Volume 02
为什么复现往往死在回归之前
Field Manual / Replication Infrastructure
Blog
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。
3
高风险断点
1
主仓规范
100%
路径显式化
复现方法编辑
EconAgora Methods Desk
专栏索引
回归脚本只是最后一公里，前面的目录治理才是主战场。
任何没有变量字典和版本说明的复现项目，本质上都不可审计。
先把路径、命名、原始数据保护写进规则，再谈自动化。
研究者通常会把注意力集中在回归表能不能跑出来，但复现项目最常见的失败点，发生在估计量出现之前的文件组织阶段。
一份脚本今天能跑，不代表三个月后还能跑。只要数据目录、软件版本或中间文件命名发生一次无记录的变化，后续复现者就会开始猜测。
一个合格的复现仓库必须解释输入、处理过程和输出之间的关系。README 要告诉别人从哪里开始，数据字典要说明变量如何生成，中间产物要明确能否删除和重建。
LLM 很擅长整理日志、生成目录树、补齐变量说明，但它不应该替你决定两个看似相近的数据版本是否可互换。AI 适合做压缩与记录，关键边界仍需要研究者确认。
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。
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。