AI 工具正在改变实证研究的学习方式。过去,很多学员学习 Stata、Python 或 R,常常把大量时间花在安装软件、查命令、改路径和处理报错上;现在,对话式 AI 可以帮助我们拆解问题、制定计划、解释代码,Codex、Claude Code、OpenCode 等执行型 Agent 还可以在本地项目中读写文件、运行脚本、整理结果和生成文档。工具变强以后,真正需要更新的是我们的工作方式。
在 Agent 时代,做实证研究不应再被理解为「学会某一个软件,然后逐行写代码」。更有效的方式,是围绕研究项目组织工具:明确问题,搭建项目,运行代码,检查结果,记录日志,并把复现和实操中形成的经验沉淀为可复用的工作模板。Stata、Python 和 R 都只是这个流程中的工具。我们仍然按这三个入口安排公开课,是为了让学员在正式课程开始前把代码跑起来,并把本地环境与 Copilot、Codex、Claude Code、OpenCode 等 AI 工具连接起来。三次公开课不以系统讲授某一种编程语言为目标,而是帮助大家建立最小可用的本地运行环境,理解对话式 AI 与执行型 Agent 的分工,并形成「打开项目—运行代码—检查结果—继续迭代」的工作流意识。
2. 嘉宾简介
连玉君(中山大学)
连玉君[2],西安交通大学经济学博士,中山大学岭南学院副教授,博士生导师。已在 China Economic Review、Energy Economics、Stata Journal、Pacific-Basin Finance Journal、《经济研究》《管理世界》《经济学(季刊)》《金融研究》《统计研究》等期刊发表论文 70 余篇。编写过 lianxh、ihelp、sftt、winsor2、xtbalance、bdiff、getiref 等 Stata 程序。连玉君老师团队长期分享 Stata 应用与实证研究经验,开设 连享会-博客[3]、连享会-知乎[4] 等专栏,并在微信公众号(连享会,ID: lianxh_cn) 持续发布实证研究与论文写作资料。
吕志冲(西南交通大学)
吕志冲,西南交通大学博士研究生,研究方向为人工智能与公司金融。研究成果见诸 Journal of Environmental Management、International Journal of Urban Sciences、《管理学报》。曾长期担任连享会生成式人工智能[5]、AI-Agent[6]、文本分析[7]、五一论文班[8] 等专题课程助教,熟悉学员在环境配置和 AI 工具接入中的常见问题与解决方案。
3. 公开课一:Stata 简介与 AI 辅助实证
• 时间:2026 年 7 月 12 日 19:30-21:00
• 嘉宾:连玉君(中山大学)
内容提要
介绍 AI 时代如何学习 Stata,并把 Stata 放入更完整的实证研究工作流中。课程先从 Stata 的基本使用讲起,帮助学员理解界面、dofile、工作目录、帮助文件、外部命令安装和常见路径问题;随后通过实操演示,说明如何在 VS Code 中借助 Copilot 为 Stata 代码添加注释、补全命令和生成代码片段,并理解这些工具在日常数据处理和回归分析中的实际作用。
本次公开课不会停留在「把代码贴进对话框,让 AI 解释几行命令」的层面。课程将进一步展示对话式 AI 与执行型 Agent 在科研工作流中的分工:ChatGPT、Claude 等工具适合帮助我们拆解问题、制定计划和形成任务说明;Codex、Claude Code、OpenCode 等工具则可以在本地项目中读写文件、执行脚本、整理结果和生成文档。课堂中会结合简化项目,演示如何先用对话式 AI 规划任务,再把任务交给 Codex 等 Agent 执行,并进一步检查、复核和迭代这些执行结果。通过这组演示,学员可以看到:Stata 仍然是实证研究的重要入口,但不应成为学习 Python 和 R 的心理障碍;真正更重要的是理解数据结构、模型设定、识别策略和结果解释,并把多种软件和 AI 工具组织进一个清楚、可运行、可检查、可迭代的研究项目。
主要内容
• Stata 最小入口:界面、dofile、路径、帮助文件和外部命令
• VS Code + Copilot:Stata 代码注释、补全和生成的基本演示
• 对话式 AI 与执行型 Agent:ChatGPT、Claude、Codex、Claude Code、OpenCode 在科研工作流中的不同角色
本次公开课从 Anaconda / Python 环境配置开始,介绍 VS Code 编辑器、常用插件、虚拟环境和 Jupyter Notebook 的基本使用方式。随后,课程将结合常见数据文件,演示如何用 Python 读取数据、查看数据结构、完成最小化的数据检查,并说明如何把运行结果和报错信息提交给 AI 工具辅助排查。
在此基础上,本次公开课还将介绍 AI 科研助手的基本类型和使用入口,重点演示 OpenCode 的安装、配置和基础测试。课程不要求学员在公开课中掌握复杂编程技巧,而是帮助大家完成一个更实际的目标:能够打开一个项目,运行 Python 代码,定位常见报错,并为高级班和论文班的课程实操做好准备。
主要内容
• Anaconda / Python 环境配置
• VS Code 编辑器与核心插件
• 虚拟环境管理与 Jupyter Notebook 基本使用
• 常见数据文件读写与最小数据检查
• AI 科研助手概览与工具选择
• OpenCode 安装、配置与基础测试
• 常见安装问题、路径问题和报错排查
5. 公开课三:R 环境搭建与 AI 科研助手进阶配置
• 时间:2026 年 7 月 16 日 19:30-21:00
• 嘉宾:吕志冲(西南交通大学)
内容提要
连享会 暑期班[1] 的高级班以 R 为主要语言之一,论文班也会涉及部分 R 代码和论文复现资料。公开课三的目标,是帮助学员完成 R、RStudio、Rtools 和常用 R 包环境的安装配置,并在前两次公开课的基础上,进一步理解论文复现项目中的代码运行、包管理和 AI 工具接入问题。
本次公开课将介绍 R 与 RStudio 的基本安装方式、R 包管理、镜像设置和 Posit 生态的基本入口。课程会结合课程材料和常见复现资料,说明如何打开一个 R 项目,识别 README、主程序、数据文件和结果输出路径,并理解 R 代码在论文复现中的基本运行方式。
在 AI 工具配置方面,本次公开课将在第二次公开课的基础上进一步介绍 Claude Code 与国产大模型的接入配置。课程重点不是要求所有学员使用同一种工具,而是帮助大家理解:无论使用 Claude Code、OpenCode,还是通过其他方式接入国产模型,核心目标都是让 AI 工具能够在本地项目中协助读代码、查报错、运行脚本、整理结果,并服务于后续正式课程中的论文复现和研究训练。