👇 连享会 · 推文导航 | www.lianxh.cn
连享会:2026暑期班 · 线上 时间:7月21-31日 嘉宾:连玉君(初级班) || 茅家铭(高级班) || 范馨月(论文班) 咨询:王老师 18903405450(微信)
本次暑期班围绕实证研究能力的三层递进展开:
• 论文班 解决「能不能从文献复现走向自己的论文」
作者: 丁闪闪 (连享会) 邮箱: lianxhcn@163.com [1]
• Title : Git:AI 写代码时代,为什么还要懂一点? • Keywords : github, 版本控制, 代码审查, 代码管理, AI 协作 🍎 系列推文:AI 写代码时代,为什么还要懂一点? [2]
编者按: 让 AI 写代码以后,一个新问题很快会出现:它不只是改一行代码,而是可能一次改掉十几个文件。它会重命名变量,调整路径,新增函数,删除临时文件,重写 README,顺手把结果表输出方式也换掉。代码可能确实更整洁了,但你也可能不知道它到底改了什么,更不知道改坏以后怎么退回去。Git 解决的不是“怎么写代码”,而是“怎么记录、比较、回退和协作”。本文不是 Git 入门教程,而是一份面向 AI 协作场景的 Git 使用手册。懂一点 Git,不是为了变成程序员,而是为了在 AI 修改项目之后,研究者仍然知道:它改了什么,为什么改,哪里可能出错,必要时如何回到上一个能跑通的版本。
参考资料:
• Scott Chacon & Ben Straub, Pro Git [3] . • GitHub Docs, Creating a pull request [6] . • GitHub Docs, Reviewing changes in pull requests [7] . • GitHub Docs, About pull requests [8] . • 连享会, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具 [9] . • 连享会, Stata 与 Github 交互 [10] . • 连享会, 社会科学研究复现包中的自述文档模板 [11] . • 连享会, 如何整理一份规范的论文复现文档? [12] . • 连享会, 代码审计:如何从源头确保你的论文可复现? [13] . 1. AI 改了什么,你知道吗? 以前写论文代码,很多人用文件名管理版本:
main.do main-修改版.do main-最终版.do main-最终版2.do main-真的最终版.do main-投稿版.do 这套方法虽然土,但还能勉强看出一点修改顺序。AI 介入以后,这个方法很快失效。因为 AI 不一定只改一个文件,它可能同时改:
01_clean_data.do 02_merge_policy.do 03_construct_variables.do 04_regression.do tables.do README.md requirements.txt 或者在 R / Python 项目里同时改:
clean_data.R model.R
plot.R report.qmd utils.py README.md 这时,单靠文件名已经无法回答几个基本问题:
• 如果新版本跑不通,能不能退回上一个能跑通的版本? Git [4] 的价值就在这里。它不是替你写代码,而是记录项目变化。你可以把每一次重要修改保存成一个节点。以后项目出错时,不必凭记忆猜“昨天到底改了哪里”,而是可以直接查看差异,必要时回退。
所以,AI 时代学 Git 的目标不必设得很高。多数经管社科研究者不需要一开始就掌握复杂分支、rebase、cherry-pick 或 GitHub Actions。比较现实的目标是:
能记录一个能跑通的版本,能查看 AI 改了什么,能撤回错误修改,能把项目同步到 GitHub,能和合作者在同一个项目上有序协作。
这已经足够改变研究项目的管理方式。
2. Git 不是 GitHub 很多初学者会把 Git 和 GitHub [5] 混在一起。二者相关,但不是一回事。
Git 是版本控制工具,记录本地项目的修改历史。GitHub 是代码托管和协作平台,可以把 Git 项目放到网上,方便备份、共享、协作和代码审查。
可以这样理解:
Git = 本地版本控制 GitHub = 远程托管和协作平台 GitHub Desktop = 可视化 Git 客户端 你完全可以只在本地使用 Git,不把项目传到 GitHub。对于含有敏感数据、未公开论文、保密项目的研究,先在本地使用 Git 记录版本,已经很有价值。
如果项目需要和学生、合作者或助研协作,可以再考虑 GitHub。GitHub 的好处是:
• 可以用 pull request [8] 审查修改; 如果不想一开始使用命令行,可以从 GitHub Desktop [14] 这样的可视化工具入手。连享会此前已经介绍过 GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具 [9] 和 Stata 与 Github 交互 [10] ,可以作为延伸阅读。
但无论使用命令行、GitHub Desktop、VS Code,还是 Cursor、Claude Code、Codex 这类 AI 编程工具,背后的逻辑都是一样的:
Git 记录修改,GitHub 管理协作。
3. 先把项目纳入版本控制 一个研究项目在使用 Git 前,最好先有基本目录结构。例如:
my_project/ ├── data_raw/ 原始数据 ├── data_clean/ 清洗后的数据 ├── code/ R、Python、Stata 代码 ├── output/ │ ├── tables/ 表格 │ └── figures/ 图形 ├── docs/ 论文、讲义、说明文档 ├── README.md └── .gitignore 所谓“项目根目录”,就是项目最外层文件夹。上面这个例子中, data_raw/ 、 code/ 、 output/ 、 README.md 和 .gitignore 所在的这一层,就是项目根目录。
3.1 Git 命令在哪里执行? 需要先说明一点: git init 、 git status 、 git diff 这些是 Git 命令,应当在你电脑本地的 终端 中运行,而不是在 ChatGPT、Claude、Kimi 或 DeepSeek 的普通对话框里直接运行。
对 Windows 用户来说,常见的终端有:
• VS Code 或 Cursor 的内置终端; • RStudio / Posit 的 Terminal 面板。 对 macOS 和 Linux 用户来说,通常可以直接使用系统自带的 Terminal。
关键不在于你使用哪一种终端,而在于: 终端当前所在的位置,必须是项目根目录 。
例如,在 Windows 中可以这样进入项目文件夹:
cd D:/research/my_project 在 macOS 或 Linux 中可以这样写:
cd ~/research/my_project 然后查看当前路径是否正确:
pwd 如果 pwd 显示的路径正是你的项目根目录,就可以初始化 Git:
git init git init 只需要执行一次。它的作用是告诉 Git:从现在开始,这个文件夹里的项目要纳入版本控制。
3.2 初始化一个本地仓库 在项目根目录中初始化 Git:
git init 查看当前状态:
git status 把文件加入暂存区:
git add README.md git add code/ 提交第一个版本:
git commit -m "init project structure" 这一步的意义不是“完成了一次高级操作”,而是给项目建立第一个可追踪节点。以后每次修改,都可以和这个节点比较。
如果已经有 GitHub 仓库,可以把本地仓库推送到远程:
git remote add origin https://github.com/username/my_project.git git branch -M main git push -u origin main 不过,初学阶段不必急着上 GitHub。先学会本地三件事更重要:
git status git diff git commit 这三条命令分别回答:
现在有哪些文件被改了? 具体改了哪些内容? 是否把这次修改保存成一个版本? 这正是 AI 协作最需要的三个问题。
3.3 不想用命令行怎么办? 如果你暂时不想用命令行,可以使用 GitHub Desktop。它会把常见 Git 操作做成按钮和图形界面。例如:
• git status 对应 Changes 面板; • git commit 对应左下角的 Summary 和 Commit 按钮; • git push 对应 Push origin; • git pull 对应 Fetch / Pull origin。 图形界面不影响你理解 Git 的核心逻辑。命令行和 GitHub Desktop 的区别主要在操作方式,不在基本原理。
如果你是在 VS Code、Cursor、Claude Code 或 Codex 中工作,也可以使用内置终端执行 Git 命令。很多 AI Agent 还能直接读取 git status 和 git diff 的结果,但这属于 Agent 模式,后文会单独说明。
4. 什么文件该交给 Git? Git 很适合管理文本文件。比如:
.do .R .py .qmd
.Rmd .md .tex .yml .toml txt csv 但不是所有文件都适合交给 Git。
一般建议纳入 Git 的文件包括:
代码文件 项目说明文档 配置文件 小型示例数据 可复现脚本 Quarto / R Markdown 文档 论文草稿的 Markdown 或 LaTeX 文件 一般不建议直接纳入 Git 的文件包括:
大型原始数据 商业数据库 保密数据 包含个人信息的数据 临时文件 缓存文件 自动生成的大型图表 反复变化的日志文件 这时需要 .gitignore [15] 。它告诉 Git 哪些文件不需要追踪。
例如:
# 临时文件 *.tmp *.log *.bak # Stata 临时文件 *.smcl # R 临时文件 .Rhistory .RData .Rproj.user/ # Python 缓存 __pycache__/ *.pyc # 输出文件 output/tables/ output/figures/ # 敏感数据 data_raw/ data_private/ 需要注意,是否忽略 output/ 取决于项目目标。如果你希望复现包只保留代码,让读者自行生成表格和图形,可以忽略输出文件。如果你希望同步展示结果,可以保留关键输出,但不保留临时输出。
一个更稳妥的做法是:
保留代码 保留说明文档 保留小型示例数据 忽略原始保密数据 忽略临时文件 忽略可由代码重新生成的大型输出 AI 很容易把项目里所有文件都 git add . 。这不一定安全。使用 AI 前,可以在项目规则中写清楚:
不要把 data_raw/、data_private/、*.log、*.tmp、.Rhistory、__pycache__/ 纳入 Git。 如果需要修改 .gitignore,请先说明理由。 Git 管理的是研究过程,不是把所有文件都塞进仓库。
5. 让 AI 改代码前,先保存一个版本 和 AI 协作写代码时,一个基本习惯是:
让 AI 动手前,先确认当前版本能跑通,并提交一次。
例如:
git status git add . git commit -m "working version before AI edits" 这条 commit 信息不需要复杂,但要说明这次提交的意义:这是 AI 修改前的可运行版本。
然后再让 AI 改代码。
AI 修改后,先不要急着运行所有结果。先看它改了什么:
git status git diff 如果只想看某个文件:
git diff code/03_regression. do git diff R/model.R git diff report.qmd 这一步非常重要。很多时候,AI 会顺手改一些你没有要求它改的地方。比如你本来只让它整理路径,它却顺手改了变量名;你本来只让它修复报错,它却调整了回归设定;你本来只让它优化循环,它却改变了样本筛选条件。
可以把 AI 协作流程固定成四步:
提交当前可运行版本 让 AI 修改 查看 diff 运行检查后再 commit
对应命令是:
git add . git commit -m "working version before AI edits" # AI 修改代码后 git status git diff # 检查通过后 git add . git commit -m "refactor data cleaning with AI" 这个习惯比“相信 AI 写得对”可靠得多。
6. 看懂 diff,比多学十条命令更重要 Git 最值得初学者掌握的不是复杂命令,而是 git diff [16] 。
diff 会显示文件中哪些行被删除,哪些行被新增。通常:
- 表示删除的行 + 表示新增的行 例如:
- keep if year >= 2010 + keep if year >= 2008 这不是普通修改。这会改变样本区间,可能影响所有回归结果。
再如:
- reghdfe y treat x, absorb(firm_id year) vce(cluster firm_id) + reghdfe y treat x, absorb(firm_id industry #year ) vce(cluster city) 这也不是格式优化,而是改变了固定效应和聚类标准误。研究者必须判断是否有识别依据。
在 R 项目中,AI 可能这样改:
- df left_join(policy, by = c("city", "year")) + df inner_join(policy, by = c("city", "year"))
left_join() 改成 inner_join() ,可能会删除没有匹配上的样本。这也不是普通改写。
在 Python 项目中,AI 可能这样改:
- df = df.merge(policy, on=["city", "year"], how="left") + df = df.merge(policy, on=["city", "year"], how="inner") 逻辑一样:样本可能变了。
所以,看 diff 不是程序员的习惯,而是实证研究者的基本审查动作。AI 改了代码后,必须看:
可以直接要求 AI:
请解释当前 git diff。 重点说明: 1. 哪些修改只是格式整理; 2. 哪些修改改变了样本筛选; 3. 哪些修改改变了变量定义; 4. 哪些修改改变了模型设定; 5. 哪些修改可能影响结果表; 6. 哪些修改需要我人工确认后才能提交。 如果你在普通 ChatGPT 或 Claude 对话框中使用这段提示词,需要先把 git diff 的输出复制进去。普通网页对话框看不到你本地项目。只有在 Codex、Claude Code、Cursor Agent 这类已经连接本地项目的 Agent 模式下,AI 才可能直接读取当前仓库的 diff。
7. 改坏了,怎么退回去? AI 写代码时,退路很重要。
如果 AI 修改后还没有 commit,只是工作区文件被改了,可以撤销某个文件:
git restore code/03_regression. do 如果想撤销所有未提交修改:
git restore . 如果某个文件已经加入暂存区,但还没提交:
git restore --staged code/03_regression. do 如果已经提交了,但想看历史:
git log --oneline 输出可能类似:
a1b2c3d refactor data cleaning with AI 9e8f7g6 working version before AI edits 3c2b1a0 init project structure 如果只是想查看旧版本的某个文件,可以用:
git show 9e8f7g6:code/03_regression. do 如果要回到某个旧版本,初学者不要随便使用危险命令。更稳妥的做法是先创建一个新分支,在新分支上恢复和测试。
git switch -c restore-test git restore -- source 9e8f7g6 code/03_regression. do 确认无误后,再决定是否合并回主分支。
需要强调一点:Git 可以回退代码,但不能替你判断结果是否正确。退回旧代码以后,还要重新运行数据清洗、回归和输出表格。Git 解决的是版本问题,不解决识别问题。
8. 分支:让 AI 在试验场里改代码 很多人觉得 Git 分支很复杂。其实,在 AI 协作中,分支可以理解为“试验场”。
主分支 main 里放稳定版本。AI 要做大改动时,不要直接在 main 上改,而是新建一个分支:
git switch -c ai-refactor 然后让 AI 在这个分支里修改代码。改完后运行检查,看 diff。如果效果好,再合并回 main ;如果效果不好,直接删除这个分支即可。
git switch main git merge ai-refactor 如果不想保留:
git switch main git branch -D ai-refactor 分支特别适合这些场景:
• 让 AI 把 Stata 代码改成 R 或 Python; 这些任务风险较高,不适合直接动主分支。
可以这样给 AI 设定规则:
你现在只能在当前 ai-refactor 分支上修改代码。 不要直接修改 main 分支。 每完成一个小任务,请说明修改了哪些文件、为什么修改、如何验证。 不要一次性大规模重写整个项目。 分支的意义不是炫技,而是让 AI 的试错成本变低。
9. GitHub:不是只给程序员用的 研究者使用 GitHub,至少有四个常见用途。
第一,备份项目。电脑坏了,项目还在。
第二,协作。导师、学生、助研、合作者可以在同一个仓库中工作,而不是互相发送压缩包。
第三,展示复现包。论文发表后,可以把代码、说明文档和可公开数据放在 GitHub 仓库中。
第四,审查修改。Pull request 可以让你在合并前查看 changed files 和 diff,逐行评论修改内容。
对于研究项目,不一定一开始就上复杂流程。一个简单流程已经够用:
main 分支保留稳定版本 每个修改任务开一个新分支 修改后发起 pull request 在 pull request 中查看 diff 确认无误后再 merge GitHub pull request 的价值不只是“提交代码”,更是“留下讨论和审查记录”。当 AI 或助研改了代码,你可以在 PR 里看到:
这对于论文复现和团队协作很重要。
连享会此前介绍过 社会科学研究复现包中的自述文档模板 [11] 、 如何整理一份规范的论文复现文档? [12] 和 代码审计:如何从源头确保你的论文可复现? [13] 。这些推文和 GitHub 的结合点很清楚:复现包不是最后整理出来的,而是在项目进行过程中逐步沉淀出来的。
10. 不要把敏感数据交给 GitHub Git 和 GitHub 很有用,但不能忽视数据安全。
经管社科研究中,很多数据不能公开:
这些内容不应随手推送到 GitHub。即便是 private repository,也不代表可以上传所有数据。很多数据的使用协议明确限制传播方式。
所以,使用 GitHub 前要先决定:
哪些文件可以公开? 哪些文件只能本地保存? 哪些文件可以放在私有仓库? 哪些文件只能用说明文档描述来源? 建议在 .gitignore 中明确排除敏感目录:
data_raw/ data_private/ *.key *.token .env 如果项目需要公开复现,但原始数据不能公开,可以提供:
不要为了方便 AI 或 GitHub 协作,把不该公开的数据上传到仓库。
还要注意一个问题:如果敏感文件已经被 commit,即使后来删除,它也可能仍然留在 Git 历史中。因此, .gitignore
要尽早写,不要等出事后再补。
11. 和 AI 协作时,规则要写清楚 前三篇分别讲了 Python、Stata 和 R。它们有一个共同点:AI 写代码前,最好先知道项目规则。Git 篇也是如此。
可以在项目根目录放一个 AGENTS.md 、 CLAUDE.md 或 AI_RULES.md ,写清楚 AI 修改项目时必须遵守的规则。
例如:
# AI 协作规则 本项目使用 Git 管理版本。请遵守以下规则: 1. 修改代码前,先阅读 README.md 和项目目录结构; 2. 不要删除 data_raw/、data_private/ 和 docs/ 中的文件; 3. 不要修改 .gitignore,除非先说明理由; 4. 不要一次性重写多个核心脚本; 5. 每次只完成一个明确任务; 6. 修改后必须说明改了哪些文件; 7. 修改后必须说明哪些改动会影响样本、变量或模型; 8. 不要改变回归设定,除非用户明确要求; 9. 不要把绝对路径写进代码; 10. 不要把输出文件替代为手工复制粘贴结果; 11. 修改完成后,请提示用户查看 git diff; 12. 不要自动 commit,除非用户明确要求。 如果使用 Claude Code、Codex、Cursor 或其他 AI Agent,这类规则很有用。它不是让 AI 更“聪明”,而是限制它不要乱改。
可以进一步要求 AI 每次修改后输出一份变更说明:
请在修改后按以下格式汇报: 1. 修改的文件列表; 2. 每个文件的主要修改; 3. 是否影响样本筛选; 4. 是否影响变量定义; 5. 是否影响模型设定; 6. 是否影响输出结果; 7. 建议用户重点检查的 diff。 这比让 AI 直接说“已完成修改”更可靠。
12. 最小命令清单 如果只掌握一组命令,建议从下面这些开始。
查看版本:
git --version 初始化仓库:
git init
查看状态:
git status 查看修改:
git diff 添加文件:
git add README.md git add code/ 提交版本:
git commit -m "clean data and update README" 查看历史:
git log --oneline 撤销未提交修改:
git restore filename 撤销暂存:
git restore --staged filename 新建分支:
git switch -c ai-refactor 切回主分支:
git switch main 合并分支:
git merge ai-refactor 连接 GitHub 远程仓库:
git remote add origin https://github.com/username/repo.git 推送到 GitHub:
git push -u origin main 从 GitHub 拉取更新:
git pull 对多数研究项目而言,这些已经够用。真正重要的不是一次学完所有命令,而是养成三个习惯:
改之前提交 改之后看 diff 确认后再提交 这三句话,比背熟一堆 Git 命令更重要。
13. 提示词模板怎么用? 这一节需要先区分两类 AI 使用方式。
一类是 普通对话框模式 。例如 ChatGPT、Claude、Kimi、DeepSeek 的网页聊天窗口。在这种模式下,AI 看不到你本地的 Git 仓库,也不能直接运行 git status 、 git diff 或读取你的项目文件。你需要把相关信息贴给它,例如目录树、报错信息、 git diff 输出、某段代码或截图。
另一类是 Agent 模式 。例如 Codex、Claude Code、Cursor Agent,或接入了本地项目目录和终端权限的 IDE 工具。在这种模式下,AI 可能可以直接读取仓库、查看文件、运行 Git 命令,并根据结果继续修改。
所以,下面的提示词模板要分开理解:
• 如果你在普通对话框里使用 AI,那么要先把上下文贴给它; • 如果你在 Agent 模式里使用 AI,那么这些提示词可以更直接地使用,因为 AI 有机会自己查看项目状态。
两者的差别不在“是不是在对话框里说这些话”。本质上,这些提示词都是自然语言任务说明。差别在于 AI 能看到多少上下文、能执行到哪一步。
13.1 普通对话框模式 如果你使用的是网页端 ChatGPT、Claude、Kimi 或 DeepSeek,可以这样提问:
下面是我的 git diff 输出和相关代码片段。 请帮我解释这些修改。 重点说明: 1. 哪些修改只是格式整理; 2. 哪些修改改变了样本筛选; 3. 哪些修改改变了变量定义; 4. 哪些修改改变了模型设定; 5. 哪些修改可能影响结果表; 6. 哪些修改需要我人工确认后才能提交。 注意,这时你必须先把 git diff 的输出复制到对话框里。否则 AI 并不知道你的项目发生了什么变化。
如果你想让 AI 检查 .gitignore ,可以这样说:
下面是我的项目目录结构、README 和 .gitignore 内容。 请帮我检查: 1. 哪些文件应该纳入 Git; 2. 哪些文件应该写入 .gitignore; 3. 是否误包含原始数据、临时文件或敏感文件; 4. 如果需要修改 .gitignore,请给出建议并说明理由。 如果你想让 AI 解释报错,可以这样说:
下面是我在终端中运行 Git 命令后的报错信息。 请解释: 1. 报错是什么意思; 2. 可能发生在哪一步; 3. 如何用最小修改修复; 4. 修复前是否需要备份或查看当前 git status。 普通对话框模式的重点是: 你负责复制上下文,AI 负责解释和建议 。
13.2 Agent 模式 如果你使用的是 Codex、Claude Code、Cursor Agent 等能访问本地项目的工具,可以直接这样说:
请先阅读当前项目目录结构和 README.md,再运行 git status 和 git diff。 在不修改 main 分支的前提下,完成以下任务: 1. 说明当前仓库有哪些未提交修改; 2. 解释这些修改是否影响样本、变量或模型; 3. 如果需要,请在新分支中完成代码整理; 4. 修改完成后汇报改动文件、主要变化和验证方法; 5. 不要自动 commit,除非我明确要求。
如果要让 Agent 修改代码,可以先要求它给出计划:
在修改代码前,请先给出修改计划。 要求: 1. 列出你准备修改的文件; 2. 说明每个文件为什么需要修改; 3. 说明哪些修改可能影响样本; 4. 说明哪些修改可能影响变量定义; 5. 说明哪些修改可能影响模型设定; 6. 不要直接开始修改。 如果要让 Agent 修改后汇报结果,可以这样说:
修改完成后,请按以下格式汇报: 1. 修改的文件列表; 2. 每个文件的主要修改; 3. 是否影响样本筛选; 4. 是否影响变量定义; 5. 是否影响模型设定; 6. 是否影响输出结果; 7. 建议我重点检查的 git diff。 Agent 模式的重点是: AI 可以执行一部分操作,但研究者仍然要审查 diff 和结果 。
13.3 通用提示词 A. 让 AI 写 commit message 请根据当前 git diff,帮我写一条清晰的 commit message。 要求: 1. 第一行不超过 60 个字符; 2. 说明本次修改的主要目的; 3. 如果修改影响样本、变量或模型,请明确写出来; 4. 不要写“update code”这类笼统表述。 B. 检查是否适合提交 请根据当前项目状态判断是否适合 commit。 请检查: 1. 是否还有临时文件; 2. 是否误加入了原始数据或敏感数据; 3. 是否误加入了日志、缓存或大型输出文件; 4. 是否有必要修改 .gitignore; 5. 是否需要先运行代码确认结果可复现; 6. 如果适合提交,请建议 git add 的文件范围和 commit message。 C. 设计 .gitignore
请为一个经管实证研究项目设计 .gitignore。 项目包含 Stata、R、Python 和 Quarto 文件。 要求: 1. 忽略临时文件和缓存; 2. 忽略原始保密数据; 3. 忽略日志文件; 4. 忽略可由代码重新生成的大型输出; 5. 保留代码、README、Quarto 文档和小型示例数据; 6. 每一类忽略规则加简短注释。 D. 检查 GitHub 仓库是否适合公开 请帮我检查这个项目是否适合发布到 GitHub。 重点检查: 1. 是否包含原始数据或保密数据; 2. 是否包含账号、token、密钥或本地路径; 3. README 是否说明了项目用途; 4. 是否有复现步骤; 5. 是否有必要提供示例数据; 6. 是否需要补充数据来源和使用限制; 7. 是否有 .gitignore。 14. 扩展阅读 A. Git 和 GitHub • Scott Chacon & Ben Straub, Pro Git [3] . • Git Documentation, git diff [16] . • Git Documentation, gitignore [15] . • GitHub Docs, Creating a pull request [6] . • GitHub Docs, Reviewing changes in pull requests [7] . • GitHub Docs, About pull requests [8] . B. 可视化工具 • GitHub Desktop, 官方主页 [14] . • GitHub Docs, GitHub Desktop 文档 [17] . • 连享会, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具 [9] . C. 连享会相关推文 • 连享会, Stata 与 Github 交互 [10] . • 连享会, 社会科学研究复现包中的自述文档模板 [11] .
• 连享会, 如何整理一份规范的论文复现文档? [12] . • 连享会, 代码审计:如何从源头确保你的论文可复现? [13] . • 连享会, 可重复研究:世行经济学家对论文复现的要求 [18] . 15. 结语 借助 AI 写代码后,Git 变得更重要了。原因很简单:AI 改代码的速度太快。如果没有版本控制,研究者很快就会失去对项目的控制。你不知道它改了哪些文件,不知道结果为什么变了,也不知道改坏后如何退回去。
Git 不是程序员的专属工具。对做实证的人而言,它更像一份项目修改日志。每一次 commit 都是在告诉未来的自己:这个版本做了什么,为什么这样改,当时是否能跑通。
所以,AI 时代学 Git,不是为了把自己变成软件工程师,而便于追踪和审查 AI 的修改过程。
16. 相关推文 Note:产生如下推文列表的 Stata 命令为: lianxh github AI编程 版本控制, md2 nocat 安装最新版 lianxh 命令: ssc install lianxh, replace
• 吴欣洋, 2025, 分享!数百个金融类机器学习仓库:financial-ML [19] . • 左祥太, 2022, 如何搭建个人主页-GitHub / Gitee [20] . • 李原, 2024, Stata:可重复研究中的版本控制问题-require命令 [21] . • 李原, 2024, Stata:批量快速安装外部命令-usepackage [22] . • 李原, 2024, 使用 Quarto 打造你的个人主页 [23] . • 杨涵慧, 2024, 如何使用Github创建你的个人主页? [24] . • 杨雪, 2025, GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具 [9] . • 汪京, 2024, Stata代码规范指南 [25] . • 游万海, 连玉君, 2019, Stata: 外部命令的搜索、安装与使用 [26] . • 王维怡, 2021, Stata结果重现:dependencies命令-外部命令的版本控制 [27] . • 王若溪, 李缘, 2020, Github使用方法及Stata资源 [28] . • 王萃芳, 2022, Stata与Github交互 [10] . • 秦范, 2022, 论文重现:外部命令的版本控制 [29] .
• 范思妤, 2022, GitHub中最受欢迎的Stata仓库 [30] . • 董思源, 2025, 提示词!用 DeepSeek 快速生成更优代码 [31] . • 连享会, 2024, AI编程助手大盘点:不止ChatGPT和Copilot [32] . • 连享会, 2020, 如何通过-GitHub-发布自己的-Stata-命令? [33] . • 连小白, 2025, 50 分钟搞定个人主页:Fork 模板 + GitHub Pages + Quarto 完整教程 [34] . • 连玉君, 2024, 从基础到 AI 助手:Python 用户最爱的 VScode 插件清单 [35] . • 连玉君, 2024, 借助ChatGPT4o学习排序算法:AI代码助手好酸爽! [36] . • 连玉君, 2025, 快去抢注一个GitHub账号 [37] . • 连玉君, 2025, 无法下载github仓库中的数据?网页跳转的原理与 Stata、R、Python 解决方案 [38] . • 顾小龙, 连玉君, 2020, Stata帮助和网络资源汇总(持续更新中) [39] .
🍓 连享会 · 2026 社会网络分析专题 嘉宾:杨张博 (西安交通大学) 时间:2026 年 8 月 18-19 日 咨询:王老师 18903405450(微信)
New! Stata 搜索神器: lianxh 和 songbl GIF 动图介绍 搜: 推文、数据分享、期刊论文、重现代码 …… 👉 安装: . ssc install lianxh . ssc install songbl 👉 使用:
. lianxh DID 倍分法 . songbl all
🍏 关于我们 • 直通车: 👉【 百度一下: 连享会 】即可直达连享会主页。亦可进一步添加 「知乎」,「b 站」,「面板数据」,「公开课」 等关键词细化搜索。 引用链接 [1] lianxhcn@163.com: mailto:lianxhcn@163.com [2] 系列推文:AI 写代码时代,为什么还要懂一点?: https://www.lianxh.cn/search.html?s=%E4%B8%BA%E4%BB%80%E4%B9%88%E8%BF%98%E8%A6%81%E6%87%82%E4%B8%80%E7%82%B9%EF%BC%9F [3] Pro Git: https://git-scm.com/book/en/v2 [4] Git 官方网站: https://git-scm.com/ [5] GitHub 官方网站: https://github.com/ [6] Creating a pull request: https://docs.github.com/articles/creating-a-pull-request [7] Reviewing changes in pull requests: https://docs.github.com/pull-requests/collaborating-with-pull-requests/reviewing-changes-in-pull-requests [8] About pull requests: https://docs.github.com/pull-requests/collaborating-with-pull-requests/proposing-changes-to-your-work-with-pull-requests/about-pull-requests [9] GitHub Desktop 使用方法介绍:可视化 Git 管理的效率工具: https://www.lianxh.cn/details/1672.html [10] Stata 与 Github 交互: https://www.lianxh.cn/details/1077.html [11] 社会科学研究复现包中的自述文档模板: https://www.lianxh.cn/details/1451.html [12] 如何整理一份规范的论文复现文档?: https://www.lianxh.cn/details/1180.html [13] 代码审计:如何从源头确保你的论文可复现?:
https://www.lianxh.cn/details/1739.html [14] GitHub Desktop: https://desktop.github.com/ [15] .gitignore: https://git-scm.com/docs/gitignore [16] git diff: https://git-scm.com/docs/git-diff [17] GitHub Desktop 文档: https://docs.github.com/en/desktop [18] 可重复研究:世行经济学家对论文复现的要求: https://www.lianxh.cn/details/1554.html [19] 分享!数百个金融类机器学习仓库:financial-ML: https://www.lianxh.cn/details/1613.html [20] 如何搭建个人主页-GitHub / Gitee: https://www.lianxh.cn/details/1005.html [21] Stata:可重复研究中的版本控制问题-require命令: https://www.lianxh.cn/details/1370.html [22] Stata:批量快速安装外部命令-usepackage: https://www.lianxh.cn/details/1352.html [23] 使用 Quarto 打造你的个人主页: https://www.lianxh.cn/details/1338.html [24] 如何使用Github创建你的个人主页?: https://www.lianxh.cn/details/1337.html [25] Stata代码规范指南: https://www.lianxh.cn/details/1377.html [26] Stata: 外部命令的搜索、安装与使用: https://www.lianxh.cn/details/1.html [27] Stata结果重现:dependencies命令-外部命令的版本控制: https://www.lianxh.cn/details/696.html [28] Github使用方法及Stata资源: https://www.lianxh.cn/details/294.html [29] 论文重现:外部命令的版本控制: https://www.lianxh.cn/details/939.html [30] GitHub中最受欢迎的Stata仓库: https://www.lianxh.cn/details/1022.html [31] 提示词!用 DeepSeek 快速生成更优代码: https://www.lianxh.cn/details/1569.html [32] AI编程助手大盘点:不止ChatGPT和Copilot: https://www.lianxh.cn/details/1394.html [33] 如何通过-GitHub-发布自己的-Stata-命令?: https://www.lianxh.cn/details/422.html [34] 50 分钟搞定个人主页:Fork 模板 + GitHub Pages + Quarto 完整教程: https://www.lianxh.cn/details/1644.html [35] 从基础到 AI 助手:Python 用户最爱的 VScode 插件清单: https://www.lianxh.cn/details/1489.html [36] 借助ChatGPT4o学习排序算法:AI代码助手好酸爽!: https://www.lianxh.cn/details/1393.html [37] 快去抢注一个GitHub账号:
https://www.lianxh.cn/details/1692.html [38] 无法下载github仓库中的数据?网页跳转的原理与 Stata、R、Python 解决方案: https://www.lianxh.cn/details/1628.html [39] Stata帮助和网络资源汇总(持续更新中): https://www.lianxh.cn/details/187.html