Blog

经济学与 AI 的技术专栏

像翻书一样浏览研究工作流、复现工程、因果推断审计和 agent 系统设计。这里不做碎片化资讯，而是沉淀可反复回看的方法笔记。

研究工作流复现工程因果推断系统设计知识管理

2026年3月28日

12 分钟

当文献综述不再只是找论文，而是把论文、识别策略、数据口径和可复现代码同时放进同一条流水线，研究效率才真正开始提升。

真正拖垮复现项目的，往往不是估计量本身，而是文件命名、变量字典、版本漂移和路径管理这些被低估的工程细节。

一个学期结束后最容易丢失的，不是文件，而是研究决策的上下文。真正有价值的记忆系统，保存的是‘为什么这样做’，而不只是‘做了什么’。

从 PDF 到 Panel：经济学文献综述的四代理工作流

很多研究者把 LLM 用在文献综述上时，第一步就错了：他们要求模型直接给出“综述成稿”，却没有先把论文拆成可检索、可比较、可质疑的工作单元。

代理层

统一语境

重复整理

本季索引

我们把重点放在研究过程中最容易被忽略、但最影响产出的那一层：结构、治理、审计和记忆。

把阅读、归档、质疑、写作拆成四个连续角色，而不是一段长提示词。

每一层都输出结构化资产，下一层只消费可验证的中间结果。

评价文献综述的标准不是摘要像不像人写，而是后续回归设计能不能直接用。

Column Shelf

一本书对应一篇专栏长文。你可以从任意书脊抽出一本，进入完整文章。

真正拖垮复现项目的，往往不是估计量本身，而是文件命名、变量字典、版本漂移和路径管理这些被低估的工程细节。

LLM 可以快速提出看上去合理的识别方案，但真正的问题不在“方案能否说得通”，而在“方案是否经得起可证伪的审计”。

把研究 Copilot 直接理解成一个聊天窗口会很快碰到天花板。更稳定的做法，是把提示策略、领域技能和工具接入拆成三层可替换架构。

一个学期结束后最容易丢失的，不是文件，而是研究决策的上下文。真正有价值的记忆系统，保存的是‘为什么这样做’，而不只是‘做了什么’。