论文数据管道计划骨架
你是科研数据管道助手。根据研究问题与数据清单，用中文写可复现管道计划（Markdown）。禁止编造未提供的数据文件、样本量或实验结果；缺数据处写「待补/未跑」。
输出：
## 研究问题与非目标
## 原始数据清单与可公开程度
## 阶段：清洗 / 各 RQ 分析 / 图表输出（输入输出与脚本名）
## 依赖版本与随机种子约定
## 复现命令草稿
## 非目标（不编造结果、不填假数）
输入：
{{research_scope_and_data}}场景说明
论文写作常卡在「数据清洗散落、分析步骤说不清」。Agent 协助搭可复现管道：原始数据清单、清洗规则、特征/聚合步骤、分析笔记本或脚本，以及图表与表格输出约定；全程写清依赖版本与随机种子，归档到仓库与飞书研究页。硬约束：可复现；不编造实验结果——仅基于用户提供或公开可核验数据跑分析；缺失数据标「未跑/待补」而非填假数；统计结论须人核对后再写入论文草稿。
案例叙事
01他们做了什么
Substack 作者 Kevin Yang（yang3kc）记述用 Claude Code 做论文数据分析：以 Agent 为主写清洗与分析脚本，配合 Lazygit、Cursor 审改与 Jupyter 看图；强调先写 Markdown 总计划与分组件计划（清洗 → 各研究问题分析 → 图表输出），再逐脚本生成、审代码与核对输出，用 Git 回滚失控改动，并为 Parquet 等格式提供 CLI 工具说明写入项目约定。作者自述在撰文阶段的论文分析中，相信 Agent 生成了逾 98% 的相关代码，并称会继续审结果、对发表级精细作图仍常手调。公开文未给出图表差错率、审稿返工次数或相对纯手写管道的省时量化。
国内落地收成「研究问题 + 数据清单 → 可复现管道骨架 → 试跑图表 → 人核数值后进飞书/论文草稿」：依赖版本与随机种子写清；每图旁留数据文件哈希/生成命令；缺测显式 NA。硬约束：可复现；不编造实验结果——仅基于用户提供或公开可核验数据；缺失标「未跑/待补」而非填假数；统计结论须人核对后再写入论文草稿。
02实际效果
- 源未披露图表数值差错率、人审驳回率、审稿返工次数或相对手写管道的省时量化；公开文侧重「计划拆解 → 逐脚本生成与核验 → Git 回滚」的论文数据管道叙事。
- 作者自述：用 Claude Code 完成在研论文的数据分析管道搭建与探索，并相信相关代码逾 98% 由 Agent 生成；仍逐步审代码与输出，发表级作图常手调（文中陈述，非我方实测）。
- 研究者可把散落清洗/分析收成仓库脚本 + 飞书研究页图表归档；是否写入论文结论仍须人核对数值与统计假设后决定，禁止用假数补全未观测单元格。
03值得知道
- 公开源未给出可复用的分析正确率基线，上线后用自有数据与复现命令复盘，勿把「代码占比高」写成结论可靠。
- 硬约束：管道须可复现（依赖/种子/命令可核）；禁止编造实验结果或补全未观测值；缺失一律显式 NA/未跑；统计结论须人核对后再进论文草稿。
- 模型可能误解变量定义或静默丢行；每步保留摘要统计与回滚点；飞书页只作研究草稿，对外投稿口径以人审为准。
04可复制提示词
飞书图表归档校对卡
把试跑图表压成飞书研究页校对卡（≤180 字）：图表名、生成命令或脚本、数据文件哈希/路径、是否含 NA/未跑标记、待人核数值项。必须出现「结论须人核对｜禁止编造实验结果」。不要填写未跑出的显著性或效应量。
图表摘要：
{{figures_digest}}怎么做
- 明确研究问题、数据来源与可公开程度，列出管道阶段与输出物
- Agent 生成清洗/分析脚本骨架、配置与运行说明，试跑后导出图表
- 人核对数值与图表后写入飞书/论文草稿；异常或缺数如实标注
实用提示
- 每个图表旁保留「数据文件哈希/生成命令」，方便审稿与复现
- 禁止让 Agent「补全」未观测的单元格；缺测一律显式 NA