用途：该技能面向实证研究中的稳健性检验。给定一个基线回归（如“notebook-02 以GDP解释预期寿命的基线OLS”），它会自动生成标准稳健性检验代码，并把结果格式化为类似论文发表的汇总表。
主要能力：先读取指定 notebook 并定位基线回归，识别因变量、自变量、固定效应与聚类方式（支持 Python 的 statsmodels、linearmodels，R 的 lm、fixest、felm，Stata 的 reg、reghdfe、ivregress）。随后询问需纳入哪些检验，涵盖替代控制变量集、替代固定效应、不同标准误聚类层级、子样本分析、缩尾或截尾因变量、替代因变量（如对数对水平）、安慰剂检验（随机处理、前期结果）以及替代估计方法（OLS 对 Poisson、logit 对 probit）。
使用方式：为每个稳健性设定在 notebook 中生成自包含代码单元（各自加载数据、跑回归、存结果），变量命名保持一致以便收集；再生成一个汇总单元，用单元格指令标注表标签与表题，把基线放在第(1)列、各稳健性检验依次放入后续列，按学术惯例呈现系数（标准误）、显著性星号、N、R²与固定效应指示。可选导出到 tables/ 为 LaTeX 或 CSV。之后同步 Jupytext 配对：uv run jupytext --sync notebooks/<name>.md，并展示 index.qmd 的嵌入短代码：{{< embed notebooks/<name>.ipynb#tbl-robustness >}}。
限制：Stata 文本输出不要使用 tbl- 前缀，应使用普通标签（如 stata-robustness）。若找不到基线回归，需用户指认具体单元；若 notebook 使用无法识别的语言，需用户提供估计语法说明。