尝试做了一个实证研究AI助手,无复杂环境配置,一键回归,欢迎大家试用
我们尝试做了一个从选题、研究设计（因果识别策略）, 到回归代码生成，再到自动调用 R 开展各类回归分析，最后自动生成图表的AI Agent。为了纪念对我影响最大的经济学家罗纳德科斯，决定将它命名为COASE（也是我家猫的名字）。
我们现在发布测试版。不需要用户自己进行复杂的环境配置。只需要额外下载 Docker让Coase在隔离容器中运行以确保本地数据和设备的安全并配置自己的API Key。前端交互用户友好，一看就懂。
支持接入国产大模型（强烈推荐Kimi），无需依赖 Claude。我们也在B站和小红书发布了一个测试+讲解视频（见文末链接），展示一个简单的例子：
COASE基于常用的A股上市公司数据和用户唯一输入“中国ESG相关政策制定对上市公司绩效的影响”，扫描本地数据集，自动寻找可能的研究方案，选定2015年新环保法实施作为主要外生shock，生成假设及潜在机制故事，生成DID方案，生成R代码，清洗数据，最后调用R自动完成DID回归、平行趋势检验、鲁棒性检验（替换因变量、替换控制变量、不同的固定效应设定、安慰剂检验等）以及异质性检验（是否国企，融资约束等），最后生成可以一键复制的结果图表。所有代码和中间数据均留存以确保可复现性。途中从研究设计到代码实施再到结果判断均有Agent进行额外审阅以确保设计和代码的严谨性与一致性，同时确保在关键节点用户可以直接干预与反馈以决定下一步进程。
这个任务全程花费29分钟，两百万token，token成本共约4.1元人民币。
做这个工具的初衷，是希望社科经管的学生在完成各类论文任务的时候，可以把时间投入到真正重要的问题上：提出问题、发展观点、推进思考，而不是长期停留在重复、繁琐的数据清洗和回归分析之中，消磨了对研究的热情和兴趣。同时，我们也希望这个工具可以更好的引导实证研究的初学者了解一个完整的实证研究流程，建立实证思维，并基于此完成严谨的实证分析论文。
我们希望，COASE能够在一定程度上推动 AI 更广泛地进入社科研究与学习场景，帮助更多学生降低实证研究的技术门槛。
我们也相信，当检验研究想法的成本显著下降后，学生将有更大空间尝试不同课题，而不必在单一选题上反复消耗。
需要说明的是，COASE 目前仍是一款处于早期阶段的产品，在功能、体验和稳定性方面还有许多需要继续完善之处。若在使用过程中给大家带来不便，也恳请多多包涵。我们也非常欢迎大家提出意见和建议，帮助我们持续改进。
此外，我们也建立了COASE后续交流群，就安装、操作和应用过程中的常见问题进行交流，也可以向我们反馈使用中的问题与建议，帮助我们进一步完善产品，建议大家在使用前先加群~。也欢迎在这个公众号后台向我们留言。
https://sheehe.github.io/Mutil-Agent_Research_System/
https://www.bilibili.com/video/BV1B7QtBKEj5/?vd_source=72f1f0ee9e0f870469b523669bf0387c
夜雨聆风
