इस प्रोजेक्ट के बारे में

## परियोजना अवलोकन Auto-Empirical Research Skills (AERS) सामाजिक विज्ञान के अनुभवजन्य शोध के लिए एक AI Agent स्किल संग्रह है, जिसे Stanford REAP और CoPaper.AI द्वारा अनुरक्षित किया जाता है। रिपॉज़िटरी का डिफ़ॉल्ट प्रवेश चीनी में है, साथ ही अंग्रेज़ी, पारंपरिक चीनी, जापानी और कोरियाई संस्करण भी उपलब्ध हैं। README के अनुसार, रिपॉज़िटरी में 76 स्किल संग्रह और लगभग 1,096 स्किल हैं, जिनकी संख्या 00 से 72 तक क्रमागत है। सभी को इस रिपॉज़िटरी में vendor किया गया है और `catalog/skills.json` द्वारा ट्रैक किया जाता है। इनमें टीम द्वारा स्वयं विकसित 7 स्किल पाइपलाइन की मुख्य धारा बनाते हैं, शेष सुरक्षा-ऑडिट किए गए समुदाय कार्यों के स्नैपशॉट हैं, और स्रोत सूची सीधे अपस्ट्रीम रिपॉज़िटरी से लिंक करती है। ## कवरेज और पाइपलाइन README अनुभवजन्य शोध प्रक्रिया को 9 चरणों में विभाजित करता है और प्रत्येक चरण के लिए संबंधित स्किल सूचीबद्ध करता है: 1. विषय परिष्करण——अस्पष्ट विचारों को मिथ्यापनीय, क्रियान्वयन योग्य शोध प्रश्नों में बदलना 2. साहित्य समीक्षा——खोज, छँटाई, PRISMA प्रक्रिया, आलोचनात्मक पठन, विषय विश्लेषण 3. डेटा अधिग्रहण——सार्वजनिक डेटाबेस, API, वेब स्क्रैपिंग, डेटा सफाई 4. पहचान रणनीति——DiD / RD / IV / SCM / DML / matching 5. अनुमान मॉडलिंग——Python, Stata, R तीन तकनीकी स्टैक 6. मजबूती ऑडिट——प्रतिकृति पैकेज जाँच, Honest-DiD, R&R सिमुलेशन 7. तालिकाएँ और आरेख——जर्नल प्रकाशन-स्तरीय टाइपसेटिंग और LaTeX एम्बेडिंग 8. लेखन और सहकर्मी समीक्षा——LaTeX / Quarto, समीक्षक अनुकरण, प्रूफ़रीडिंग 9. AIGC कमी और सबमिशन——AI ट्रेस पैटर्न प्रसंस्करण, छिपे अक्षर और मेटाडेटा सफाई मेटा-ऑर्केस्ट्रेशन स्किल Paper-WorkFlow को उपरोक्त चरणों को एक एंड-टू-एंड पाइपलाइन में जोड़ने के रूप में वर्णित किया गया है, जहाँ उपयोगकर्ता प्राकृतिक भाषा में कार्य दे सकते हैं, प्रत्येक चरण के आउटपुट डिस्क पर सहेजे जाते हैं, और किसी भी चरण में मानव हस्तक्षेप के बाद स्वचालित निष्पादन जारी रखने की अनुमति होती है। ## स्वयं विकसित स्किल README में सूचीबद्ध टीम द्वारा स्वयं विकसित स्किल में शामिल हैं: StatsPAI (कारण अनुमान Python DSL), Full Empirical के Python / Stata / R तीन संस्करण, de-AIGC-skills (चीनी-अंग्रेज़ी द्विभाषी अकादमिक AIGC कमी), AER-skills (अर्थशास्त्र सबमिशन किट) और Paper-WorkFlow (मेटा-ऑर्केस्ट्रेटर)। ## स्थापना और उपयोग README तीन स्थापना मार्ग प्रदान करता है: रिपॉज़िटरी URL को Claude Code / Codex को देना और निर्देशिका, प्रोजेक्ट या वैश्विक स्कोप निर्दिष्ट करना; Claude Code प्लगइन मार्केटप्लेस के माध्यम से स्थापना; या सीधे रिपॉज़िटरी क्लोन करके एकल skill फ़ोल्डर को `.claude/skills/` या `~/.claude/skills/` में कॉपी करना। उपयोग के समय कार्य को प्राकृतिक भाषा में वर्णित करें, Agent skill के description के आधार पर स्वचालित रूप से चयन करता है। ## गुणवत्ता और सत्यापन तंत्र रिपॉज़िटरी में benchmark, eval-harness और aers-score स्कोरिंग टूल शामिल हैं। README के अनुसार, एक ही स्कोरर का उपयोग बाहरी agent को स्कोर देने और बाहरी स्कोरबोर्ड पर प्रकाशित करने के लिए किया जा सकता है। इसके अतिरिक्त catalog सत्यापन, लिंक जाँच, यूनिट परीक्षण आदि गेट प्रक्रियाएँ, तथा लाइसेंस और स्रोत ऑडिट दस्तावेज़ भी हैं। ## लाइसेंस रिपॉज़िटरी CC BY-SA 4.0 लाइसेंस का उपयोग करती है, समुदाय संग्रह अपस्ट्रीम स्नैपशॉट हैं, विशिष्ट लाइसेंस और स्रोत विश्वास स्तर के लिए रिपॉज़िटरी के भीतर ऑडिट दस्तावेज़ देखें।