manytw2/starlane-skills

Starlane Skills 关注的是把实证分析里的代码、模型枚举、结果整理和复现材料自动化；它不会替你捏造结论，也不会把不显著的结果包装成显著。

技能索引

当前 skills/ 下包含以下可触发技能：

快速开始

安装：

npx skills@latest add Manytw2/starlane-skills

然后在支持 Skills 的 Agent 工具中调用：

/starlane-regression

你可以从一份数据文件和一个研究想法开始，也可以直接提供已经整理好的变量映射。Agent 会先和你确认研究设定，再把确认后的计划编译成可执行的回归任务。

如果要清洗或合并数据，可以调用：

/starlane-data-cleaner

这个技能会先确认目标数据集的观测单位、key、必需变量和合并关系，再生成或调整 cleaning_plan.json，用稳定执行器运行，并检查 key 唯一性、merge 匹配情况、样本流失和关键变量缺失。

如果你只是想先看这个仓库会跑出什么，可以使用内置 demo：

uv sync --project skills/starlane-regression
uv run --project skills/starlane-regression python quick-start/run_demo.py --env python

也可以选择 Stata env：

uv run --project skills/starlane-regression python quick-start/run_demo.py --env stata

运行完成后，用户可见结果会写入 output/starlane-regression//。

开发者安装

git clone https://github.com/Manytw2/starlane-skills.git
cd starlane-skills
uv sync --project skills/starlane-regression
uv sync --project skills/starlane-data-cleaner

每个 skill 的运行环境声明在各自目录内。Python 脚本请通过 uv run --project skills/ python ... 执行，不要依赖当前业务项目的 Python 环境。

项目结构

skills/
├── starlane-regression/
│   ├── SKILL.md
│   ├── references/
│   └── scripts/
└── starlane-data-cleaner/
    ├── SKILL.md
    ├── references/
    └── scripts/

SKILL.md 是 Agent 入口；references/ 放工作流、契约、输出规范和故障处理说明；scripts/ 放数据画像、计划执行、诊断以及各执行环境脚本。

文档

• 架构说明
• Architecture
• English README

边界

Starlane 是实证分析助手，不是论文代写工具，也不是显著性工厂。

它会保留变量映射、模型选择、生成代码和内部运行证据，帮助你复现结果；但研究问题是否成立、变量定义是否合理、模型解释是否可以支持因果结论，仍然需要你判断。

许可

本项目采用 PolyForm Noncommercial License 1.0.0。你可以将它用于非商业目的；商业使用需要单独授权。