프로젝트 소개

## 프로젝트 개요 Auto-Empirical Research Skills(AERS)는 사회과학 실증 연구를 위한 AI 에이전트 스킬 모음으로, Stanford REAP과 CoPaper.AI가 유지 관리합니다. 저장소는 중국어를 기본 진입점으로 하며, 영어, 번체 중국어, 일본어, 한국어 버전도 제공합니다. README 설명에 따르면, 저장소에는 76개 스킬 컬렉션과 약 1,096개의 스킬이 수록되어 있으며, 00부터 72까지 연속적으로 번호가 매겨져 있고, 모두 이 저장소에 벤더링되어 `catalog/skills.json`으로 추적됩니다. 그중 팀 자체 개발로 표시된 7개 스킬이 파이프라인의 핵심을 구성하며, 나머지는 보안 감사를 거친 커뮤니티 작품의 스냅샷으로, 출처 열은 업스트림 저장소로 직접 연결됩니다. ## 적용 범위 및 파이프라인 README는 실증 연구 프로세스를 9단계로 나누고 각 단계에 해당 스킬을 나열합니다: 1. 주제 정제 - 모호한 아이디어를 반증 가능하고 실행 가능한 연구 질문으로 좁힘 2. 문헌 검토 - 검색, 선별, PRISMA 프로세스, 비판적 읽기, 주제 분석 3. 데이터 획득 - 공개 데이터베이스, API, 웹 스크래핑, 데이터 정제 4. 식별 전략 - DiD / RD / IV / SCM / DML / matching 5. 추정 모델링 - Python, Stata, R 세 가지 기술 스택 6. 견고성 감사 - 복제 패키지 검사, Honest-DiD, R&R 시뮬레이션 7. 표 및 그래프 - 저널 출판 수준의 조판 및 LaTeX 임베딩 8. 작성 및 동료 검토 - LaTeX / Quarto, 리뷰어 모방, 교정 9. AIGC 감소 및 투고 - AI 흔적 패턴 처리, 숨은 문자 및 메타데이터 정리 메타 오케스트레이션 스킬 Paper-WorkFlow는 위 단계를 엔드투엔드 파이프라인으로 연결하며, 사용자는 자연어로 작업을 지시할 수 있고, 각 단계의 산출물은 디스크에 저장되며, 임의 단계에서 인간 개입 후 자동 실행을 계속할 수 있습니다. ## 자체 개발 스킬 README에 나열된 팀 자체 개발 스킬은 StatsPAI(인과 추론 Python DSL), Full Empirical의 Python / Stata / R 세 가지 버전, de-AIGC-skills(중영 이중 언어 학술 AIGC 감소), AER-skills(경제학 투고 스위트), Paper-WorkFlow(메타 오케스트레이터)입니다. ## 설치 및 사용 README는 세 가지 설치 경로를 제공합니다: 저장소 URL을 Claude Code / Codex에 전달하고 디렉터리, 프로젝트 또는 전역 범위를 지정; Claude Code 플러그인 마켓을 통해 설치; 또는 저장소를 직접 클론한 후 개별 스킬 폴더를 `.claude/skills/` 또는 `~/.claude/skills/`에 복사. 사용 시 자연어로 작업을 설명하면 에이전트가 스킬 설명을 기반으로 자동 선택합니다. ## 품질 및 검증 메커니즘 저장소에는 benchmark, eval-harness 및 aers-score 평가 도구가 포함되어 있으며, README에 따르면 동일한 평가기로 외부 에이전트를 평가하고 외부 리더보드에 게시할 수 있습니다. 또한 카탈로그 검증, 링크 검사, 단위 테스트 등의 게이트 프로세스와 라이선스 및 출처 감사 문서가 있습니다. ## 라이선스 저장소는 CC BY-SA 4.0 라이선스를 사용하며, 커뮤니티 컬렉션은 업스트림 스냅샷으로, 구체적인 라이선스와 출처 신뢰도는 저장소 내 감사 문서에서 확인할 수 있습니다.