160. 为一篇研究论文搭建数据管道并完成分析

他们做了什么

Kevin Yang 在终端中运行 Claude Code，旁边开着 Cursor 和 Jupyter。他让它先用 Markdown 写一份计划，再为每个部分（数据清洗、两个研究问题、产出）写一份更详细的计划，然后为每一步写一个脚本。他通过 CLAUDE.md 让它使用 parquet-tools，这样它就能查看数据并检查自己的输出。他审查了每一个脚本，并用 Git 回滚。

结果如何

他估计，在几周时间里，这篇论文 98% 以上的代码都是 Claude Code 写的。它仍然会犯错，所以他审查了每一步。用于发表的图表是他自己画的，因为描述那些细微调整反而更麻烦。

需要知道

他用的是 Pro 套餐，按年付费每月约 17 美元，使用 Sonnet 4。遇到频率限制时，他就换用自己的 API 密钥。

你可以这样尝试

帮我为关于 [主题] 的研究项目搭建数据管道并完成分析。原始数据在 [文件夹或文件] 中，我想做 [清洗、合并、统计检验或建模]。编写干净、有注释的脚本并运行，把产出和图表保存到 [输出文件夹]，并附一份 README 解释每一步，方便我检查结果。删除或覆盖任何现有文件之前先问我。