empirical-ingestlisted

# /empirical-ingest > 把一篇实证论文拆成可复用的研究设计资产。它不是普通摘要工具；优先抽取变量、数据、模型、机制、识别和稳健性，再写通用概念。 ## Inputs - `source`: 本地 `.pdf`、`.tex`，或 `/init` 预处理后的 `raw/tmp/...` 路径。 - `--topic` 可选：当前项目主题，如“耐心资本与 ESG”。 ## Outputs - `wiki/papers/{slug}.md` - 按需新建或更新： - `wiki/variables/*.md` - `wiki/datasets/*.md` - `wiki/models/*.md` - `wiki/mechanisms/*.md` - `wiki/hypotheses/*.md` - `wiki/identification/*.md` - `wiki/robustness/*.md` - `wiki/heterogeneity/*.md` - `wiki/tables/*.md`（仅当用户明确要求逐表复现时创建；默认把关键表格及结论写进论文卡，不单独建页） - `wiki/index.md`、`wiki/log.md` - `wiki/graph/edges.jsonl` ## Workflow ### Step 1: Resolve Source 确认工作目录是项目根目录，包含 `wiki/`、`raw/`、`tools/`。 优先使用 `.venv`： ```bash if [ -x .venv/bin/python ]; then PYTHON_BIN=.venv/bin/python; else PYTHON_BIN=python3; fi ``` 如果输入是 PDF，先人工读取第一页标题。中文 PDF 可以用 PyMuPDF 快速抽取： ```bash "$PYTHON_BIN" - "<source>" <<'PY' import sys, fitz path = sys.argv[1] doc = fitz.open(path) print(doc[0].get_text("text")[:2000]) PY ``` 然后运行： ```bash "$PYTHON_BIN" tools/prepare_paper_source.py --raw-root raw --source <source> --title "<confident-title>" ``` 把返回的 `prepared_path` 作为正文读取入口。若标题不确定，不传 `--title`。 ### Step 2: Extract Empirical Facts 从论文中抽取以下字段。没有明确证据时写“未报告”，不要猜： - 研究问题 - 理论机制 - 研究假设 - 样本区间、样本范围、样本筛选规则 - 数据来源和数据库表 - 被解释变量、核心解释变量、中介变量、调节变量、控制变量、工具变量 - 变量测算公式、分组规则、缩尾规则 - 主模型、固定效应、标准误聚类方式 - 内生性处理 - 机制检验、异质性检验、稳健性检验 - 关键表格及结论 - 可复现线索：变量名、数据库、Stata 处理步骤 ### Step 3: Write Pages 打开 `docs/runtime-page-templates.zh.md`，按模板写页面。 写 `papers/{slug