ssci-subagent-skills 1.0.0

package/skills/dialectical-quantitative-synthesis/SKILL.md

@@ -0,0 +1,239 @@
+---
+name: dialectical-quantitative-synthesis
+description: 鍩轰簬椹厠鎬濅富涔夎京璇佹硶锛屽皢瀹氶噺鍒嗘瀽涓庡畾鎬у垎鏋愩€佺悊璁轰笌瀹炶返銆佸巻鍙蹭笌閫昏緫鐩哥粨鍚堢殑缁煎悎鍒嗘瀽鎶€鑳斤紝瀹炵幇杈╄瘉鎬濈淮涓庢暟鎹垎鏋愮殑鏈夋満铻嶅悎
+version: 2.0.0
+author: socienceAI.com
+license: MIT
+tags: [dialectical-analysis, quantitative-methods, qualitative-analysis, marxist-methodology, synthesis]
+compatibility: Node.js environment
+metadata:
+  domain: social-sciences
+  methodology: dialectical-synthesis
+  complexity: advanced
+  integration_type: analysis_tool
+  last_updated: "2025-12-26"
+allowed-tools: [node, bash, read_file, write_file]
+---
+
+# 杈╄瘉瀹氶噺缁煎悎鍒嗘瀽鎶€鑳?
+## 鏍稿績鍔熻兘
+
+### 1. 瀹氶噺涓庡畾鎬ц瀺鍚堝垎鏋?- **鐞嗚鎸囧鏁版嵁鏀堕泦**锛氱敤椹厠鎬濅富涔夌悊璁烘寚瀵兼暟鎹敹闆嗘柟鍚戝拰閲嶇偣
+- **姒傚康鎿嶄綔鍖?*锛氬皢椹厠鎬濅富涔夌悊璁烘蹇垫搷浣滃寲涓哄彲娴嬮噺鎸囨爣
+- **鍙橀噺鍏崇郴鍋囪**锛氬熀浜庣悊璁烘彁鍑哄彉閲忛棿鍏崇郴鐨勫亣璁?- **鏁版嵁璐ㄩ噺鏍囧噯**锛氬缓绔嬪熀浜庣悊璁鸿姹傜殑鏁版嵁璐ㄩ噺鏍囧噯
+
+### 2. 鍘嗗彶涓庨€昏緫缁熶竴鍒嗘瀽
+- **鍘嗗彶杩涚▼鍒嗘瀽**锛氬垎鏋愪簨鐗╁彂灞曠殑鍘嗗彶杞ㄨ抗
+- **閫昏緫缁撴瀯鍒嗘瀽**锛氬垎鏋愪簨鐗╃殑鍐呭湪閫昏緫缁撴瀯
+- **鍘嗗彶閫昏緫缁熶竴**锛氬疄鐜板巻鍙茶繘绋嬩笌閫昏緫缁撴瀯鐨勭粺涓€
+- **鍙戝睍瑙勫緥璇嗗埆**锛氳瘑鍒巻鍙插彂灞曚腑鐨勫唴鍦ㄨ寰?
+### 3. 鎶借薄涓庡叿浣撶粨鍚堝垎鏋?- **鎶借薄鐞嗚搴旂敤**锛氬簲鐢ㄦ娊璞＄殑鐞嗚妗嗘灦鍒嗘瀽鍏蜂綋闂
+- **鍏蜂綋瀹炶返妫€楠?*锛氱敤鍏蜂綋瀹炶返楠岃瘉鐞嗚鍒嗘瀽
+- **鎶借薄鍏蜂綋缁熶竴**锛氬疄鐜版娊璞＄悊璁轰笌鍏蜂綋瀹炶返鐨勭粺涓€
+- **灞傛鍒嗘瀽**锛氳繘琛屼粠鎶借薄鍒板叿浣撶殑灞傛鍒嗘瀽
+
+### 4. 涓€鑸笌涓埆缁煎悎鍒嗘瀽
+- **涓€鑸寰嬭瘑鍒?*锛氳瘑鍒簨鐗╁彂灞曠殑涓€鑸寰?- **涓埆鐗圭偣鍒嗘瀽**锛氬垎鏋愬叿浣撲簨鐗╃殑涓埆鐗圭偣
+- **涓€鑸釜鍒粺涓€**锛氬疄鐜颁竴鑸寰嬩笌涓埆鐗圭偣鐨勭粺涓€
+- **鐭涚浘鍒嗘瀽**锛氬垎鏋愪竴鑸€т笌涓埆鎬х殑鐭涚浘鍏崇郴
+
+## 搴旂敤鍦烘櫙
+
+### 鍦烘櫙1锛氱ぞ浼氱粡娴庡彂灞曡京璇佸垎鏋?**杈撳叆**锛氱粡娴庡彂灞曟暟鎹€佺ぞ浼氭寚鏍囨暟鎹€佹斂绛栧疄鏂芥暟鎹?
+**鍒嗘瀽娴佺▼**锛?1. **瀹氶噺鏁版嵁鏀堕泦**锛氭敹闆嗙粡娴庡拰绀句細鍙戝睍鐨勯噺鍖栨寚鏍?2. **瀹氭€х悊璁哄垎鏋?*锛氳繍鐢ㄩ┈鍏嬫€濅富涔夋斂娌荤粡娴庡鐞嗚鍒嗘瀽
+3. **鍘嗗彶閫昏緫鍒嗘瀽**锛氱粨鍚堝巻鍙插彂灞曚笌閫昏緫缁撴瀯鍒嗘瀽
+4. **鎶借薄鍏蜂綋缁熶竴**锛氬皢鎶借薄鐞嗚涓庡叿浣撳疄璺电浉缁撳悎
+5. **涓€鑸釜鍒患鍚?*锛氱粺涓€涓€鑸寰嬩笌涓埆鐗圭偣
+
+**杈撳嚭绀轰緥**锛?```
+# 绀句細缁忔祹鍙戝睍杈╄瘉鍒嗘瀽鎶ュ憡
+
+## 閲忓寲鎸囨爣鍒嗘瀽
+### 缁忔祹鍙戝睍鎸囨爣
+- GDP澧為暱鐜囷細骞村潎澧為暱6.5%
+- 浜哄潎GDP锛氳揪鍒颁腑绛夊彂杈惧浗瀹舵按骞?- 浜т笟缁撴瀯锛氱涓変骇涓氬崰姣旇秴杩?0%
+- 鎶€鏈繘姝ヨ础鐚巼锛氳揪鍒?0%
+
+### 绀句細鍙戝睍鎸囨爣
+- 鍩哄凹绯绘暟锛?.468锛屽浜庡浗闄呰鎴掔嚎闄勮繎
+- 鍩庝埂鏀跺叆姣旓細2.3:1锛屽煄涔″樊璺濅粛鐒惰緝澶?- 鍩烘湰鍏叡鏈嶅姟鍧囩瓑鍖栵細鎸佺画鎺ㄨ繘涓?- 浜虹被鍙戝睍鎸囨暟锛?.761锛屽睘浜庨珮姘村钩
+
+## 鐞嗚鍒嗘瀽妗嗘灦
+### 鍘嗗彶鍞墿涓讳箟瑙嗚
+- 鐢熶骇鍔涘彂灞曪細绉戞妧鍒涙柊椹卞姩鍙戝睍
+- 鐢熶骇鍏崇郴璋冩暣锛氶€傚簲鐢熶骇鍔涘彂灞曢渶瑕?- 缁忔祹鍩虹涓庝笂灞傚缓绛戝叧绯伙細鍗忚皟鍙戝睍
+
+### 闃剁骇鍒嗘瀽瑙嗚
+- 闃剁骇缁撴瀯锛氬伐浜洪樁绾с€佸啘姘戦樁绾с€佺煡璇嗗垎瀛愮瓑
+- 闃剁骇鍏崇郴锛氬悎浣滃叡璧€佸拰璋愬彂灞?- 闃剁骇鎰忚瘑锛氱ぞ浼氫富涔夋牳蹇冧环鍊艰寮曢
+
+### 鐭涚浘鍒嗘瀽瑙嗚
+- 涓昏鐭涚浘锛氫汉姘戞棩鐩婂闀跨殑缇庡ソ鐢熸椿闇€瑕佷笌涓嶅钩琛′笉鍏呭垎鐨勫彂灞?- 鐭涚浘杞寲锛氫粠閲忓彉鍒拌川鍙樼殑鍙戝睍杩囩▼
+- 瀵圭珛缁熶竴锛氬彂灞曚腑鐨勭煕鐩句笌缁熶竴
+
+## 杈╄瘉缁煎悎缁撹
+- 缁忔祹鍙戝睍涓庣ぞ浼氬彂灞曠浉缁熶竴
+- 閲忕殑澧為暱涓庤川鐨勬彁鍗囩浉缁熶竴
+- 鐭湡鐩爣涓庨暱鏈熸垬鐣ョ浉缁熶竴
+- 鏅亶瑙勫緥涓庝腑鍥界壒鑹茬浉缁熶竴
+```
+
+### 鍦烘櫙2锛氫紒涓氭暟瀛楀寲杞瀷杈╄瘉鍒嗘瀽
+**杈撳叆**锛氭暟瀛楀寲杞瀷鏁版嵁銆佺粡娴庢晥鐩婃暟鎹€佺ぞ浼氬奖鍝嶆暟鎹?
+**鍒嗘瀽娴佺▼**锛?1. **鏁版嵁閲忓寲鍒嗘瀽**锛氬垎鏋愭暟瀛楀寲杞瀷鐨勯噺鍖栨寚鏍?2. **鐞嗚瀹氭€у垎鏋?*锛氳繍鐢ㄩ┈鍏嬫€濅富涔夌悊璁哄垎鏋愭暟瀛楀寲鏈川
+3. **鍘嗗彶杩涚▼姊崇悊**锛氭⒊鐞嗘暟瀛楀寲鍙戝睍鍘嗗彶杩涚▼
+4. **閫昏緫缁撴瀯鍒嗘瀽**锛氬垎鏋愭暟瀛楀寲鍐呭湪閫昏緫缁撴瀯
+5. **杈╄瘉缁煎悎鍒ゆ柇**锛氱患鍚堝垽鏂暟瀛楀寲杞瀷鐨勫奖鍝?
+**杈撳嚭绀轰緥**锛?```
+# 浼佷笟鏁板瓧鍖栬浆鍨嬭京璇佸垎鏋?
+## 閲忓寲鍒嗘瀽缁撴灉
+### 杞瀷鎸囨爣
+- 鏁板瓧鍖栫▼搴︼細75%锛堝熀浜庢妧鏈簲鐢ㄥ拰娴佺▼鏁板瓧鍖栵級
+- 鏁堢巼鎻愬崌锛氬钩鍧囨彁鍗?0%
+- 鎴愭湰闄嶄綆锛氳繍钀ユ垚鏈檷浣?0%
+- 鍒涙柊鑳藉姏锛氭柊浜у搧寮€鍙戝懆鏈熺缉鐭?0%
+
+### 璐ㄥ寲鍒嗘瀽缁撴灉
+- 鍔冲姩杩囩▼鍙樺寲锛氬姵鍔ㄦ柟寮忔暟瀛楀寲杞瀷
+- 鍔冲姩璧勬枡鍙樺寲锛氱敓浜у伐鍏锋櫤鑳藉寲鍗囩骇
+- 鍔冲姩瀵硅薄鍙樺寲锛氭暟鎹垚涓洪噸瑕佺敓浜ц绱?- 鐢熶骇鍏崇郴璋冩暣锛氱粍缁囩粨鏋勬墎骞冲寲銆佺綉缁滃寲
+
+## 杈╄瘉鍒嗘瀽
+### 璐ㄤ笌閲忕殑缁熶竴
+- 閲忓彉绉疮锛氭暟瀛楀寲鎶€鏈簲鐢ㄧ殑閲忓彉绉疮
+- 璐ㄥ彉绐佺牬锛氱敓浜ф柟寮忕殑鏍规湰鎬у彉闈?- 閲忚川浜掑彉锛氭暟瀛楀寲鎺ㄥ姩璐ㄧ殑椋炶穬
+
+### 鑲畾涓庡惁瀹氱殑缁熶竴
+- 鑲畾鏂归潰锛氭彁鍗囨晥鐜囥€侀檷浣庢垚鏈€佸垱鏂板彂灞?- 鍚﹀畾鏂归潰锛氬氨涓氬啿鍑汇€侀殣绉侀闄┿€佹暟瀛楅缚娌?- 鍚﹀畾涔嬪惁瀹氾細鏇撮珮灞傛鐨勬暟瀛楀寲鍙戝睍
+
+### 鍐呭涓庡舰寮忕殑缁熶竴
+- 鍐呭锛氱敓浜у叧绯诲拰鐢熶骇鍔涚殑鍙戝睍
+- 褰㈠紡锛氭暟瀛楀寲鎶€鏈拰宸ュ叿鐨勫簲鐢?- 缁熶竴锛氬唴瀹瑰喅瀹氬舰寮忥紝褰㈠紡鍙嶄綔鐢ㄤ簬鍐呭
+
+## 缁煎悎鍒ゆ柇
+- 鏁板瓧鍖栬浆鍨嬫槸鍘嗗彶蹇呯劧瓒嬪娍
+- 闇€瑕佸钩琛℃晥鐜囦笌鍏钩
+- 瑕佸潥鎸佷互浜烘皯涓轰腑蹇冪殑鍙戝睍鐞嗗康
+- 娉ㄩ噸鏁板瓧鍖栧彂灞曠殑绀句細涓讳箟鎬ц川
+```
+
+## 璐ㄩ噺鏍囧噯
+
+### 鐞嗚鍑嗙‘鎬ц姹?- **杈╄瘉娉曞簲鐢ㄥ噯纭害**锛氣墺95% (鍩轰簬椹厠鎬濅富涔夎京璇佹硶)
+- **瀹氶噺瀹氭€ц瀺鍚堝害**锛氣墺90% (鐞嗚涓庢暟鎹湁鏈虹粨鍚?
+- **椹厠鎬濅富涔変竴鑷存€?*锛氣墺92% (绗﹀悎椹厠鎬濅富涔夊熀鏈師鐞?
+- **鐞嗚娣卞害瑕佹眰**锛氣墺85% (娣卞叆鍒嗘瀽杈╄瘉鍏崇郴)
+
+### 鍒嗘瀽涓撲笟鎬ц姹?- **鏁版嵁璐ㄩ噺璇勪及鍑嗙‘鐜?*锛氣墺90%
+- **鐞嗚搴旂敤绮惧害**锛氣墺85%
+- **鍘嗗彶閫昏緫鍒嗘瀽娣卞害**锛氣墺80%
+- **缁煎悎鍒ゆ柇鍚堢悊鎬?*锛氣墺75%
+
+### 瀹炶返搴旂敤瑕佹眰
+- **鐜板疄閽堝鎬?*锛氶拡瀵瑰叿浣撹京璇佺幇璞?- **瑙ｅ喅鍙鎬?*锛氭彁鍑虹殑瑙ｅ喅鏂规蹇呴』鍙
+- **浜烘皯鎬?*锛氫綋鐜颁汉姘戠兢浼楁牴鏈埄鐩?- **杩涙鎬?*锛氭帹鍔ㄧぞ浼氳繘姝ュ彂灞?
+## 鎶€鏈緷璧?
+### 鏍稿績渚濊禆鍖?- **pandas**: 鏁版嵁澶勭悊鍜屽垎鏋?- **numpy**: 鏁板€艰绠楀拰缁熻鍒嗘瀽
+- **scikit-learn**: 鏈哄櫒瀛︿範绠楁硶鐢ㄤ簬妯″紡璇嗗埆
+- **matplotlib/seaborn**: 鏁版嵁鍙鍖?- **networkx**: 鍏崇郴缃戠粶鍒嗘瀽
+- **statsmodels**: 缁熻寤烘ā鍜岃閲忕粡娴庡
+
+### 鏅鸿兘渚濊禆绠＄悊
+璇ユ妧鑳戒娇鐢ㄦ櫤鑳戒緷璧栫鐞嗙郴缁燂紝浼樺厛浣跨敤楂樼骇鍒嗘瀽鍖咃紝濡傛灉涓嶅彲鐢ㄥ垯鑷姩闄嶇骇鍒板熀纭€瀹炵幇锛?
+```python
+from common.smart_dependency_manager import attempt_install_and_import, smart_statistical_analysis
+
+# 鏅鸿兘瀵煎叆缁熻鍒嗘瀽鍖?statsmodels, using_advanced_stats = attempt_install_and_import('statsmodels', '0.13.2')
+if using_advanced_stats:
+    print("浣跨敤楂樼骇缁熻妯″瀷杩涜杈╄瘉瀹氶噺鍒嗘瀽")
+else:
+    print("浣跨敤鍩虹缁熻鏂规硶杩涜杈╄瘉瀹氶噺鍒嗘瀽")
+
+# 鏅鸿兘缁熻鍒嗘瀽
+result, using_advanced = smart_statistical_analysis(data, analysis_type="dialectical_synthesis")
+```
+
+### 闄嶇骇绛栫暐
+- **楂樼骇鍖呬笉鍙敤鏃?*锛氫娇鐢≒ython鍐呯疆缁熻鍔熻兘
+- **鏈哄櫒瀛︿範涓嶅彲鐢ㄦ椂**锛氫娇鐢ㄨ鍒欏熀纭€鐨勫垎鏋?- **鍙鍖栧寘涓嶅彲鐢ㄦ椂**锛氳緭鍑烘枃鏈牸寮忕殑鍒嗘瀽缁撴灉
+- **缃戠粶鍒嗘瀽涓嶅彲鐢ㄦ椂**锛氫娇鐢ㄥ熀纭€缁熻鏂规硶
+
+## 浣跨敤鎸囧崡
+
+### 璋冪敤鏂瑰紡
+```
+鐢ㄦ埛: "瀵圭ぞ浼氱粡娴庡彂灞曡繘琛岃京璇佸畾閲忓垎鏋?
+鏅鸿兘浣? 鑷姩鍔犺浇dialectical-quantitative-synthesis鎶€鑳?鎵ц: dialectical_analyzer.synthesize_analysis(data, theory_framework)
+杈撳嚭: 杈╄瘉瀹氶噺缁煎悎鍒嗘瀽鎶ュ憡
+```
+
+### 杈撳叆鏍煎紡
+```json
+{
+  "phenomenon": "闇€瑕佸垎鏋愮殑鐜拌薄",
+  "data": {
+    "quantitative_data": "瀹氶噺鏁版嵁",
+    "qualitative_data": "瀹氭€ф暟鎹?,
+    "historical_data": "鍘嗗彶鏁版嵁",
+    "logical_framework": "閫昏緫妗嗘灦"
+  },
+  "analysis_type": "dialectical_synthesis",
+  "focus_areas": ["quantitative_qualitative", "historical_logical", "abstract_concrete", "general_particular"],
+  "depth_level": "comprehensive",
+  "theory_framework": "marxist_dialectics"
+}
+```
+
+### 杈撳嚭鏍煎紡
+```json
+{
+  "analysis_result": {
+    "quantitative_qualitative_synthesis": {
+      "quantitative_findings": "瀹氶噺鍒嗘瀽鍙戠幇",
+      "qualitative_insights": "瀹氭€у垎鏋愭礊瀵?,
+      "synthesis_insights": "瀹氶噺瀹氭€ц瀺鍚堟礊瀵?
+    },
+    "historical_logical_analysis": {
+      "historical_trajectory": "鍘嗗彶杞ㄨ抗鍒嗘瀽",
+      "logical_structure": "閫昏緫缁撴瀯鍒嗘瀽",
+      "unity_analysis": "鍘嗗彶閫昏緫缁熶竴鍒嗘瀽"
+    },
+    "abstract_concrete_synthesis": {
+      "abstract_framework": "鎶借薄鐞嗚妗嗘灦",
+      "concrete_analysis": "鍏蜂綋瀹炶返鍒嗘瀽",
+      "synthesis_result": "鎶借薄鍏蜂綋缁熶竴缁撴灉"
+    },
+    "general_particular_integration": {
+      "general_laws": "涓€鑸寰?,
+      "particular_characteristics": "涓埆鐗圭偣",
+      "integration_result": "涓€鑸釜鍒患鍚堢粨鏋?
+    }
+  },
+  "quality_metrics": {
+    "theoretical_accuracy": 0.88,
+    "analysis_depth": 0.82,
+    "marxist_alignment": 0.91,
+    "practical_guidance": 0.85
+  },
+  "intervention_recommendations": {
+    "immediate_actions": "鍗虫椂琛屽姩寤鸿",
+    "medium_strategies": "涓湡绛栫暐瑙勫垝",
+    "long_term_vision": "闀挎湡鎰挎櫙鐩爣"
+  }
+}
+```
+
+## 鎸佺画鏀硅繘
+
+### 鍙嶉鏈哄埗
+- **鐢ㄦ埛鍙嶉鏀堕泦**锛氭敹闆嗙敤鎴峰杈╄瘉鍒嗘瀽缁撴灉鐨勫弽棣?- **涓撳璇勮**锛氶個璇烽┈鍏嬫€濅富涔変笓瀹惰瘎璁京璇佹硶搴旂敤
+- **瀹炶返楠岃瘉**锛氳窡韪京璇佸垎鏋愮粨鏋滅殑瀹炶返楠岃瘉
+- **鐞嗚鍙戝睍**锛氭牴鎹┈鍏嬫€濅富涔夌悊璁哄彂灞曟洿鏂板垎鏋愭鏋?
+### 鏇存柊绛栫暐
+- **鐞嗚娣卞寲**锛氭繁鍖栧椹厠鎬濅富涔夎京璇佹硶鐨勭悊瑙ｅ拰搴旂敤
+- **鏂规硶鍒涙柊**锛氬紩鍏ユ柊鐨勫畾閲忓畾鎬ц瀺鍚堟柟娉?- **妗堜緥鎵╁厖**锛氫笉鏂墿鍏呰京璇佸垎鏋愭渚嬪簱
+- **绮惧害鎻愬崌**锛氭彁楂樺畾閲忓畾鎬ц瀺鍚堢殑绮惧害
+
+---
+
+**姝よ京璇佸畾閲忕患鍚堝垎鏋愭妧鑳戒负鏁板瓧椹厠鎬濇櫤鑳戒綋鐨勬牳蹇冩妧鑳斤紝鎻愪緵绉戝銆佸噯纭殑椹厠鎬濅富涔夎京璇佸垎鏋愭柟娉曪紝纭繚瀹氶噺鍒嗘瀽涓庡畾鎬у垎鏋愮殑鏈夋満缁撳悎锛屽疄鐜扮悊璁轰笌瀹炶返鐨勭粺涓€銆?*

package/skills/did-analysis/SKILL.md

@@ -0,0 +1,239 @@
+---
+name: did-analysis
+description: 执行双重差分法(DID)因果推断分析，结合计量经济学理论、统计检验方法、政策评估实践和数据科学技术。包含实验设计、模型设定、因果估计、政策解释四个阶段。
+license: MIT
+compatibility: Python 3.8+, pandas, numpy, scipy, statsmodels, matplotlib, seaborn
+metadata:
+  domain: causal-inference
+  methodology: difference-in-differences
+  complexity: advanced
+  version: 2.0.0
+  integration_type: theoretical_quantitative
+  author: socienceAI.com
+  website: http://agentpsy.com
+allowed-tools: python bash read_file write_file task
+---
+
+# 双重差分法(DID)分析技能
+
+### 四层次渐进式信息披露
+
+#### Level 1: 元数据层 (始终加载)
+- **技能识别**: DID因果推断分析能力
+- **触发条件**: 需要政策效果评估或因果推断时自动激活
+- **Token成本**: ~100 tokens
+
+#### Level 2: 指令层 (触发时加载)
+- **分析流程**: DID因果推断框架概述
+- **决策逻辑**: 理论指导与实证检验的结合原则
+- **Token成本**: ~2000 tokens
+
+#### Level 3: 理论指导层 (按需加载)
+- **实验设计**: `prompts/experimental-design.md`
+- **模型设定**: `prompts/model-specification.md`
+- **因果解释**: `prompts/causal-interpretation.md`
+- **政策建议**: `prompts/policy-recommendation.md`
+- **Token成本**: 按具体分析需求动态加载
+
+#### Level 4: 计算执行层 (脚本调用)
+- **DID估计**: `scripts/did_estimator.py`
+- **平行趋势检验**: `scripts/parallel_trend.py`
+- **稳健性检验**: `scripts/robustness_test.py`
+- **数据可视化**: `scripts/visualization.py`
+- **集成引擎**: `scripts/integrated_did.py`
+- **Token成本**: 0 (直接执行，不加载到上下文)
+
+## 功能架构
+
+### 理论指导层
+- **实验设计**: 政策机制分析、实验组对照组选择
+- **模型设定**: DID模型框架、内生性处理、异质性分析  
+- **因果解释**: 统计结果阐释、竞争性解释排除
+- **政策建议**: 政策效应评估、可行性分析、外推有效性
+
+### 计算执行层
+- **DID估计**: 双向固定效应、合成控制、异质性分析、动态效应
+- **平行趋势检验**: 事件研究图、趋势一致性检验、预处理效应检测
+- **稳健性检验**: 安慰剂检验、样本敏感性、模型设定检验、竞争性解释排除
+- **数据可视化**: DID效应图、平行趋势图、异质性效应图、交互式仪表板
+- **集成分析**: 理论与计量协调、分析流程控制、结果整合输出
+
+## 智能协作机制
+
+### 五阶段研究流程决策引擎
+```python
+# DID集成分析器的核心决策逻辑 - 五阶段研究流程
+class IntegratedDIDAnalyzer:
+    def execute_analysis(self, data, policy_context):
+        # 阶段1: AI进行实验设计 (理论指导)
+        experimental_design = self.execute_experimental_design(policy_context)
+        
+        # 阶段2: AI进行模型设定 (理论+方法)
+        model_specification = self.execute_model_specification(data, experimental_design)
+        
+        # 阶段3: 脚本执行计量估计 (精确计算)
+        estimation_results = self.execute_did_estimation(data, model_specification)
+        
+        # 阶段4: AI进行因果解释 (理论阐释)
+        causal_interpretation = self.execute_causal_interpretation(estimation_results, experimental_design)
+        
+        # 阶段5: AI制定政策建议 (实践应用)
+        policy_recommendations = self.execute_policy_recommendation(causal_interpretation, policy_context)
+        
+        return self.integrate_results(experimental_design, estimation_results, causal_interpretation, policy_recommendations)
+```
+
+### 智能调用时机
+- **实验设计**: 研究开始时，加载`experimental-design.md`
+- **模型设定**: 数据分析前，加载`model-specification.md`
+- **计量估计**: 需要精确计算时，调用相应Python脚本
+- **因果解释**: 获得估计结果后，加载`causal-interpretation.md`
+- **政策建议**: 完成因果分析后，加载`policy-recommendation.md`
+
+## 使用流程
+
+### 第一阶段: 实验设计
+**AI任务**: 加载`experimental-design.md`，进行深度政策机制分析
+**输出**: 实验设计方案、组别选择、时间窗口设定
+**计量支持**: 数据特征分析脚本提供数据描述
+
+### 第二阶段: 模型设定
+**AI任务**: 加载`model-specification.md`，设计DID模型框架
+**输出**: 模型设定方案、内生性处理策略、异质性分析设计
+**计量支持**: 计量理论基础和模型选择指导
+
+### 第三阶段: 计量估计执行
+**AI任务**: 决策调用哪些计量脚本
+**脚本执行**: 
+- `did_estimator.py`: 执行DID估计
+- `parallel_trend.py`: 平行趋势检验
+- `robustness_test.py`: 稳健性检验
+**输出**: 精确的估计结果、统计检验、质量指标
+
+### 第四阶段: 因果解释
+**AI任务**: 加载`causal-interpretation.md`，进行因果机制阐释
+**输出**: 因果效应解释、理论意义、统计可靠性评估
+**计量支持**: 估计结果提供解释基础
+
+### 第五阶段: 政策建议
+**AI任务**: 加载`policy-recommendation.md`，制定政策建议
+**输出**: 政策建议、可行性分析、外推有效性评估
+**计量支持**: 因果效应大小和政策含义
+
+## 应用场景
+
+### 政策效果评估
+- **公共政策**: 各类政策的经济社会效应评估
+- **监管政策**: 金融监管、环境监管的效果分析
+- **社会政策**: 教育、医疗、社保政策效果
+
+### 医疗干预研究
+- **医疗政策**: 医保改革、药品政策效果评估
+- **公共卫生**: 疾病防控、健康干预效果分析
+- **医疗技术**: 新技术、新疗法的效果评估
+
+### 教育改革评估
+- **教育政策**: 教育改革、资源配置效果评估
+- **教学干预**: 教学方法、课程改革效果分析
+- **教育公平**: 教育机会均等政策效果
+
+### 环境政策分析
+- **环境规制**: 环保政策、碳排放政策效果
+- **能源政策**: 可再生能源、节能政策效果
+- **生态保护**: 自然保护、生态修复政策效果
+
+## 技术特性
+
+### 渐进式信息披露
+- **按需加载**: 只在需要时加载相应理论指导
+- **上下文优化**: 避免无关信息干扰
+- **计算独立**: 复杂计算不占用上下文
+
+### 智能化因果推断
+- **自动决策**: AI自动判断何时调用何种工具
+- **质量保障**: 内置因果识别有效性检验
+- **结果整合**: 自动生成完整的因果推断报告
+
+## 技术特性
+
+### 智能理论指导系统
+每个提示词文件都采用渐进式结构：
+- **理论框架**: 相关计量经济学和政策理论
+- **分析流程**: 分步骤的操作指南
+- **质量标准**: 因果推断有效性检验标准
+- **输出规范**: 标准化的分析报告格式
+
+### 高效计量分析引擎
+- **算法优化**: 针对DID特点优化的计量算法
+- **错误处理**: 完善的统计检验异常处理
+- **性能监控**: 实时的估计质量监控
+- **结果验证**: 多层次的因果识别验证
+
+### 集成控制系统
+- **状态跟踪**: 完整的因果推断状态管理
+- **决策记录**: 所有理论决策的详细记录
+- **版本控制**: 分析过程和结果的版本管理
+- **审计追踪**: 完整的因果推断审计日志
+
+## 质量保证
+
+### 三层质量控制
+1. **理论质量**: 计量模型的理论一致性和识别策略有效性
+2. **统计质量**: 平行趋势假设、统计显著性、估计精度
+3. **政策质量**: 政策现实相关性、建议可行性、外推有效性
+    if not check_parallel_trend_assumption(did_results):
+        quality_issues.append("平行趋势假设不满足")
+    
+    # 内生性检验
+    if not assess_endogeneity_concerns(did_results):
+        quality_issues.append("存在潜在内生性问题")
+    
+    # 稳健性检验
+    if not validate_robustness_results(did_results):
+        quality_issues.append("稳健性检验未通过")
+    
+    return quality_issues
+```
+
+## 开始使用
+
+### 快速启动
+```bash
+# 进入技能目录
+cd did-analysis/
+
+# 运行集成分析
+python scripts/integrated_did.py
+```
+
+### 自定义分析
+1. 准备面板数据 (CSV格式，包含个体、时间、处理、结果变量)
+2. 定义政策背景和研究问题
+3. 运行集成分析器
+4. 根据AI提示进行深度理论分析
+5. 获得完整的因果推断报告
+
+## 扩展资源
+
+### 理论指导文件
+- `prompts/experimental-design.md`: 实验设计专家提示
+- `prompts/model-specification.md`: 模型设定专家提示
+- `prompts/causal-interpretation.md`: 因果解释专家提示
+- `prompts/policy-recommendation.md`: 政策建议专家提示
+
+### 计量分析脚本
+- `scripts/did_estimator.py`: DID估计核心算法
+- `scripts/parallel_trend.py`: 平行趋势检验
+- `scripts/robustness_test.py`: 稳健性检验
+- `scripts/visualization.py`: 数据可视化
+- `scripts/integrated_did.py`: 集成分析引擎
+
+### 参考文档
+- `references/METHODOLOGY.md`: DID方法论详解
+- `references/BEST_PRACTICES.md`: 最佳实践指南
+- `references/COMMON_PITFALLS.md`: 常见陷阱与避免
+- `assets/templates/`: 数据模板和报告模板
+
+---
+
+**注意**: AI负责理论思考和因果解释，脚本负责精确计量估计，通过智能决策引擎实现因果推断的科学性和政策相关性的统一。