双剑合璧：智能体时代的 Stata 实证

当 ai 打败柯洁时，人们依旧认为 ai 离自己的事业很遥远，正如柯洁看到 ai 打败李世石时的年少轻狂。直到 2026 年，实证学习者们才开始围绕 ai 建立一种"自动化"的恐惧。

最近 David Yanagizawa-Drott 教授启动了智能体实证分析项目（APEP 项目）；陶哲轩建立了智能体对 Erdős 数学问题集贡献的项目（AI contributions to Erdős problems）。计算机领域热词也层出不穷——agent、skill、vibecoding、mcp、ABM model……¹

就具体研究而言，再比如两个具体例子²：

• 《A dataset on the spatiotemporal distributions of street and neighborhood crime in China》：使用 LLM 提取裁判文书刑事案件的变量。
• 《Decoding China’s Industrial Policies》: 使用 LLM 对海量政策进行编码解析。

不严谨的概括:让 ai 成为一个（具备某些特点的）操控主体（agent），能操控自己电脑上的软件（mcp 能力），也就完成了一种自动化编程流程（vibecoding）。结合 ai 的 api 和 VSCode 插件。这里我们可以建立一个粗糙的环境简单体验一二。

让 ai 操控软件

最简单的集成版本—— cusor、claudecode³。

但是我们也可以通过 VSCode 实现 all in one。

需要以下软件：

• VSCode：代码编写环境
• Git：版本控制，文件传输管理
• Node.js：可以写后端、操作文件、控制硬件。
• cc Switch： 调用集成 ai 的 api。

针对国内环境，推荐参考以下视频：

当实现以后，就可以在 VSCode 中调用 ai 的 api 直接操作编辑页面。

若是第一次使用 VSCode, 操作记得先建立一个新文件夹，然后打开 VSCode, 点击文件，打开新建的对应文件夹，剩下的就是在其中操作了。

进一步加入 stata 插件

StataMCP 插件

当你完成上一步操作后，你完全可以调用 ai 服务帮你开展其他设置操作😀。

我个人推荐在 VSCode 中下载这几个 stata 插件。

• Stata language：识别 stata 语法
• Stata Outline：让代码能识别大纲，标题格式为 **#。有几个 # 就是几级标题，最多六级标题。
• Stata MCP：核心，让 VSCode 具备控制 stata 的能力。

需要的额外设置也很简单，只需要在 stata MCP 的设置页面输入自己安装 stata 的文件夹目录：

例如我的就是 D:\stata。我使用的是 stata MP 版本⁴。

Stata MCP 插件会让页面出现以下按键，其实就对应着 stata 的运行。

让 ai 具有调用 stata 的权限

为了让 ai 具有操纵 stata 软件的能力，首先需要下载 mcp 协议桥梁 mcp-proxy。

1

ai <-> mcp-proxy <-> stata-mcp <-> Stata

直接在 powershell 窗口运行以下代码即可下载

1

pip install mcp-proxy

Claude code 接入 statamcp

claude code 对 mcp 的管理比较谨慎，兼容不像 codex 那么便利。目前我似乎是通过在 .claude 下方添加以下 .json 文件实现了连接。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

{

  "mcpServers": {

    "stata-mcp": {

      "command": "mcp-proxy",

      "args": ["http://localhost:4000/mcp"]

    }

  }

}

Codex 接入 statamcp

这种接入要求 stata 必须有许可证。如果用的 stata 破解版需要基于许可证的破解版。

接下来在 ai 的本地设置中，让 ai 知道我们已经打通了调用 stata 的权限。例如目前我使用的是 vscode+codex 的组合，本地配置文件就在 C:\Users\Administrator\.codex\config.toml

这一步直接让 ai 自己修改即可。

加入以下设置

1
2
3

[mcp_servers.stata-mcp]
command = "mcp-proxy"
args = ["http://localhost:4000/mcp"]

最终 ai 就用有了自己运行代码的能力。

提示词：修改完善代码，基于sysuse auto进行一个实证分析。加入代码大纲层次，** # 为标题格式。 # 有几个代表几级标题，最多六级标题。

其他 statamcp 插件

LSE 的 Thomas Monk 教授也出了一个自己搭建的 statamcp 插件 Stata Workbench。不过我个人觉得没有 statamcp 插件好用。

关于选择哪家的本地 cli 编辑器。如果不止用 vscode, 个人推荐 claude code ，切换其他模型更便捷，跨平台推广更好。如果只在 vscode 上使用，个人推荐 codex，目前工程上的优化确实优于 claude code。

论文测试

目前我用这套流程测试产生了三篇论文：

• 第一篇：让 ai 自己清洗 csmar 的企业数据并进行分析《组织规模、人力资本结构与上市公司违规风险：来自中国上市公司的面板证据》
• 第二篇：测试 ai 的数理建模《走人户随礼、关系资本与跨期财富配置：一个关于中国礼物流动的经济学解释》
• 第三篇：测试 ai 的可视化程度《城市企业进入退出与营商活力：基于 2000-2023 年全国市级地区-年份面板的描述性研究》

Obsidian 加入 ai

同样，当你完成第一部——配置好 claude 调用 deepseek 的 api 后，你也可以在其他编辑器上实现同样的操作。例如 obsidian。

BRAT 是 Obsidian 用于安装测试版插件的工具。

1. 安装 BRAT：

   • 在 Obsidian 设置中，前往 Community plugins（第三方插件） -> Browse（浏览）。

   • 搜索并安装 BRAT (Beta Reviewers Auto-update Tester)。

   • 安装后点击 Enable（启用）。

2. 添加 Claudian 仓库：

   • 打开 BRAT 插件设置。

   • 点击 Add Beta plugin。

   • 在弹出窗口中输入 GitHub 地址：YishenTu/claudian。

   • 点击 Add Plugin。

我个人喜欢让其翻译本博客中文文档，适配英文版本。

推荐 api？

Api 平台

个人觉得国内 api，deepseek 的性价比最高。

以下大厂平台都送一些注册免费额度：

• 阿里百炼
• 硅基流动：推荐，包含免费模型。且有新手送的 65 元代金券和协作计划。
• 智谱⁵
• 火山引擎（字节的）

基于 api 消费数据看 llm 市场

最近已经有论文利用 api 提供市场进行分析。典型的就是国内也可以用的 OpenRouter。OpenRouter 也提供了一些免费的大模型。不过免费调用赚的是账户余额。

NBER 最近有篇论文爬取了 OpenRouter 网站的数据进行市场分析:

《The Emerging Market for Intelligence: Pricing, Supply, and Demand for LLMs》

最让我印象深刻的是下面这几个图：

在 NBER 论文之前，其实 OpenRouter 团队自己就用数据做过分析，就在：

《An Empirical 100 Trillion Token Study with OpenRouter》

安装 skills

安装与说明

Skills 其实就是 ai 的指导说明书，指导其在具体场合具体怎么处理。在其中添加脚本或流程就能约束模型在特定场景下的输出结果。

关于 skill ，特别推荐阅读这位博主的文章进一步了解：

《上下文是稀缺资源｜RAG、Memory、Skills 的设计哲学刍议》

此时依次输入以下命令，就可以下载 claude 官方准备的 skills 包。

安装 skills 市场：

1

/plugin marketplace add anthropics/skills

安装官方编写的一些 skills 包

1

https://github.com/anthropics/skills

例如我直接将一个经济学 skills 的 github 发给 claude 让它自己下载：

1

https://github.com/meleantonio/awesome-econ-ai-stuff

例如，这是我在下载 obsidian 的 skills 后，让它绘制了一篇博客文章的思维导图：

与 skill 形成配合的往往还有 hook。如果说 skill 是 ai 的指导书，让 ai 能快速地选择参考资料；hook 就是参考指南。简单的理解为——特定场景下强制执行的脚本。例如一旦阅读文献，执行一个给定的词云分析脚本。Hook 可以和 skill 匹配使用，形成指令判断-选择流程-执行脚本的过程。

Skill 资源

可以在以下网站寻找 skills 资源

• Skills. Sh (个人推荐，也推荐参考这里面的命令统一安装 skills )
• skillsmp.com
• awesome-agent-skills

首先推荐个寻找 skills 的命令，安装之后明显调用 skills 更顺畅准确率。

1

npx skills add https://github.com/vercel-labs/skills --skill find-skills

更深的自动化术语？

如果想要更深入地了解当今结合 ai 的自动化流程，或许可以进一步检索 vibecoding 相关术语。现在也有很多经济学家开始介绍自己的 stata+智能体编程。例如：

• Claude Code for Economists。（作者推特有更详细的链接）。
• 大年初六我把论文复现Claude Agent公开了，欢迎使用

对标同样的 claude code ，openai 的是 codex，google 的则是 gemini cili⁶。如今正在早期竞争阶段，各家注册福利都不少。

现在估计每门计量经济学，甚至是经济学的开学第一课，都是自问怎么应对 ai 冲击。不过也别怕，工业革命之前还得是能源革命。现在 ai 烧钱烧资源性价比太低了，泛用注定是个大问题。但是，让人恐怖的不是 ai 的绝对值，而是进步的迭代速度，至少能让我们对变化的时代保持一种清醒。从另外一个角度讲，赛车早已超越了人类的极限，我们却依旧为百米赛跑感到刺激、恐惧、兴奋。若真如刘慈欣《诗云》那样⁷，某种文明能排列出所有的文字组合，我们对诗歌的感受才是更重要的事情。