paper-reproduce

npx skills add BioTender-max/awesome-bio-agent-skills --skill paper-reproduce --agent claude-code

Same command for any agent — swap --agent for codex, cursor, copilot.

# Paper Reproduce — 论文复现方法论 ## 核心原则 1. **先探索后建模** — 永远不要假设变量名和编码，必须从数据中验证 2. **逐步筛选逐步核对** — 每一步样本量都要和论文对比 3. **容忍偏差但记录偏差** — harmonized 数据集和原始数据必然有差异，关键是记录和解释 4. **边干边说** — 每完成一步立即输出中间结果，不要等全部跑完才汇报 ## 复现流程（6 阶段） ### Phase 1: 任务理解 + 数据探索 ``` 输入: 论文 PDF/任务文档 + 数据文件 输出: 变量映射表 (variable_mapping.json) ``` 1. 精读任务文档，提取： - 样本筛选流程（每步的 n 和排除条件） - 因变量、自变量、协变量的定义和编码 - 统计方法（回归类型、标准误类型、标准化方式） - 期望的表格数值（用于验证） 2. 探索数据结构： ```python df = pd.read_stata('data.dta') # 或 read_csv/read_sas print(f"维度: {df.shape}") print(f"变量: {df.columns.tolist()}") # 按前缀分组查看变量 # 检查是否有 wave/time/year 标识 ``` 3. **变量识别四步法**（最关键的步骤）： - **精确匹配**: 搜索论文提到的变量名（如 `dc009s1`） - **语义搜索**: 搜索关键词（如 `mem`, `recall`, `orient`） - **范围验证**: 检查候选变量的值域是否匹配论文描述（如 0-10） - **交叉验证**: 用已知关系验证（如 `total = sub1 + sub2 + sub3`） > **经验教训**: harmonized 数据集的变量名与原始问卷变量名通常完全不同。 > 不要假设 `dc009s1` 存在，要搜索语义等价的变量。 ### Phase 2: 变量构建 + 验证 ``` 输入: variable_mapping.json 输出: 构建好变量的 DataFrame ``` 1. 逐个构建变量，**每个变量构建后立即验证**： - 值域是否在期望范围内 - 缺失率是否合理 - 均值/比例是否接近论文报告值 2. **组合变量的验证技巧**： ```python # 验证 total = sub1 + sub2 + ... + subN calc = df['sub1'] + df['sub2'] + df['sub3'] diff = (df['total'] - calc).abs() match_rate = (diff < 0.01).mean() print(f"吻合率: {match_rate:.

xelatex -interaction=nonstopmode report.tex  # 第一遍
xelatex -interaction=nonstopmode report.tex  # 第二遍（交叉引用）