CNDD AI SKILLS 分享 | 一键构建可复现的DID研究项目(内含安装代码和指令)

摘要

分析200个县2015-2022年最低工资面板数据CNDD-0121 中国各区县最低工资标准（2001-2024年）及学术论文应用，研究最低工资提高对县域就业率的影响（DID设计）。本案例演示如何让 Claude Code 自动将你的分析代码整理为一个完全可复现的研究项目——包括规范的目录结构、带编号的分析脚本（run order）、变量码表（codebook）、环境依赖文件、数据说明——确保他人一键运行即可复现你的全部结果。

研究背景

使用的 Skill

LaminDB（可复现性工具包）

技能名称：lamindb
来源：K-Dense Inc.（Apache-2.0 License）
安装命令：

claude skill install k-dense-ai/claude-scientific-skills/lamindb

核心能力：基于 LaminDB 开源数据框架，实现数据的可查询（Queryable）、可追溯（Traceable）、可复现（Reproducible）和 FAIR 合规。自动整理分析代码为规范化项目结构，生成环境依赖文件、变量码表（codebook）、运行顺序文档（README），跟踪数据从原始文件到分析结果的完整血缘链路。
适用场景：论文投稿前整理可复现材料包——确保审稿人/其他研究者能一键运行你的全部分析代码，满足期刊复现要求。

第一步：描述可复现性需求（用户输入）

在 Claude Code 中输入以下 prompt：

参考指令：

请将我的最低工资DID分析整理为一个完全可复现的研究项目。

数据文件: minimum_wage_panel_data.csv需要包含：1. 规范的项目目录结构（data/ scripts/ outputs/）2. 带编号的分析脚本（01_clean -> 02_descriptive -> 03_regression）3. 变量码表（codebook），说明每个变量的含义和取值范围4. requirements.txt 环境依赖5. README.md 项目说明和运行顺序6. 可复现性验证清单

第二步：项目结构规划（预期输出）

Claude 自动规划项目目录结构：

参考指令：

1.生成标准化的目录树：

reproducible_project/├── README.md├── requirements.txt├── codebook.md├── data/│ └── minimum_wage_panel_data.csv (symlink or copy)├── scripts/│ ├── 01_clean.py│ ├── 02_descriptive.py│ └── 03_did_regression.py└── outputs/├── figures/└── tables/

2.每个目录有明确职责

第三步：环境依赖与码表生成（预期输出）

Claude 自动生成 requirements.txt 和 codebook.md

参考指令：

requirements.txt 包含精确版本号codebook.md 列出所有变量：变量名、类型、含义、取值范围、单位数据来源说明

第四步：带编号的分析脚本（预期输出）

Claude 生成有序的分析脚本：

参考指令：

01_clean.py：数据清洗和验证02_descriptive.py：描述性统计和基线平衡性检验03_did_regression.py：DID回归、事件研究、稳健性检验每个脚本开头注明输入文件和输出文件脚本之间通过文件系统传递中间结果

第五步：README与复现验证（预期输出）

Claude 生成 README.md 和复现性验证清单：

参考指令：

README 包含：项目简介、环境配置、运行顺序、预期输出一键运行命令（bash 脚本或 Makefile）复现性验证清单：环境依赖是否齐全？数据文件是否存在？脚本是否按顺序执行？输出文件是否完整？

可运行演示脚本

运行下方脚本可直接生成案例中涉及的完整可复现项目结构：

python3 demo_5_reproducibility.py

中国深度数据库：让精品数据得以流动

CNDeepData：Let high-quality data flow without barriers