 法经济学研究

营销与消费者行为

套件 核心特色 适用场景
coreyhaines31/marketingskills CRO、文案、SEO、分析和增长工程 市场营销研究
zubair-trabzada/ai-marketing-claude 15 Skills + 并行子代理：网站审计、文案、邮件序列、竞争情报 消费者行为分析
ericosiu/ai-marketing-skills 增长实验、销售管线、内容运营、SEO、财务自动化 营销策略研究

产品管理与组织行为

套件 核心特色 适用场景
phuryn/pm-skills 100+ 代理 Skills：发现到战略、执行、发布、增长，65 PM Skills + 36 链式工作流 产品管理、组织研究
mastepanoski/claude-skills UX/UI 评估（Nielsen 启发式、WCAG）、AI 治理（NIST AI RMF、ISO 42001） 用户体验研究

通用 Agent 能力增强

套件 Stars 核心特色
lyndonkl/claude - 85 skills + 6 编排代理，含因果推断、贝叶斯推理、实验设计、多准则分析
alirezarezvani/claude-skills ~5,200 220+ skills + 298 CLI 脚本，含金融分析和数据处理
rohitg00/awesome-claude-code-toolkit - 135 agents 含数据科学家代理（EDA、DID、RDD），35 skills，42 commands
jeremylongshore/claude-code-plugins-plus-skills - 340 plugins + 1,367 agent skills，CCPI 包管理器
affaan-m/everything-claude-code - Skills、直觉、记忆、安全、研究优先开发框架
posit-dev/skills - Posit 官方：modern-r-tidyverse、predictive-modeling、quarto-authoring、shiny-bslib

多代理协作系统

单个 Skill 解决单点问题，多代理系统解决端到端流程。以下系统让多个 AI 角色分工协作，互相审查，输出质量远超单 Agent：

论文修改与写作

系统 架构 核心特色
copy-edit-master 3 子代理：structure-editor + line-editor + quality-reviewer 文档类型自动检测，底层编码 Strunk & White / McCloskey 规则，每阶段 git 检查点，审阅循环（最多 2 次迭代）
introduction-writer 4 子代理：strategist → drafter → reviewer → reviser Keith Head 公式起草引言，审阅者与起草者独立形成质量闭环
CoPaper.AI PaperAgent Supervisor + 4 子代理（preparation / modeling / visualization / writing） Skill 按 target_agent 精准路由，每个子代理只看到相关方法论指导，减少上下文干扰

为什么多代理比单 Agent 好？ 同一个 Agent 既写又审，倾向于认为自己写的都对。角色分离后，审阅者独立于起草者，才能形成真正的质量闭环。这和学术界同行评审的逻辑一样。

数据分析与研究

系统 来源 核心特色
ruc-datalab/DeepAnalyze 中国人民大学 自主数据分析 Agent，原始数据 → 专业报告，支持 CSV/Excel/JSON/数据库，开源模型 DeepAnalyze-8B
business-science/ai-data-science-team Business Science 多代理数据科学团队：EDA Agent + SQL Agent + MLflow Agent，LangChain 集成
HungHsunHan/claude-code-data-science-team 社区 Claude Code 多代理数据科学团队，自动清洗 → 建模 → 生成可执行 Notebook
HKUDS/AI-Researcher 港大 (NeurIPS 2025 Spotlight) 全自主研究管线：文献综述 → 假设生成 → 算法实现 → 论文撰写
wanshuiyin/Auto-claude-code-research-in-sleep (ARIS) 社区 隔夜自主研究，跨模型审阅循环（Claude + 外部 LLM 做批评者）
SamuelSchmidgall/AgentLaboratory 学术 (ICLR) 端到端自主研究：文献综述 → 实验 → 报告，集成 arXiv/Hugging Face/LaTeX，研究成本降低 84%
SakanaAI/AI-Scientist-v2 Sakana AI 全自动科学发现：假设生成 → 实验 → 论文，首篇 AI 论文通过同行评审
assafelovic/gpt-researcher 社区 自主深度研究代理，支持任意 LLM 提供商
LitLLM/LitLLM 学术 AI 文献综述助手：关键词提取 + 多策略检索 + 重排序归属，基于 RAG
pedrohcgs/claude-code-my-workflow Emory 大学 学术 LaTeX/Beamer + R 模板，多代理审查 + 质量门控，15+ 研究组采用
hugosantanna/clo-author 社区 将 Sant’Anna 工作流从课件扩展到全社科实证研究发表

学术数据 MCP 服务器

系统 核心特色
xingyulu23/Academix 聚合 OpenAlex + DBLP + Semantic Scholar + arXiv + CrossRef 为统一学术研究接口
Eclipse-Cj/paper-distill-mcp 11 源并行搜索，4 维加权排名（相关性/时效性/影响力/新颖性）
oksure/openalex-research-mcp OpenAlex API：搜索 2.4 亿+ 学术作品、引用分析、趋势追踪、协作网络
zongmin-yu/semantic-scholar-fastmcp-mcp-server Semantic Scholar API 完整访问：论文、作者、引用网络
openags/paper-search-mcp 搜索 20+ 来源：arXiv、PubMed、bioRxiv、Google Scholar、SSRN、Unpaywall 等
aringadre76/mcp-for-research 整合 PubMed + Google Scholar + ArXiv + JSTOR，NPM 发布
blazickjp/arxiv-mcp-server arXiv 论文搜索与分析 MCP
lzinga/us-gov-open-data-mcp 40+ 美国政府 API（FRED/Census/CDC/FDA/FEC 等），250+ 工具
stefanoamorelli/fred-mcp-server FRED 80 万+ 经济时间序列直接访问
llnOrmll/world-bank-data-mcp 世界银行 Data360，1000+ 经济社会指标、200+ 国家
54yyyu/zotero-mcp Zotero 文献库与 AI 助手连接：论文评审、摘要、引用分析、PDF 标注
datagouv/datagouv-mcp 法国国家开放数据平台 MCP

Skill 聚合平台与发现工具

不知道去哪找 Skills？这些平台是你的起点：

平台 规模 特色
VoltAgent/awesome-agent-skills 1,000+ skills 13,700 stars，官方团队和社区精选
sickn33/antigravity-awesome-skills 1,340+ skills 28,000 stars，CLI 一键安装 npx antigravity-awesome-skills
VoltAgent/awesome-openclaw-skills 5,400+ skills 从 OpenClaw 官方注册表（ClawHub 13,729 Skills）筛选分类
jeremylongshore/claude-code-plugins-plus-skills 1,367 skills 340 plugins + CCPI 包管理器
skills.sh 在线市场 可搜索的 Skill 市场
ClawHub (clawhub.com) 13,729 skills 开源 AI 技能市场，一行命令安装
Agent Skills 标准 规范文档 Agent Skills 通用规范
Anthropic 官方 Skills 官方 PDF/DOCX/XLSX/PPTX 文档处理
Anthropic 官方插件市场 官方 Anthropic 管理的高质量 Claude Code 插件目录
Anthropic Knowledge Work Plugins 官方 11 个插件含 Data Plugin（SQL 查询、数据探索）
Anthropic Financial Services Plugins 官方 金融服务插件：投行、股研、私募、财管

学习资源

官方文档

学术讲座与课程

因果推断教材

综述论文与 Awesome Lists

社区与参考来源

🛡️ 安全扫描

我们对仓库内全部 52 个 Skill / 2,940+ 文件做了系统性安全审查 —— 52/52 全部 CLEAN，零 FLAGGED。所有看似敏感的命中经验证后均归入合法内容，未发现任何恶意 prompt、病毒、木马或反向 shell。结论先行：可以放心使用本仓库收录的任意 Skill。

Skills 安全扫描总览

六阶段多层防御审查方法：

  1. 自动化模式扫描 — 13 类风险维度 grep（pipe-to-shell / 反向 shell / 凭据外泄 / 解码执行 / 挖矿 RAT 签名 / Prompt 注入等）
  2. Hook 与权限矩阵审查 — 6 个含 hook 的 skill、40+ hook 脚本 100% 人工核查；权限 allow list 全部为研究工具，无 Bash(*) 通配符
  3. 三 Agent 并行内容审查 — SKILL.md 散文、agent 定义、reference 文档分别独立审查 prompt injection / 后门 / 隐藏 Unicode / 异常包源
  4. 补充完整性检查 — 隐藏字符 / 编码异常 / 极长行 / HTML 注入 / 网络相关 import / 高比例非 ASCII

结果分布：所有命中均归入三类合法内容：

  • 🛡️ 防御性安全规则 — deny rule、bash-safety hook、凭据检测器（17-DAAF 是这批 Skill 中”安全意识最强”的参考样板：14 个防御 hook + 32 条 deny rule + 主动凭据扫描）
  • 📚 合法学术 API 调用 — arXiv / CrossRef / PubMed / Semantic Scholar / FRED / World Bank / OECD / BLS 等公共研究数据源
  • 🔁 标准 Claude Code 工作流 hook — 项目脚手架、状态保存、context 监控、会话存档、pre-commit 提醒，全部本地文件操作、零网络 IO

关键洞察：规模最大 ≠ 风险最高。Top 5 大型 Skill（43-wentorai 478 文件 / 33-Galaxy-Dawn 327 文件 / 17-DAAF 319 文件 / 35-bahayonghang 264 文件 / 18-jusi-aalto 126 文件）经全量审查，反而是这批 Skill 中安全意识最高的样本。

完整报告含 Phase 1-6 方法论、52 个 Skill 逐一审查表、5 张可视化信息图：📋 SECURITY-SCAN-REPORT.md

Contributing

欢迎贡献！请阅读 CONTRIBUTING.md 了解如何提交新的 Skill 推荐。

我们特别欢迎：

  • 经济学、政治学、社会学、心理学、教育学、公共管理、公共健康等社会科学领域的专用 Skills
  • 因果推断方法的新 Skill 实现
  • 金融、管理学、市场营销、法经济学等商科领域的 Skills
  • 文献综述、基金申请、研究提案等通用学术 Skills
  • MCP 服务器（学术数据库、政府数据 API）
  • 中文友好的 Skills
  • 多代理协作系统的案例分享

Star History

如果这个列表对你有帮助，请给一个 Star 让更多研究者看到。

AI 是放大器，不是替代品。它替你做最耗时的”搬砖”，你保留最核心的”判断”。


CoPaper.AI Stanford REAP

Stanford REAP × CoPaper.AI · 实证研究 AI 工具的学术工业级产品


扫码访问 copaper.ai
扫码访问 copaper.ai 		CoPaper.AI 公众号
关注公众号「CoPaper.AI」

内置 20 个方法论 Skills · 20 分钟完成实证论文 · 自研 StatsPAI（900+ 函数 / MIT 开源）


由 CoPaper.AI 团队维护，孵化于 Stanford REAP / SCCEI（中国经济与制度研究中心） | 实证研究 AI 助手

Follow

Archives

Tags

AGI1
Alfred1
Automation3
Documentation2
Hexo1
Python_library1
Skills,Agent skills1
Software3
bibliography1
chart1
computational simulation1
condensed-matter physics1
data analysis1
data-science2
deep-learning1
encryptAsDiary2
fortran1
functional programming2
machine-learning2
matplotlib1
multiprocessing1
neural-networks1
physics2
physics experiment3
plasma physics1
plugins1
poetry1
python15
python_configuration1
python_editors1
python_intermediate2
python_tools1
rust1
semiconductors1
superintelligence1
zotero1

follow.it

Recents

Latest Comments

×