Volume 04
用 Prompt、Skill、Tool 三层构建经济学研究 Copilot
Architecture Review / Human + Agent Stack
Blog
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。
3
核心层
N
可插拔技能
1
统一操作面
Agent 产品编辑
EconAgora Product Studio
专栏索引
Prompt 负责意图压缩，Skill 负责领域规则，Tool 负责可执行连接。
三层分离后，系统迭代不需要整体推翻。
研究场景里最贵的不是推理成本，而是错误自动化。
一个能在经济学场景里真正落地的 Copilot，不应该把所有责任都压给大模型本身。它更像一台编辑部机器，有自己的章法、分工和接口。
研究者的问题往往带着大量上下文噪声。Prompt 层的任务不是炫技，而是把任务重写成稳定、可复用、边界清楚的指令模板。
经济学研究中的很多知识不是事实清单，而是做事方式：识别策略怎样被审稿人质疑，稳健性检验如何排列，文献综述如何从问题意识出发组织。Skill 层保存的正是这套工作法。
如果系统不能读取目录、调用数据库、生成代码文件、检查日志，那么它再聪明也只能停留在建议层。工具接入让 Copilot 可以在真实工作台里前进一步。
继续抽一本
同一书架上的其他专栏，继续沿着研究系统、复现和 agent 工作流往下读。
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。
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”。