经管科研新利器：VS Code 隐藏功能实战指南
高校斥资邀请海外专家分享机器学习前沿，首日聚焦 VS Code，这位资深玩家让我挖掘出诸多隐藏技巧
首个绘图插件，只需在 VS Code 右侧对话框输入自然语言：
请求利用 exploration 绘制供需曲线，随即呈现如下图像
第二个插件专攻 PPT 制作，支持一键生成
往往压垮博士生的并非某次回归分析，而是杂乱的文件、模糊的变量以及难以复现的结果。
此后我将全部工作迁移至 VS Code——并非为了转型程序员，而是渴望构建一个让研究“可追踪、可复现、可迭代”的指挥中心。
本文绝非简单的“插件安装指南”，而是一套专为经管、金融、产业经济及计量领域定制的 VS Code 科研工作流。
其核心理念仅一行：将论文、数据、代码、图表、日志及 AI 对话统一收纳于同一项目目录，确保每一步研究均可追溯、可复制、可优化。
传统科研常态往往是这般混乱：do 文件存于某目录，Excel 数据在另一处，Word 论文散落在桌面，PDF 文献堆积在下载文件夹，图表靠 PPT 绘制，回归结果四散于微信传输文件中。
VS Code 解决的并非单一软件功能，而是整条科研链条的无序状态：
它不取代 Stata、Word 或 Zotero，而是将这些工具整合，打造为井然有序的科研枢纽。
切勿贪多求全。以下插件，才是经管学者日常高频使用的利器。
Stata 三件套：助 VS Code 成为计量主战场。Stata Workbench 让你能在 VS Code 内流畅编写与运行 do 文件，主回归、机制检验、稳健性测试分文件管理；Stata Viewer 让你无需启动 Stata 即可直接查看 .dta 文件的变量名、标签及样本量；Stata MCP 则让 AI 围绕你的 do 文件、log 文件及回归结果进行诊断——排查变量命名错误、解读回归结果、识别样本量变动及聚类标准误设定问题。但需铭记一条底线：AI 仅能辅助检查代码与结果，无法替代你决定“为显著性剔除何种样本”。
Excalidraw：绘制机制图的首选工具。政策冲击→企业行为→供应链韧性，此类手绘风格的机制图、理论框架图、DID 逻辑图，用它呈现既清晰又自然。一个实用建议：切勿仅保存 PNG，务必同时保留 .excalidraw 源文件——PNG 用于论文插入，源文件便于后续修改。
Marp for VS Code：用 Markdown 编写 PPT。传统 PPT 的痛点在于排版耗时、修改繁琐；Marp 理念相反——先厘清逻辑，再统一渲染为幻灯片。文献汇报、研究设计展示、开题及中期答辩初稿，皆适用。
vscode-pdf：边读 PDF 边做笔记。在 VS Code 内直接打开文献，左侧浏览原文，右侧用 Markdown 记录研究问题、机制、变量、识别策略及“可迁移至我论文之处”。
Marp 基础模板样式如下：
插件仅是入口，真正令科研井然有序的是以下习惯。
技巧一：利用 Git 管理论文版本。左侧“源代码管理”即为 Git 面板。它能记录：今日修改了哪些 do 文件、哪次回归调整了控制变量、哪个版本生成了当前结果表。每完成小任务即提交一次，并清晰描述所做工作：
避免使用“修改”“更新”“最终版”等模糊词汇。半年后，你会感激那个认真撰写 commit message 的自己。
技巧二：用 Markdown 撰写研究日志。为每个项目创建 research_log.md，每日记录三件事——今日进展、发现问题、后续计划：
它能防止你陷入“看似忙碌却不知推进何处”的困境。
技巧三：用项目文件夹整理论文全貌。
核心原则：raw 数据只读，所有清洗步骤写入代码，所有结果可由代码重新生成，图表拒绝手动复制粘贴。这套结构将使你的博士论文更像可复现工程，而非一堆散落文件。
技巧四：视 AI 为“研究副驾驶”，而非“投机助手”。AI 最擅长：检查 do 文件逻辑、解读 Stata log、生成机制图草稿、将回归表转化为论文语言、从 PDF 提炼研究问题与机制。它不应代劳：为显著性筛选样本、编造文献、强行解释不显著结果、将不符理论的机制包装为贡献。
最佳用法是：让 AI 助你更严谨，而非更投机。
假设需研究企业创新与供应链韧性：
此流程跑通后，你的论文将不再是“文件堆”，而是一个可持续演进的研究项目。
第一，原始数据永勿手动修改。仅读取 raw，通过代码生成 processed。
第二，图表务必保留源文件。Excalidraw 勿只留 PNG，Marp 勿只导出 PDF。
第三，AI 生成内容须经自身理论审视。尤以经济学论文为甚，变量、模型及识别策略不能仅看“显著与否”，更需回答“为何合理”。
VS Code 最迷人之处，不在插件繁多，而在它能使科研过程井然有序。
你可在单窗口内阅读文献、撰写笔记、运行 Stata、查看数据、绘制机制图、制作 slides、检查 Git 变更、让 AI 辅助诊断代码。它让经管科研从“凭记忆管理文件”，跃升为“以工程化方式管理知识”。
对研究生而言，这并非炫技，而是一种长期复利。因为论文越往后写，真正消耗人的绝非某次回归，而是混乱的文件、失控的版本、模糊的变量及难以复现的结果。