模块 0 · 10.11（周日）· 全天正式课

AI工具安装配置及最佳实践

课程赠送服务｜布丁

学完能做什么：以Claude Code、Codex等主流工具为实例，完成课程所需环境配置，并理解Agent相关配置、功能与最佳实践。

① 配置Claude Code、Codex等工具

② Harness的组成部分与Agent运行逻辑

③ Context Window、CLAUDE.md与AutoMemory

④ 会话管理、Skills和MCP的应用

⑤ Agent最佳实践

模块 1 · 10.17（周六）· 全天正式课

零基础Agent Skills实战

用Codex做科研｜蒋老师

学完能做什么：把反复出现的科研流程和个人经验沉淀为可调用的Skill，建立自己的AI科研助手。

① 理解Codex项目、任务、上下文、终端与权限

② 区分Skill、Prompt、MCP、插件与固定工作流

③ 读写SKILL.md，掌握触发、执行和验证机制

④ 查找、审查、安装、调用与管理Skill

⑤ 从零制作“文献综述Skill”

⑥ 组合文档、数据、绘图、写作和投稿类Skills

⑦ 将书籍与专家方法蒸馏为可复用能力

模块 2 · 10.18（周日）· 全天正式课

AI时代的数据处理

Codex + Stata + Python｜马老师

学完能做什么：用Codex、MCP、Stata和Python协同完成数据获取、清洗、变量构建、模型检验与结果解释。

① 连接数据库与统计工具，建立协同流程

② 多来源、多年份经济数据的下载与匹配

③ 数据审查、清洗、特征工程与可视化

④ 从企业年报提取文本、表格与指标

⑤ OLS、DID等回归模型与结果解释

⑥ 内生性、稳健性、机制与异质性分析

⑦ 结果复核、留痕、一键复现与数据安全

模块3 · 10.24（周六）· 全天正式课

AI科研认知：方法论与经验

AI加速学术研究｜张老师

学完能做什么：理解AI科研范式的底层逻辑，知道何时把AI当研究助理、领域专家或智能体，也知道哪些判断必须由研究者完成。

① 大模型原理、后训练对齐、提示工程与模型选型

② 写作协作、信息提取、文本分析与文献综述

③ 深度研究智能体、虚拟受访者与政策沙盒

④ Claude Code、上下文工程与扩展能力体系

⑤ 从想法到论文的工作流与AI能力边界

模块 4 · 10.25（周日）· 全天正式课

智能科研工作流：从选题、数据到写作

Claude Code赋能经管实证研究｜郭老师

学完能做什么：用Claude Code、Agent与Skills把文献、代码、数据分析、论文写作和模拟审稿串成一个可复现项目。

① 项目、上下文、任务、角色、Skill与Agent

② 文献批量处理、研究脉络梳理与方案比较

③ Python/Stata代码生成、执行、调试与结果整理

④ 基于真实结果完成论文叙事与模拟审稿

⑤ 明确Agent执行任务与研究者专业判断的边界