# 如果还没安装 Claude Code
npm install -g @anthropic-ai/claude-code

git clone <你的仓库地址>
cd 实证研究skills

pip install -r requirements.txt

帮我处理一批裁判文书，数据在 ./裁判文书/解压文件/ 里

你说                                       Skill 自动做的事
────                                      ──────────────
"帮我处理这批裁判文书"                     启动研究向导，五轮对话确定所有设置
"把这些 doc 转成纯文本"                    333 个 .doc → 333 个 .txt（自动去页眉页脚）
"清洗数据，排除重复和残缺的"               去重 + 完整性检查 + 关联案件归总 + 审级标注
"从文书里提取这些字段..."                  Agent 集群并行抽取 → 正则校验 → 标记冲突
"统一一下开放字段的标签"                   频次统计 → 同义词识别 → 用户确认 → 应用映射
"检查数据质量"                            缺失率统计 + 抽样准确率 + 改进建议
"帮我分析哪些因素影响判决结果"             文献蒸馏 + 数据EDA + 交叉验证 → 变量框架

用户对话触发
    │
    ├─→ Skill A: start-research (启动实证研究)
    │     五轮对话引导 → 自动生成配置 → 编排流水线
    │
    └─→ Skill B: generate-factors (生成研究因素)
          文献方法论蒸馏 + 数据探索性分析 → 变量框架 + 假设

         ┌──────────┬──────────┬──────────┬──────────┬──────────┐
         ▼          ▼          ▼          ▼          ▼
      Tool 1     Tool 2     Tool 3     Tool 4     Tool 5
     格式转化    数据清洗    信息抽取    标签统一    质量检验
     doc→txt   去重+归总   Agent集群  同义词映射  缺失率+准确率

.doc/.docx 裁判文书
    │
    ▼
[Tool 1: 格式转化] ──── convert_docs.py (antiword/python-docx)
    │
    ├── raw_texts/*.txt
    └── index_raw.csv
        │
        ▼
[Tool 2: 数据清洗] ──── clean_dedupe.py
    │
    ├── excluded/ (无效文书备查)
    └── cleaned_index.csv (含事件归总ID、审级)
        │
        ▼
[Tool 3: 信息抽取] ──── prepare_chunks.py + Agent集群 + validate_extraction.py
    │
    └── extracted_raw.csv (含 REVIEW_NEEDED 标记)
        │
        ▼
[Tool 4: 标签统一] ──── unify_labels.py + 人工确认
    │
    ├── final_labeled_data.csv  ← 可直接用于回归分析
    └── label_mapping.json
        │
        ▼
[Tool 5: 质量检验] ──── quality_report.py
    │
    └── quality_report.txt

你：  "我想研究劳动争议中法院支持劳动者的影响因素"
Skill: "好的！你的因变量应该是「法院是否支持劳动者主张」对吗？"
你：  "对，再加一个「是否涉及工伤」字段"
Skill: "已添加。共 16 个字段，现在开始转化格式？"

实证研究skills/
├── README.md                              ← 本文件
├── CLAUDE.md                              # 项目背景（Skill 自动维护）
├── requirements.txt                       # Python 依赖
├── .gitignore
├── .claude/
│   └── skills/
│       ├── start-research/SKILL.md        # 入口 A：启动实证研究
│       ├── generate-factors/SKILL.md      # 入口 B：生成研究因素
│       ├── doc-converter/                 # 工具 1：格式转化
│       │   ├── SKILL.md
│       │   └── scripts/convert_docs.py
│       ├── data-cleaner/                  # 工具 2：数据清洗
│       │   ├── SKILL.md
│       │   └── scripts/clean_dedupe.py
│       ├── info-extractor/                # 工具 3：信息抽取
│       │   ├── SKILL.md
│       │   └── scripts/
│       │       ├── prepare_chunks.py
│       │       └── validate_extraction.py
│       ├── label-unifier/                 # 工具 4：标签统一
│       │   ├── SKILL.md
│       │   └── scripts/unify_labels.py
│       └── quality-checker/               # 工具 5：质量检验
│           ├── SKILL.md
│           └── scripts/quality_report.py
├── scripts/                               # 共享工具
│   ├── config_loader.py
│   └── checkpoint.py
├── output/                                # 运行时产出（gitignored）
│   ├── raw_texts/
│   ├── excluded/
│   └── (各种中间和最终 CSV/JSON/TXT 文件)
└── checkpoints/                           # 断点续传（gitignored）

帮我把 ./文书/ 里的 doc 转成文本