AI+Stata3.0红宝书–从重复提示到可复用Skill

开篇案例

想象一下：你每天都要完成文献综述，每次都要写类似的提示：

“帮我写一段关于DID方法最新进展的文献综述，要求包括平行趋势检验、事件研究设计、以及多种稳健估计量的实现。请引用至少5篇最新的顶级期刊论文，注意比较不同方法的优缺点。”

而使用Skill，你只需要说：

“帮我完成一段DID方法最新进展的文献综述。”

AI会自动匹配到你创建的文献综述Skill，直接按照你常用的格式和标准执行。

1 什么是Skill以及为什么需要它们

1.1 Skill的定义

传统Skill定义：在Claude Code中，Skill是一组打包好的代码和配置，告诉AI如何处理特定类型的任务。

更高级的理解：Skill是你个人研究流程的自动化封装，可以让AI代理像你一样思考和行动。

1.2 为什么需要Skill

效率提升：

• 减少重复输入：避免每次都写类似的提示
• 提高一致性：确保每次执行的质量相同
• 节省时间：从每次都需要解释变成一次配置，多次使用

质量保障：

• 标准化流程：确保按照最佳实践执行
• 经验积累：将成功的经验固化为Skill
• 可复用性：Skill可以在项目之间分享和复用

错误减少：

• 避免遗忘：所有必要的步骤都已包含在Skill中
• 减少人为错误：AI按照预定义的步骤执行
• 系统化方法：每个步骤都有验证和检查

2 Skill的三类分类和结构

根据Anthropic发布的Claude中文文档，发现常见技能类别，可以分为三类

类别1：文档与资产创建

类别2：工作流自动化

类别3：MCP增强

来源：Claude技能构建完全指南

下面将对逐一对其进行介绍

2.1 文档资产型Skill

文档资产型Skill：产生文档或报告的Skill，通常需要用户提供背景信息和结构要求。

---name:literature-reviewdescription:帮我写一段文献综述，要求引用至少5篇顶级期刊论文，比较不同方法的优缺点。适用于DID分析、文献综述等场景。# 文献综述生成Skill## 执行步骤### 第一步：确定主题1.确定文献综述的主题和范围2.识别关键变量和概念3.确定需要引用的文献类型### 第二步：查找文献1.使用学术搜索引擎查找相关文献2.识别核心论文和综述性文章3.检查文献的相关性和质量### 第三步：阅读和理解1.快速阅读摘要和引言部分2.识别研究方法和主要发现3.理解文献之间的联系### 第四步：组织和写作1.制定文献综述的结构2.写作每个部分的内容3.确保逻辑清晰和内容连贯### 第五步：编辑和验证1.检查语法和拼写错误2.验证引用格式3.确保内容符合要求---

2.2 流程自动化型Skill

流程自动化型Skill：需要执行多个步骤的Skill，通常涉及代码生成和执行。

---name:stata-data-cleaningdescription:帮我完成Stata数据清洗任务，包括缺失值处理、变量生成、异常值检测。适用于所有需要数据预处理的场景。# Stata数据清洗流程Skill## 执行步骤### 第一步：数据导入1.读取数据文件2.检查数据完整性3.验证数据格式### 第二步：变量检查1.检查每个变量的基本统计量2.验证变量编码3.识别数据类型### 第三步：缺失值处理1.统计缺失值的分布2.确定缺失值处理方法3.执行缺失值处理### 第四步：异常值检测1.使用统计方法识别异常值2.检查异常值的合理性3.决定异常值的处理方法### 第五步：变量生成1.根据研究需要生成新变量2.验证变量生成的正确性3.优化变量命名### 第六步：输出保存1.保存清洗后的数据2.生成数据清洗报告3.验证结果的正确性---

2.3 MCP增强型Skill

**MCP增强型Skill：使用MCP协议的Skill，可以访问本地资源和执行代码。

---name:stata-regressiondescription:帮我完成Stata回归分析任务，包括模型设定、估计执行、结果解读。适用于所有统计分析场景。# Stata回归分析Skill## 执行步骤### 第一步：数据准备1.读取并检查数据2.验证模型假设3.优化数据结构### 第二步：模型设定1.确定模型类型（OLS,DID,IV等）2.设定变量和控制变量3.配置估计选项### 第三步：估计执行1.执行回归分析2.检查估计结果3.验证模型假设### 第四步：结果解读1.解释回归系数的经济含义2.评估统计显著性和经济显著性3.讨论政策含义和局限性### 第五步：报告生成1.生成回归结果表格2.生成图表和可视化3.撰写结果解读部分---

3 SKILL.md的结构与核心字段的使用

3.1 核心字段

YAMLFrontmatter字段：

---name:stata-regression# Skill名称，必须唯一description:># 描述，告诉AI什么时候使用这个Skill帮我完成Stata回归分析任务，包括模型设定、估计执行、结果解读。适用于所有统计分析场景。# 执行步骤---

其他可选字段：

---name:example-skilldescription:>  这是一个示例Skill的描述，告诉AI什么时候使用这个Skill。category:general# 分类标签tags:["analysis","automation"]# 标签，用于分类version:1.0# 版本号，用于管理author:"Your Name"# 作者信息# 执行步骤---

3.2 执行步骤的编写原则

步骤应该是可执行的：

// 好的步骤1. 读取并检查数据2. 验证模型假设3. 优化数据结构// 不好的步骤1. 分析数据2. 执行回归3. 解读结果

每个步骤都应该有明确的检查点**：

// 包含检查点的步骤1. 读取并检查数据   - [ ] 数据是否成功读取   - [ ] 变量类型是否正确   - [ ] 数据完整性是否良好2. 验证模型假设   - [ ] 残差是否正态分布   - [ ] 是否存在异方差问题   - [ ] 是否存在多重共线性

未完待续！

关于AI × Stata3.0，前文回顾详见AI × Stata3.0 红宝书节选：Stata MCP基础：

VS-Code中使用Stata MCP必学的资源汇总

Jupyter/VSCode与Stata交互方法3-StataMCP

AI 智能体–Stata MCP助力Stata应用

如何在Claude Code中创建Stata skills

【ClaudeCode教程-1】文科生小白入门–顶级计量经济学家Sant’Anna的 Claude Code 工作流