温馨提示：
- • 连享会Lianxh-Chat0X”系列微信群，会发布所有公开课听课链接及资料，已在此系列群也无需重复进群；
- • 若想进Lianxh-Chat0X，可添加李老师18636102467（微信）。
1. 为什么要做这组公开课？
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
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
- • 从论文复现到本地项目：如何把任务拆解、交给 Agent 执行，并检查输出结果
- • 打破软件门派思维：围绕研究问题选择 Stata、Python 或 R，而不是被某一种软件限制
- • 与正式课程的衔接：从软件入口走向数据处理、模型估计、论文复现和研究设计
4. 公开课二：Python 环境搭建与 AI 科研助手入门
- • 时间：2026 年 7 月 14 日 19:30-21:00
内容提要
连享会 暑期班[1] 的高级班和论文班都会涉及 Python 代码的运行。对多数学员而言，公开课二的目标不是系统学习 Python 编程，而是把后续课程需要用到的 Python、VS Code、Jupyter Notebook 和基础 AI 工具环境配置好，让代码能够在本地稳定运行。
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
- • 虚拟环境管理与 Jupyter Notebook 基本使用
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
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。
主要内容
- • R、RStudio 与 Rtools 安装配置
- • 复现资料获取、
README 阅读与项目结构识别 - • 如何借助 AI 工具理解 R 代码和论文复现项目
6. 相关课程：暑期班
这组三次公开课主要解决「能不能跑起来」的问题：能否打开项目，能否运行代码，能否提交报错。暑期班则进一步解决「如何把实证研究做出来、讲清楚、写成论文」的问题。
连享会 暑期班[1] 包括三个班次：
初级班：聚焦实证研究基础、数据处理、回归分析、论文复现与 AI 协作[9]
初级班是一个适合小白科研入门的课程，课程会带着大家完整的走一遍实证研究设计的流程，以及如何在这个过程中用AI来辅助学习。
尽管AI让写代码的门槛降低了，但是我们仍然要懂一些软件，因为我们得会判断AI做的对不对，这一步很关键。初级班的重点不是讲怎么用AI，而是实证研究如何做起来，AI在这个过程中只是辅助作用。
高级班：聚焦因果推断、准实验设计、机器学习因果推断和政策学习[10]
高级班讲因果推断与机器学习，主要解决的问题是：一个经验策略比较的是什么、依赖什么识别假设、可能受到什么威胁，以及论文中应如何组织证据链。
一篇好的论文，就是要讲好一个故事，而如何把证据链写实，是讲好这个故事的关键。
论文班：聚焦论文精读、复现、文本分析、预测模型、研究设计和论文推进[11]
论文班聚焦宏观大数据、文本分析与机器学习预测，讲「如何从文献复现走向自己的论文」。
通过课程，学习别人是如何「精读论文 + 推进论文」，看看一篇成熟论文如何被理解、复现、改写，并进一步发展为新的研究设计。
课程关注的不只是模型如何运行，更是如何从文献中提炼问题、迁移方法、组织结果，并回应论文写作和返修中的关键质疑。
课程不要求学员熟练掌握编程语言，只需能够在本地运行代码，并借助 AI 读懂、修改和调试示例脚本。
课程主页：暑期班[1]：https://www.lianxh.cn/PX.html
暑期班报名链接：https://www.wjx.top/vm/QhgLvx1.aspx#
引用链接
[1] 暑期班: https://www.lianxh.cn/PX.html[2] 连玉君: http://lingnan.sysu.edu.cn/faculty/lianyujun[3] 连享会-博客: https://www.lianxh.cn[4] 连享会-知乎: https://www.zhihu.com/people/arlionn[5] 生成式人工智能: https://www.lianxh.cn/details/1632.html[6] AI-Agent: https://www.lianxh.cn/details/1777.html[7] 文本分析: https://www.lianxh.cn/details/1680.html[8] 五一论文班: https://www.lianxh.cn/details/1757.html[9] 初级班：聚焦实证研究基础、数据处理、回归分析、论文复现与 AI 协作: https://www.lianxh.cn/details/1810.html[10] 高级班：聚焦因果推断、准实验设计、机器学习因果推断和政策学习: https://www.lianxh.cn/details/1811.html[11] 论文班：聚焦论文精读、复现、文本分析、预测模型、研究设计和论文推进: https://www.lianxh.cn/details/1812.html
10个月宝宝每天需要喝多少奶粉？
