从研究问题出发，
找到真正需要的技能。
把 AERS 的 77 个合集翻译成你的研究地图。每一项都回答：它能做什么、解决什么问题，以及怎样接入你已有的 Python × GitHub × Quarto 工作流。
找到那个具体的 SKILL.md
合集不是安装单位。这里读取仓库的逐项索引，按方法、语言、研究步骤与整理层级筛选；每项显示原始用途说明和基于标签的适配提示。
完整索引已内置
77 个合集与 1,107 个子技能的完整目录已随网页提供，打开即可搜索和筛选，无需再连接 GitHub 载入。名称、原始描述、标签、来源和许可信息均保留。你也可以保存离线页，或手动重新载入固定版本目录。
不再搭一套系统，
给现有系统补上研究能力。
以你已建立的 Python、uv、GitHub、Quarto、DVC 和 Agent 技能为前提。下面是阅读与试用顺序，不是要求一次安装所有条目。
工程规范继续由你的技能负责；
研究设计、证据与审计，从 AERS 里拆取。
00.1 与 00，先选哪一个？
优先读 00.1：显式 Python 实证栈。它与你的技术栈更接近，也更便于看清实际调用了哪一个估计器、用了什么设定。
00：StatsPAI 是另一个工具后端选项。统一接口可能减少拼接工作，但应先用已知答案的小数据，对照验证它的结果与诊断；不是因为封装更完整就一定更可靠。
依据：目录原始 description（00 / 00.1）；此处优先顺序为针对你的工作流判断。
69：借鉴编排，不直接替换
Paper-WorkFlow 的目录描述明确包含完整论文 DOCX 交付。你真正值得借鉴的是阶段输入输出、失败时停在哪里、什么时候请人确认。
把它改成“读取现有项目 → 确认研究问题 → 产物交接 → QMD 更新 → PR 审阅”，而不是让现成框架创建另一套正文和目录。
给 Agent 的接入约束
下面是试用技能前的约束模板，不会安装软件或修改你的仓库。复制后补上本次研究任务。
它想替你执行研究流程，
不只是替你找 Skill。
根据项目方公开介绍，Copaper 是面向实证研究的网页端 AI 协作产品，定位于把研究请求、数据、分析和稿件衔接起来。下面明确区分产品定位与本次未验证的能力。
AERS 是可挑选、可改造的研究技能库；
Copaper 是把研究步骤包装成产品界面的工作台。
你给出研究目标和数据，产品试图组织描述统计、计量或因果分析、稳健性、表图和论文草稿等工作。它卖的主要不是“技能列表”，而是“由系统替你串联并执行研究任务”的体验。项目方说明 ↗
AERS 技能库
研究方法与任务指引，以及查找适当子技能的目录/路由。可在自己的 Agent 环境中选择性使用。
StatsPAI
项目方提供的 Python 分析工具层；尝试统一多种实证估计、诊断和结果组织接口。不是网页产品本身。
Copaper
网页端研究协作产品；将模型、工具和工作流组织成面向使用者的界面。不是下载 Skill 后就等于拥有的同一个系统。
项目方具体怎样描述它？
固定版本的中文说明列出：内置 20 个计量方法论 skill，涵盖 DID、IV、RDD、PSM、DML 等；采用 Supervisor 加 4 个子代理的组织方式，并称相关因果估计由 StatsPAI 驱动。仓库简介还称它支持用户上传 Skills。
这些是项目方的公开描述，不是本次对网页后台架构的独立验证。能上传 Skill，也不等于你的 modern-python、Quarto 输出契约、uv 锁文件与 DVC 远端可以原样接入。
用你的场景理解它
例如你要研究“某项披露制度与企业融资成本的关系”：先提供研究目标、制度背景、公司—年份数据和变量说明，系统尝试协助清洗、分析、出表并起草研究文本。
但“表格和稿件已经生成”不等于制度冲击外生、比较组合理、平行趋势成立，也不等于你的论文具有新贡献。你仍需判断研究设计与证据是否匹配。这个例子是对其产品定位的说明，不是本次登录后的实测记录。
它与你现有工作流的关系
| 维度 | 你现在的路线 | Copaper 的角色 / 待核实点 |
|---|---|---|
| 操作入口 | Agent 读取 GitHub 项目、Python 与 QMD | 网页研究工作台，项目方强调自然语言驱动 |
| 流程控制 | 你定义技能、约束、目录和 PR 审阅 | 产品预先组织流程；具体人工介入粒度未实测 |
| 可复现资产 | 源码、uv 锁文件、DVC 元数据和 QMD 可版本化 | 完整代码、依赖、日志和中间产物能否导出，须实测 |
| 你可能得到什么 | 透明、可裁剪、与你导师共用的长期资产 | 可考虑用公开样例做独立基线或第二意见；便利性待验证 |
| 能否替换主干 | 现有工作流已明确 | 没有证据表明必须迁移；先验证资产可带走及结果可复核 |
“20 分钟完成论文”，应怎样理解？
仓库介绍使用了快速完成论文的宣传语。稳妥的理解是：它希望自动生成一套分析与论文草稿，而不是保证研究识别成立、全部代码正确或文章获录用。本次没有证据验证该速度及结果质量。
对你而言，更值得测试的是：能否导出完整分析代码、依赖版本、数据处理日志和表图生成依据，能否无损回到你的 QMD/GitHub 项目，以及遇到零结果或失败诊断是否如实停下，而不是继续寻找预期结果。
知道自己看到了什么，
也知道哪些还没有被验证。
这是一份基于仓库快照的人工导览，不是官方网页，也不是对所有技能的安全、统计或运行认证。
本页实际包含什么
不要把“有评分”理解成“已保证正确”
固定快照的 skills-enriched.json 声明 core 22、extended 888、duplicate 84、out-of-domain 113；其中标有 eval coverage 的条目为 21 / 1,107。这是该文件的索引口径，不等同于仓库其他评测目录的场景总数，更不代表只有这些技能可用或其余技能不正确。
格式质量分、通过静态检查、存在评测、在你的数据上得出有效研究结论，是四件不同的事。因此本页不把目录平均分当作科研可信度评级，也不承诺“全仓可安全盲装”。
依据：增强目录顶部 summary；核对日期 2026-10-01。条目是否仍适用，请进一步查看具体 SKILL.md、依赖和当前项目数据。
使用与隐私
本页无登录、无追踪、无 AI API 调用。搜索与筛选只在浏览器内运行。收藏保存在当前浏览器的本地存储；浏览器隐私模式、文件路径变化或清理存储可能导致收藏丢失，建议导出 Markdown。
首次打开使用 HTML 内置目录，无需另行请求 JSON。只有点击“重新载入固定版本”时才请求 GitHub 的固定提交 JSON。导入 JSON 在本地读取，不上传。本页不会安装 Skill、不会执行仓库脚本、不会修改你的 GitHub。打开“原始仓库”等链接会访问相应外部网站。
技能许可并不统一。复制、修改或分发具体技能之前，请按其自身及上游许可证核对；未知许可不等于允许。本文的适配建议不构成许可证判断。
来源与版本
仓库提交：f7d6800701ae6e7a343eb9c65556534f3028775e
提交时间：2026-09-30 18:02:22 UTC；导览核对日期：2026-10-01。
69 子模块：Paper-WorkFlow · 2b9ad64 ↗。其文件不能用父仓库提交直接拼接 blob 链接。
Copaper：网站 ↗；产品用途的主要可读依据来自项目方仓库介绍，当前站内完整功能与条款未验证。
阅读时最重要的三个边界
别把合集当单技能。只选择真正包含 SKILL.md 的目录，并审阅它的依赖、脚本与默认行为。
别把方法模板当研究设计。写出识别依据、估计目标和诊断，再决定哪个估计器适用；保留失败结果。
别把 AI 使用痕迹当质量标准。语言可以改得更清楚，证据与必要披露不能因为“去 AI 味”被抹掉。