前言¶
在 DeepSeek Harness（DSH）里做自动化研究管线时，结构方程建模（SEM）往往卡在两类问题上：一是商用图形软件算法不透明，审稿人难以从原始数据独立复现拟合指标；二是 GUI 拖拽建模难以嵌入脚本化流水线。下面介绍社区插件 sem-copilot，它把模型描述、拟合、路径图与报告导出收敛到一套以代码为主的 workflow，并可在 DSH 中作为独立插件安装使用。
这是什么¶
sem-copilot 由维护者 JiamingShi-JsPhys 发布，在 SkillHub 上归类为「模型推理」。项目自述为：A lightweight, transparent, and auditable Structural Equation Modeling (SEM) engine, acting as a sub-module of the Chelate Shell ecosystem；面向社会科学研究者及需要可复现、高透明建模流程的使用者。当前 GitHub 仓库星标为 0，package.json 标注版本 1.0.0，并以 standalone 子模块形式分发。
仓库在 package.json 中声明了 DSH 集成方式：通过 cordis.patch.yml 作为 bundle patch，属于 Chelate Shell 生态里可单独挂载的 Agent skill 套件之一，支持 Claude Code、WorkBuddy、OpenAI Codex 与 DeepSeek Harness 等平台的插件式安装。
核心功能¶
双引擎交叉校验¶
拟合时并行运行两套彼此独立的实现，用于交叉验证结果：
- semopy 引擎：开源 SEM 估计器，README 列举其支持中介效应、多组不变性、分类 WLSMV、稳健 ML 标准误、修正指数与 bootstrap 置信区间等能力。
- Pure Numpy 独立重推导：不依赖 semopy，从数据协方差矩阵重算连续型 SEM 的似然与拟合指标（CFI / TLI / RMSEA）。
两套实现分开维护，便于在代码层面核对计算过程。
建模与输出¶
按 README 的 Minimalist Experience 流程：
- 用自然语言或标准
lavaan语法描述模型。 - 自动拟合并输出详细统计量。
- 可导出适合期刊投稿的矢量 PDF 路径图。
核心逻辑集中在单一 skill：skills/sem-copilot/，内含 fitting（engine）、绘图（plotter）与排版导出（exporter）等脚本。
运行模式¶
每次执行会检测当前目录（或 --root 指定目录）是否同时具备 material/ 与 process/（Chelate 生态结构）：
- 生态兼容模式：输出写入
<root>/process/{gates,figures,latex}/。 - 独立模式：否则回落到当前目录下的
./sem-copilot-output/，无需额外配置。
依赖与降级¶
| Skill | 必需依赖 | 可选依赖（缺失时功能降级） |
|---|---|---|
sem-copilot |
semopy, pandas, numpy |
matplotlib, seaborn（绘图）, sem_fit（交叉验证） |
重依赖在隔离沙箱中运行；缺少依赖时 README 说明会优雅降级为 UNVERIFIED 并给出提示，而非整管线崩溃。
安装与启用¶
DSH 侧没有在本资料中出现形如 dsh plugin add github:… 的固定一行命令。官方 README 推荐的 Agent 原生方式是 从 Git 仓库安装插件（勿把 skills/ 下条目打散到全局 skill 目录，以免破坏微内核路由）：
- 打开所用平台上的插件管理或自定义市场配置界面。
- 选择「从 Git 仓库安装」或「添加自定义市场」。
- 填写仓库地址并确认：
https://github.com/JiamingShi-JsPhys/sem-copilot
若由 AI 代装，README 要求明确要求：作为单一 plugin 安装，不要将 skills/ 内 skill 扁平化复制到全局 skill 目录。
插件目录页：https://www.skillhub.cn/plugins/JiamingShi-JsPhys/sem-copilot
源码：https://github.com/JiamingShi-JsPhys/sem-copilot
安装前请自行阅读仓库源码与许可证；插件在 DSH 进程权限下运行，涉及数据路径与统计输出时应对照本机构数据与合规要求。
典型用法¶
所有命令在插件根目录执行，README 要求不要写死绝对路径。将 <workspace> 换为你的工作区根路径。
1、模型拟合与 gate 检查
python skills/sem-copilot/scripts/run.py \
--root <workspace> --action gate \
--model "f1 =~ x1 + x2 + x3
f2 =~ y1 + y2 + y3
f2 ~ f1" \
--data dataset.csv
2、路径图渲染
python skills/sem-copilot/scripts/run.py \
--root <workspace> --action render \
--model "..." --data dataset.csv
3、LaTeX 报告导出
python skills/sem-copilot/scripts/run.py \
--root <workspace> --action export
经过上面的步骤，拟合结果、图形与 LaTeX 会按生态模式或独立模式写入对应输出目录。
适用场景与注意¶
适合谁：需要在脚本或智能体管线里做 SEM、强调可复现与双引擎核对、并希望导出路径图与 LaTeX 草稿的研究者与开发者。
免责声明（摘自 README）：仓库为作者自动化研究工作流的辅助工具，非经同行评审的学术项目；生成报告与图形仅为「数据分析草稿」，学术责任由使用者及其单位承担。
已知局限（摘自 README）：拟合指标基于 ML 估计与特定优化算法，双引擎校验可提高可信度，但仍需结合理论解释，不能替代人工审阅；双引擎结果在资料截断处另有说明（如非逐字节一致等边界），使用前请阅读仓库完整 Known Limitations 一节。
SkillHub 社区目录为独立站点，与 DeepSeek / 幻方无官方从属关系；DSH 理念是「一切皆插件」，sem-copilot 是其中面向 SEM 模型推理的一个选项。
结尾¶
sem-copilot 把结构方程建模收成单一 skill：自然语言或 lavaan 语法进、双引擎拟合与 gate 出、再可选渲染路径图与导出 LaTeX。在 DSH 中通过 Git 仓库 URL 以完整插件形态安装即可接入。进一步说明与更新以仓库 README 为准。
- 目录页：https://www.skillhub.cn/plugins/JiamingShi-JsPhys/sem-copilot
- GitHub：https://github.com/JiamingShi-JsPhys/sem-copilot
