# hv-analysis

Adopt this skill: https://proskills.md/skills/other/kkkkhazix-khazix-skills-hv-analysis

Page: https://proskills.md/skills/other/kkkkhazix-khazix-skills-hv-analysis
This document is the public skill bundle for that page. It contains SKILL.md and every helper file the catalog carries. No login is required.

## File: hv-analysis/SKILL.md
size: 21066
sha: d5adfab58d1b27f420bde2b1e15417f0de842464
upstream: https://github.com/kkkkhazix/khazix-skills/blob/main/hv-analysis/SKILL.md

````text
---
name: hv-analysis
description: |
  横纵分析法（Horizontal-Vertical Analysis）深度研究Skill。由数字生命卡兹克提出，融合了索绪尔的历时-共时分析、社会科学的纵向-横截面研究设计、商学院案例研究法与竞争战略分析的核心思想。
  当用户想要系统性研究一个产品、公司、概念、技术或人物时使用。核心是双轴分析：纵轴追踪从诞生到当下的完整生命历程（以叙事故事呈现），横轴在当下时间截面上与竞品/同类进行系统性横向对比，最后交叉两条轴产出独到洞察。默认产出 PDF 和 Markdown，用户可指定 HTML 或 Markdown。
  触发词包括但不限于：横纵分析、研究一下、帮我分析、深度研究、做个研究、调研一下、竞品分析、帮我看看这个东西怎么样、这个产品/公司/概念是怎么回事、帮我摸清楚、帮我搞懂、帮我做个deep research。
  即使用户只是说"帮我了解一下XX"或"XX是什么来头"，只要上下文暗示需要系统性的深度研究（而非简单的概念解释），都应该触发。也适用于用户丢来一个产品名、公司名、技术名词说"帮我研究一下这个"的场景。
  不要用于简单的名词解释（用户只是问"XX是什么"）、不要用于公众号写作（那个用khazix-writer）、不要用于纯标题摘要生成（按用户的标题需求直接处理）。
---

# 横纵分析法深度研究

> **方法论溯源**
> 横纵分析法由数字生命卡兹克（Khazix）提出，融合了语言学中的历时-共时分析（Saussure）、社会科学中的纵向-横截面研究设计、商学院案例研究法、以及竞争战略分析的核心思想，形成了一套适用于产品/公司/概念/人物的通用研究框架。核心原则不变：纵向追时间深度，横向追同期广度，最终交汇出判断。

你正在执行一次横纵分析法深度研究。按用户指定的格式交付，默认 PDF 和 Markdown 源稿。

## 前置准备

先确定输出格式、篇幅和研究重点；用户指定的 1500 字、HTML 等要求优先于以下完整长报告参考。

### 环境准备

1. **确认安装完整**：需要本目录的 `scripts/md_to_pdf.py` 和 `references/`，第三方市场可能只分发提示词；缺文件时从官方仓库安装完整目录，不能假装 PDF 已生成。优先使用已有 Python 环境；需要安装依赖时，在用户缓存目录创建或复用 venv（macOS/Linux：`~/.cache/khazix-skills/hv-analysis`；Windows：`LocalApplicationData` 下的 `khazix-skills/hv-analysis`），使用该环境的 Python，项目目录只保存稿件和报告。**按输出格式检查依赖**：本Skill自带 `scripts/md_to_pdf.py`（基于WeasyPrint），用于将最终Markdown报告转为排版精美的PDF。HTML 只需 `markdown`；PDF 才需要 `weasyprint` 和系统 Pango。安装说明见 https://doc.courtbouillon.org/weasyprint/stable/first_steps.html#installation，不使用 `--break-system-packages`。
2. **写作风格**：本Skill已内置完整的写作风格指南（见下文"写作风格"部分），无需额外加载其他skill。

### 明确研究对象

拿到用户输入后，确认以下信息。如果用户已经给得足够明确（比如"帮我用横纵分析法研究Hermes Agent"），不需要追问，直接开始：

1. **研究对象**：具体的产品名/公司名/概念名/人名
2. **类型**：产品、公司、概念、人物、还是其他？
3. **研究动机**（可选）：为什么要研究它？最近发生了什么？
4. **特别关注点**（可选）：有没有特别想深入的方向？

---

## 第一步：联网信息收集

这个方法论的质量完全取决于信息的丰富度和准确性。**必须联网搜索**，不能仅靠已有知识。研究报告的价值在于深度和完整度，所以信息收集阶段宁可多搜，不要因为信息不够导致后面的分析浮于表面。

### 并行搜索策略

使用子Agent并行搜索来提高效率。建议的分工：

- **子Agent 1 — 纵向信息**：研究对象的起源、创始人背景、发展历程、关键事件、版本迭代、融资、战略转向、危机
- **子Agent 2 — 横向信息**：竞品识别、各竞品的特点和用户口碑、行业对比评测、市场份额
- **子Agent 3**（复杂对象才需要）：补充信息，如创始人深度背景、行业环境变化、用户社区讨论（GitHub issues、Reddit、Twitter/X、知乎等）

使用当前宿主实际提供的搜索和网页读取工具，不依赖某个模型或固定工具名。支持并行任务时可按上面的分工研究；不支持则顺序完成。搜索不可用时先尝试已知官方页面；仍无法取证就交付已有证据与缺口，不能用模型记忆冒充实时搜索结果。

### 信息来源优先级

一手来源优于二手来源，多个媒体引用同一个错误会造成循环印证假象：

| 信息类型 | 一手来源 |
|---------|---------|
| 产品更新/技术决策 | 官方博客、GitHub Release Notes、创始人推文 |
| 融资/商业数据 | 公司官方公告、SEC/工商文件 |
| 用户口碑 | GitHub Issues、Reddit讨论、Twitter/X、知乎帖子 |
| 行业分析 | 权威媒体原创报道（非转载） |
| 学术/技术原理 | arXiv论文（`export.arxiv.org/api/query`）、Google Scholar、学术会议论文集 |

采集时为关键事实记录 URL、事件发生时间和页面发布时间/更新时间，不能混为一谈。优先直接的一手证据；无一手证据时比较互不转载的独立来源。只有单一二手来源时标「单一来源」；各方主张冲突时标「有分歧」并对称归属；缺证据标「暂缺」，不补造。预测和推断明确标注。价格、规模、现状优先当前有效来源，旧资料用于历史叙事。

### 信息充分性自检

搜索完成后检查：
- 纵向：能讲出一个完整的故事吗？有没有明显的信息断层？
- 横向：竞品列表完整吗？有没有遗漏主要玩家？每个竞品的信息够做对比吗？
- 来源：关键事实有可靠来源支撑吗？有没有只靠单一来源就下判断的？

信息不够就再补搜。不要凑合。

---

## 第二步：纵向分析（Diachronic / Longitudinal）

沿时间轴，完整还原研究对象从诞生到现在的发展全貌。这是报告的主体部分，篇幅应该最重。

### 内容要求

**起源追溯**：它诞生的背景是什么？基于什么技术/理念/需求而来？创始团队或核心推动者是谁？这些人之前做过什么，为什么是他们来做这件事？当时的行业环境是什么样的？有没有某个关键事件或灵感直接促成了它的诞生？

**诞生节点**：明确的首次发布/成立/提出时间，最初的形态和定位，跟现在有什么不同。

**演进历程**：从诞生到现在，按时间顺序梳理所有关键节点。包括但不限于：重大版本更新、融资事件、团队变动、战略转型、技术架构变化、用户规模里程碑、重大合作或收购、公关危机或争议事件。

**决策逻辑**：在每个关键节点上，尽可能还原决策背后的原因。为什么选了A而不是B？当时面对的约束条件是什么？哪些早期决策"锁定"了后来的发展方向、难以逆转？什么机制让它越走越深（网络效应、生态绑定、技术栈选择等）？

**阶段划分**：把整个历程自然分为几个阶段（萌芽期、快速增长期、转型期等），每个阶段有核心特征和核心矛盾。

### 篇幅

完整长报告参考6000-15000字；短报告按用户预算压缩。历史越长、节点越多的对象靠近上限，新生事物靠近下限。核心原则是把故事讲完整、讲透，每个关键节点都值得展开，不要为了压缩而跳过重要细节。宁可写长写细，也不要蜻蜓点水。

---

## 第三步：横向分析（Synchronic / Cross-sectional）

以当前时间点为切面，将研究对象与同赛道的竞品/同类进行全面对比。

### 首先判断竞品情况

分三种场景处理：

**场景A：无直接竞品。** 如果研究对象是全新品类或独占性极强的领域，跳过逐一对比，改为分析：它为什么没有竞品？是品类太新、壁垒太高、还是市场太小？未来最可能从哪个方向冒出竞争者？有没有间接替代方案或上一代解决方式可以参照？

**场景B：少量竞品（1-2个）。** 逐一深入对比，每个竞品展开详细分析。

**场景C：竞品充分（3个及以上）。** 选取最具代表性的3-5个进行对比，其余简要提及。

### 对比维度

根据研究对象的类型灵活调整，但至少覆盖以下方面：

**核心差异对比**：技术路线/核心方法论/底层逻辑、产品形态/商业模式/组织结构、目标用户/受众/适用场景、核心优势与明显短板、定价策略/资源投入/规模体量。

**用户视角**：每个竞品的真实用户口碑如何？社区评价、使用体验中被提及最多的优点和槽点分别是什么？用户实际的使用方式和官方定位有没有偏差？对比不要写成参数对照表的文字版，要讲清楚每个竞品「活成了什么样」，用户选它的真实理由是什么。

**生态位分析**：在整个赛道的版图中，研究对象占据什么位置？填补了什么空白，还是在跟谁正面竞争？当前格局是百花齐放、两强争霸、还是一家独大？

**趋势判断**：基于横向对比，研究对象在竞争格局中的走向是什么？机会和风险各是什么？

### 篇幅

完整长报告参考3000-10000字。场景A控制在3000字左右，场景C主要竞品按重要性分配篇幅，不要一笔带过。

---

## 第四步：横纵交汇洞察

这是整篇报告的精华段。把纵向发展脉络和横向竞争格局结合起来，给出综合性的、新的判断。不要写成前面内容的缩写版。

需要回答的核心问题：

1. **历史如何塑造了当下的竞争位置**：纵向历程中的哪些决策和事件，决定了它今天在横向对比中的位置？
2. **竞品的纵向对比**：如果把主要竞品也放到时间线上看，它们的起源和演变路径有什么不同？这些不同如何导致了今天各自的特点？
3. **优势的历史根源**：今天的每个核心优势，能追溯到历史上的哪个节点或决策？
4. **劣势的历史根源**：今天的每个核心劣势，能追溯到哪个历史决策？当初的「好决策」有没有变成今天的包袱？
5. **未来推演**：基于纵向趋势和横向竞争格局，给出三个剧本——最可能的、最危险的、最乐观的，每个剧本要有逻辑支撑。

### 篇幅

完整长报告参考1500-3000字，用户篇幅优先。

---

## 写作风格

这不是一份冷冰冰的咨询报告，而是一篇让人能从头读到尾的深度研究。写作风格需要在「研究报告的严谨」和「卡兹克的可读性」之间找到平衡点。

### 从卡兹克文风中借鉴的核心元素

以下风格元素直接应用到报告写作中（详细定义请参考 khazix-writer skill）：

**节奏感**：句子时长时短，段落之间跳跃自然。不要每段都一样长，一句话自成一段制造重量感的技巧可以用。好的节奏像波动，每次围绕主线偏出去一点，再用一句「扣主线句」拉回来。

**叙事驱动，不是罗列驱动**：纵向部分要有故事弧线，有起承转合。比如一个产品为什么在某个时间点突然爆发，背后的铺垫是什么，转折是什么。不要写成"2023年1月发布了A，2023年3月发布了B"这种流水账。

**知识是「聊着聊着顺手掏出来」的**：在讲述过程中自然地带出背景知识，不要「下面我来给大家科普一下」。

**敢下判断**：鼓励给出观点和洞察，但每个观点必须有事实支撑。先摆事实，再给判断。是推测的明确标注。表达判断时用「我觉得」「我的判断是」这种承认主观性的姿态，而不是居高临下的定论。

**层层剥开的修辞**：不直接讲结论，用"现象→表面解释→更深的追问→核心洞察"的方式展开。让读者参与到思考过程中。

**文化升维**：在交汇洞察部分，连接到更大的文化/哲学/历史参照物。不是硬凑的升华，是「聊着聊着自然想到了」的感觉。

**回环呼应**：开头或纵向部分埋的细节和钩子，在交汇洞察或结尾callback回来。前后因果的闭合感，是让报告从「信息流」变成「作品」的关键。

### 不从卡兹克文风中借鉴的元素

以下元素适合公众号文章但不适合研究报告，需要克制：

- **过强的口语化**：报告可以有聊天感，但不要满篇「这玩意」「不是哥们」「太牛逼了」。偶尔点缀可以，但密度要比公众号文章低很多。
- **去小标题化**：公众号文章追求一口气顺下来不加小标题。研究报告不一样，1-3万字的内容如果没有清晰的结构和导航，读者会迷路。报告需要清晰的章节结构。
- **标点禁令可以放松**：公众号文章禁用冒号和破折号。研究报告中可以正常使用，因为报告需要的是信息传达效率。但「」的使用习惯可以保留。
- **固定尾部**：不要加公众号的三连/星标尾部。

### 绝对禁区（依然适用）

以下AI味标记无论什么文体都要避免：
- 套话："首先...其次...最后"、"综上所述"、"值得注意的是"、"不难发现"
- 空洞形容词："赋能"、"抓手"、"打造闭环"
- 教科书开头："在当今AI快速发展的时代"、"随着技术的不断进步"
- 高频踩雷词："说白了"、"意味着什么？"、"这意味着"、"本质上"、"换句话说"、"不可否认"
- 空泛工具名：不说"AI工具"、"某个模型"，要说具体名字
- 编造场景：如果某个信息搜不到，诚实标注「该信息暂缺」，绝不编造

### 用人话写

避免咨询公司式的套话和空洞概括。用具体的细节和例子代替概括性陈述。比如不要写「该公司在这一阶段实现了快速增长」，而要写「从2024年中期的1000万美元ARR到2025年底的10亿美元，增长曲线几乎是垂直的」。

---

## 第五步：生成报告

默认输出 PDF，并保留 Markdown 源稿；用户指定 HTML 时输出扩展名用 `.html`，沿用同一脚本的响应式页面，不需要 WeasyPrint。用户指定 Obsidian 时，把 Markdown 保存到用户指定的 vault 路径并回读核实，不需要新增配置或另一套转换器。

PDF 或 HTML 使用同一个 `scripts/md_to_pdf.py` 转换；Markdown 直接交付，不运行转换。

### 转换流程

1. **先完成Markdown稿件**：将完整报告写为标准Markdown格式，保存为 `[研究对象]_横纵分析报告.md`
2. **解析实际路径**：从当前加载的 Skill 位置取得绝对目录 `HV_SKILL_DIR`，把所选环境的 Python 绝对路径设为 `HV_PYTHON`；路径包含空格时也必须可用。
3. **安装缺少的依赖并转换**：HTML 只安装 `markdown`；PDF 再安装 `weasyprint` 及官方要求的系统库。Markdown 交付无需转换依赖。下面的 shell 示例使用已解析的路径，作者按用户要求填写；HTML 输出把扩展名改为 `.html`。
   ```bash
   "$HV_PYTHON" -m pip install markdown
   "$HV_PYTHON" "$HV_SKILL_DIR/scripts/md_to_pdf.py" input.md output.pdf --title "研究对象名称" --author "报告作者"
   ```
   PowerShell 调用路径变量时使用 `& $HV_PYTHON "$HV_SKILL_DIR/scripts/md_to_pdf.py" ...`。
4. PDF 模式生成 HTML 和 PDF；HTML 模式只生成 HTML。打开实际产物核对标题、中文、表格和分页。

### 脚本内置的排版规范

`md_to_pdf.py` 已内置完整的CSS排版方案，无需手动调整：

- **页面**：A4，页边距上25mm/左右20mm/下20mm
- **封面页**：自动生成，包含标题（28pt深蓝色）、副标题「横纵分析法深度研究报告」、作者信息、装饰分隔线
- **配色**：H1标题=#1a5276深蓝、H2=#1e8449绿色、H3=#2e86c1浅蓝、H4=#5b2c6f紫色，正文=#2c3e50深灰
- **字体**：CSS fallback链 `PingFang SC / Microsoft YaHei / Noto Sans CJK SC` 等跨平台中文字体，自动处理中英文混排
- **正文**：10.5pt，行距1.75，两端对齐，孤行/寡行控制
- **引用块**：左侧3pt深蓝竖线 + 浅灰背景
- **表格**：全宽、深蓝表头白字、斑马纹行
- **页眉**：「报告标题 | 横纵分析法深度研究报告」（首页不显示）
- **页脚**：「第 X 页」（首页不显示）
- Markdown的第一个H1会被自动提取为封面标题，正文中不会重复出现

### Markdown写作注意事项

为了让脚本正确解析并生成最佳PDF效果：

- 第一行用 `# 标题` 作为报告标题（会自动用于封面）
- 紧接标题后可用 `> 研究时间：... | 所属领域：... | 研究对象类型：...` 格式写元信息行，会被提取到封面
- 用 `##` 作为主要章节标题（纵向分析、横向分析、横纵交汇等）
- 用 `###` 和 `####` 作为子章节
- 表格使用标准Markdown表格语法
- 引用使用 `>` 语法
- 加粗使用 `**文本**`

### 末尾内容

在Markdown稿件末尾加上：
- **信息来源**：所有引用的来源清单，标注URL和访问时间
- **方法论说明**：简要说明横纵分析法的来源（1-2句话即可）

### 报告结构模板

```
封面页

目录

一、一句话定义
[用一句话说清楚这个东西是什么]

二、纵向分析：从诞生到当下
[完整的纵向叙事，6000-15000字]

三、横向分析：竞争图谱
[横向对比分析，3000-10000字]

四、横纵交汇洞察
[交叉分析和未来推演，1500-3000字]

五、信息来源
[所有引用的来源列表]
```

### 文件命名和交付

使用用户指定格式和路径。默认 PDF 文件命名为 `[研究对象名称]_横纵分析报告.pdf`，保存到用户的工作目录中。

---

## 不同研究对象类型的适配

核心原则不变（纵向追时间深度，横向追同期广度），但侧重点不同：

**研究产品时**：纵轴重点关注版本迭代、技术路线演变、用户增长曲线、关键产品决策；横轴重点关注功能对比、性能对比、用户体验、定价。

**研究公司时**：纵轴重点关注创始团队、融资历程、战略转向、组织变革、关键人事变动；横轴重点关注商业模式差异、市场份额、营收对比、组织架构差异。

**研究概念时**（技术范式、商业模式、文化现象）：纵轴重点关注概念的起源（谁提出的、基于什么理论/需求）、如何流行起来、经历了哪些争论和演变；横轴重点关注与相近概念的区别、各自适用场景、不同阵营的论证。

**研究人物时**：纵轴重点关注个人经历、职业轨迹、关键决策、成长曲线、公开言论变化；横轴重点关注与同领域其他人物的对比（做事方式、风格、成就、影响力、路线选择差异）。

---

## 篇幅总览

下表是完整深度报告的参考，不是凑字数要求。用户指定篇幅、时限或重点时优先遵守；证据少就缩短并说明缺口。需要快速阅读时在正文前加结论摘要、关键时间线和竞品对比表，保留叙事解释。

| 部分 | 字数范围 | 说明 |
|-----|---------|------|
| 纵向分析 | 6,000 - 15,000字 | 报告主体，不要蜻蜓点水 |
| 横向分析 | 3,000 - 10,000字 | 视竞品数量调整 |
| 横纵交汇 | 1,500 - 3,000字 | 精华段，给出新判断 |
| **全文总计** | **10,000 - 30,000字** | 不要怕长，深度和完整度是价值所在 |

---

## 质检清单

交付前自检：

- [ ] 纵轴是叙事故事体？读起来有因果逻辑和时代脉络？不是年表流水账？
- [ ] 创始人/发起者的背景和动机有足够深度？
- [ ] 每个关键节点都展开写了，没有为了压缩而跳过重要细节？
- [ ] 决策逻辑有还原？不只是「发生了什么」，还有「为什么这么选」？
- [ ] 横轴的竞品场景判断正确（A/B/C）？竞品分析够深？
- [ ] 用户口碑部分引用了真实用户的声音？不只是官方宣传？
- [ ] 横纵交汇产出了新的判断，不是前面内容的缩写版？
- [ ] 未来推演的三个剧本都有逻辑支撑？
- [ ] 写作风格有节奏感、有可读性？不是冷冰冰的咨询报告？
- [ ] 没有触犯绝对禁区里的任何一条？
- [ ] 所有关键事实标注了信息来源？
- [ ] 搜不到的信息诚实标注了「暂缺」，没有编造？
- [ ] 所选格式的实际产物可读、标题和中文显示正常？
- [ ] 篇幅符合用户需求和证据密度，没有为了字数重复或编造？
````

## File: hv-analysis/scripts/md_to_pdf.py
size: 7413
sha: 0e89da77ee9f3be2d9ae4cf9b6ddd488f7b37b58
upstream: https://github.com/kkkkhazix/khazix-skills/blob/main/hv-analysis/scripts/md_to_pdf.py

```text
#!/usr/bin/env python3
"""
横纵分析法报告 Markdown → HTML / PDF 转换脚本
用法: python md_to_pdf.py input.md output.html|output.pdf [--title "报告标题"] [--author "作者"]

在 venv 中安装依赖：HTML 需要 markdown；PDF 另需 weasyprint 和系统 Pango。
"""

import sys
import os
import re
import argparse
import html
import json
from pathlib import Path
import markdown

# ── CSS 样式 ──
CSS_TEMPLATE = """
@page {
    size: A4;
    margin: 25mm 20mm 20mm 20mm;

    @top-center {
        content: HEADER_TEXT;
        font-family: "PingFang SC", "Microsoft YaHei", "Noto Sans CJK SC", "Source Han Sans SC", "Droid Sans Fallback", Helvetica, Arial, sans-serif;
        font-size: 8pt;
        color: #95a5a6;
        border-bottom: 0.5pt solid #ecf0f1;
        padding-bottom: 3mm;
    }

    @bottom-center {
        content: "第 " counter(page) " 页";
        font-family: "PingFang SC", "Microsoft YaHei", "Noto Sans CJK SC", "Source Han Sans SC", "Droid Sans Fallback", Helvetica, Arial, sans-serif;
        font-size: 8pt;
        color: #95a5a6;
        border-top: 0.8pt solid #1a5276;
        padding-top: 2mm;
    }
}

@page :first {
    @top-center { content: none; }
    @bottom-center { content: none; }
}

body {
    font-family: "PingFang SC", "Microsoft YaHei", "Noto Sans CJK SC", "Source Han Sans SC", "Droid Sans Fallback", Helvetica, Arial, sans-serif;
    font-size: 10.5pt;
    line-height: 1.75;
    color: #2c3e50;
    text-align: justify;
}

/* 封面 */
.cover {
    page-break-after: always;
    text-align: center;
    padding-top: 65mm;
}
.cover h1 {
    font-size: 28pt;
    color: #1a5276;
    margin-bottom: 8mm;
    font-weight: bold;
    letter-spacing: 2pt;
}
.cover .subtitle {
    font-size: 14pt;
    color: #95a5a6;
    margin-bottom: 6mm;
}
.cover .meta {
    font-size: 11pt;
    color: #95a5a6;
    margin-bottom: 4mm;
}
.cover .divider {
    width: 60%;
    margin: 8mm auto;
    border: none;
    border-top: 1.5pt solid #1a5276;
}

@media screen {
    body { max-width: 900px; margin: 0 auto; padding: 24px; }
    .cover { padding-top: 12vh; padding-bottom: 12vh; }
    table { display: block; overflow-x: auto; }
}

/* 一级标题 */
h1 {
    font-size: 20pt;
    color: #1a5276;
    margin-top: 16mm;
    margin-bottom: 6mm;
    padding-bottom: 3mm;
    border-bottom: 2pt solid #1a5276;
    page-break-before: always;
    font-weight: bold;
}

/* 二级标题 */
h2 {
    font-size: 14pt;
    color: #1e8449;
    margin-top: 10mm;
    margin-bottom: 5mm;
    font-weight: bold;
}

/* 三级标题 */
h3 {
    font-size: 12pt;
    color: #2e86c1;
    margin-top: 6mm;
    margin-bottom: 3mm;
    font-weight: bold;
}

h4 {
    font-size: 11pt;
    color: #5b2c6f;
    margin-top: 5mm;
    margin-bottom: 2mm;
    font-weight: bold;
}

/* 段落 */
p {
    margin-top: 1.5mm;
    margin-bottom: 1.5mm;
    orphans: 3;
    widows: 3;
}

/* 引用块 */
blockquote {
    margin: 4mm 0;
    padding: 4mm 4mm 4mm 10mm;
    background: #f8f9fa;
    border-left: 3pt solid #1a5276;
    color: #5d6d7e;
    font-size: 10pt;
}
blockquote p {
    margin: 1mm 0;
}

/* 粗体 */
strong, b {
    font-weight: bold;
    color: #1a252f;
}

/* 行内代码 */
code {
    font-family: "Courier New", Courier, monospace;
    background: #fdf2e9;
    color: #c0392b;
    padding: 0.5mm 1.5mm;
    border-radius: 2pt;
    font-size: 9.5pt;
}

/* 表格 */
table {
    width: 100%;
    border-collapse: collapse;
    margin: 4mm 0;
    font-size: 9.5pt;
}
thead th {
    background: #1a5276;
    color: white;
    padding: 3mm;
    text-align: left;
    font-weight: bold;
}
tbody td {
    padding: 2.5mm 3mm;
    border-bottom: 0.5pt solid #bdc3c7;
}
tbody tr:nth-child(even) {
    background: #f8f9fa;
}

/* 分隔线 */
hr {
    border: none;
    border-top: 0.5pt solid #bdc3c7;
    margin: 4mm 0;
}

/* 列表 */
ul, ol {
    margin: 2mm 0;
    padding-left: 8mm;
}
li {
    margin-bottom: 1mm;
}

/* 链接 */
a {
    color: #2e86c1;
    text-decoration: none;
}
"""

def md_to_html(md_text, title="横纵分析报告", subtitle="横纵分析法深度研究报告",
               meta_line="", author="数字生命卡兹克"):
    """将 Markdown 转为带封面的 HTML"""

    # 用 markdown 库转换正文
    html_body = markdown.markdown(
        md_text,
        extensions=['tables', 'fenced_code', 'nl2br'],
        output_format='html5'
    )

    # 移除正文中的第一个 h1（会用在封面上）
    first_h1_match = re.search(r'<h1>(.*?)</h1>', html_body)
    if first_h1_match:
        extracted_title = html.unescape(re.sub(r"<[^>]+>", "", first_h1_match.group(1)))
        if not title or title == "横纵分析报告":
            title = extracted_title
        html_body = html_body.replace(first_h1_match.group(0), '', 1)

    # 替换 CSS 中的页眉占位符
    css = CSS_TEMPLATE.replace("HEADER_TEXT", json.dumps(f"{title}  |  横纵分析法深度研究报告", ensure_ascii=False).replace("<", "\\3c "))

    title, subtitle, meta_line, author = (html.escape(value) for value in (title, subtitle, meta_line, author))

    # 构建封面
    cover_html = f"""
    <div class="cover">
        <h1 style="page-break-before: avoid; border: none;">{title}</h1>
        <div class="subtitle">{subtitle}</div>
        {"<div class='meta'>" + meta_line + "</div>" if meta_line else ""}
        <hr class="divider">
        <div class="meta">作者: {author}</div>
    </div>
    """

    full_html = f"""<!DOCTYPE html>
<html lang="zh-CN">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <style>{css}</style>
</head>
<body>
{cover_html}
{html_body}
</body>
</html>"""

    return full_html

def main():
    parser = argparse.ArgumentParser(description="横纵分析法报告 Markdown → HTML / PDF")
    parser.add_argument("input", help="输入的 Markdown 文件路径")
    parser.add_argument("output", help="输出的 .html 或 .pdf 文件路径")
    parser.add_argument("--title", default=None, help="报告标题")
    parser.add_argument("--author", default="数字生命卡兹克", help="作者名")
    args = parser.parse_args()

    with open(args.input, "r", encoding="utf-8") as f:
        md_text = f.read()

    # 提取元信息
    meta_line = ""
    for line in md_text.split("\n"):
        stripped = line.strip().lstrip(">").strip()
        if "研究时间" in stripped or "所属领域" in stripped or "研究对象类型" in stripped:
            meta_line = stripped
            break

    html = md_to_html(md_text, title=args.title or "横纵分析报告", meta_line=meta_line, author=args.author)

    # 保存中间 HTML（便于调试）
    output = Path(args.output)
    if output.suffix.lower() not in (".pdf", ".html"):
        parser.error("输出文件扩展名须为 .pdf 或 .html")
    html_path = output.with_suffix('.html')
    with open(html_path, 'w', encoding='utf-8') as f:
        f.write(html)
    print(f"[OK] HTML 已生成: {html_path}")

    if output.suffix.lower() == ".html":
        return

    # 转 PDF
    from weasyprint import HTML
    HTML(string=html, base_url=str(Path(args.input).resolve().parent)).write_pdf(args.output)
    size_kb = os.path.getsize(args.output) / 1024
    print(f"[OK] PDF 已生成: {args.output} ({size_kb:.1f} KB)")

if __name__ == "__main__":
    main()
```

## File: hv-analysis/references/schema.json
size: 7848
sha: 9e9dd1f0bcc2b90469cb1a5e4d535e78263bd29d
upstream: https://github.com/kkkkhazix/khazix-skills/blob/main/hv-analysis/references/schema.json

```text
{
  "$schema": "横纵分析法 / Horizontal-Vertical Analysis Framework",
  "version": "1.0",
  "description": "一个用于系统性研究产品、公司、概念或人物的双轴分析框架。纵轴追踪完整生命历程，横轴展开当下竞争对比。",

  "meta": {
    "研究对象": {
      "名称": "string — 研究对象的名称",
      "类型": "enum: 产品 | 公司 | 概念 | 人物 | 其他",
      "一句话定义": "string — 用一句话说清楚这个东西是什么",
      "所属领域": "string — 所在行业/学科/赛道",
      "研究发起日期": "date — 开始研究的时间",
      "研究者": "string — 谁在做这个研究",
      "研究动机": "string — 为什么要研究它，触发点是什么"
    }
  },

  "纵轴_生命历程": {
    "description": "从起源到当下的完整时间线，以叙事方式呈现，越详细越多元越好",

    "起源": {
      "诞生背景": "string — 它诞生时的时代背景、行业状态、技术环境",
      "诞生动机": "string — 为什么会出现？解决什么问题？填补什么空缺？",
      "创始人或发起者": {
        "是谁": "string",
        "背景经历": "string — 这些人之前做过什么，为什么是他们来做这件事",
        "初始愿景": "string — 他们最开始想做成什么样"
      },
      "诞生时间": "date",
      "诞生地点或环境": "string",
      "早期形态": "string — 最初的样子是什么，跟现在有什么不同",
      "种子事件": "string — 有没有某个关键事件或灵感直接促成了它的诞生"
    },

    "关键节点时间线": [
      {
        "时间": "date",
        "事件名称": "string",
        "事件描述": "string — 发生了什么",
        "为什么重要": "string — 这个事件如何改变了后续走向",
        "决策与选择": "string — 在这个节点上做了什么选择，放弃了什么",
        "外部触发因素": "string | null — 是否由外部事件（政策、竞品动作、市场变化）触发",
        "结果与影响": "string — 这个事件的直接和间接后果"
      }
    ],

    "阶段划分": [
      {
        "阶段名称": "string — 例如：萌芽期、快速增长期、转型期、成熟期",
        "时间跨度": "string — 起止时间",
        "核心特征": "string — 这个阶段最显著的特点是什么",
        "核心矛盾": "string — 这个阶段面临的最大挑战或内在张力是什么",
        "关键人物": ["string — 在这个阶段起关键作用的人"],
        "关键决策": ["string — 这个阶段做出的重大决策"],
        "阶段成果": "string — 这个阶段结束时交出了什么答卷"
      }
    ],

    "路径依赖分析": {
      "锁定性决策": ["string — 哪些早期决策锁定了后来的发展方向，难以逆转"],
      "错过的岔路口": ["string — 哪些关键时刻本可以走另一条路"],
      "自我强化机制": "string — 什么机制让它越走越深（网络效应、生态绑定、用户习惯等）"
    },

    "叙事线索": {
      "主线故事": "string — 如果要用一个故事来概括整个历程，这个故事是什么",
      "反复出现的主题": ["string — 在不同阶段反复出现的模式、矛盾或主题"],
      "转折点": ["string — 最戏剧性的转折是什么"],
      "未解之谜": ["string — 还有哪些信息缺失，需要进一步挖掘"]
    }
  },

  "横轴_竞争对比": {
    "description": "在当下这个时间截面上，与竞品/同类进行系统性横向对比",

    "分析时间截面": "date — 横向对比的基准时间点",

    "研究对象画像": {
      "当前定位": "string — 它现在把自己定义成什么",
      "核心能力": ["string — 它最强的几个点"],
      "核心短板": ["string — 它最弱的几个点"],
      "目标用户": "string — 它在服务谁",
      "商业模式": "string — 它怎么赚钱/怎么维持运转",
      "技术路线": "string — 底层技术选择是什么",
      "用户规模与增长": "string — 当前体量和增长趋势",
      "用户口碑": {
        "正面评价": ["string — 用户最常夸的点"],
        "负面评价": ["string — 用户最常骂的点"],
        "典型使用场景": ["string — 用户主要在什么场景下用它"]
      }
    },

    "竞品列表": [
      {
        "竞品名称": "string",
        "竞品类型": "enum: 直接竞品 | 间接竞品 | 潜在竞品 | 替代方案",
        "一句话定义": "string",
        "当前定位": "string",
        "核心能力": ["string"],
        "核心短板": ["string"],
        "目标用户": "string",
        "商业模式": "string",
        "技术路线": "string",
        "用户规模与增长": "string",
        "用户口碑": {
          "正面评价": ["string"],
          "负面评价": ["string"],
          "典型使用场景": ["string"]
        },
        "与研究对象的关键差异": "string — 跟研究对象相比，最本质的区别是什么",
        "威胁程度": "enum: 高 | 中 | 低",
        "威胁分析": "string — 为什么构成这个程度的威胁"
      }
    ],

    "维度对比矩阵": {
      "description": "选择几个最关键的维度，把研究对象和所有竞品拉到一起比",
      "对比维度": [
        {
          "维度名称": "string — 例如：性能、价格、易用性、生态、社区活跃度",
          "为什么选这个维度": "string — 这个维度为什么重要",
          "各方表现": {
            "研究对象": "string",
            "竞品A": "string",
            "竞品B": "string"
          }
        }
      ]
    },

    "竞争格局判断": {
      "当前格局": "string — 现在是百花齐放、两强争霸、一家独大还是什么",
      "格局形成原因": "string — 为什么会是这个格局",
      "格局演变趋势": "string — 接下来可能往哪个方向走",
      "研究对象的位置": "string — 它在这个格局里处于什么位置"
    }
  },

  "横纵交叉_洞察": {
    "description": "纵轴和横轴的交叉分析，这是横纵分析法最有价值的部分",

    "历史如何塑造了当下的竞争位置": "string — 纵向历程中的哪些决策和事件，决定了它今天在横向对比中的位置",
    "竞品的纵向对比": "string — 如果把竞品也放到时间线上看，它们的起源和演变有什么不同",
    "当前优势的历史根源": ["string — 它今天的每个优势，能追溯到历史上的哪个节点"],
    "当前劣势的历史根源": ["string — 它今天的每个劣势，能追溯到历史上的哪个决策"],
    "未来推演": {
      "基于纵向趋势的推演": "string — 如果延续当前的发展轨迹，接下来会怎样",
      "基于横向竞争的推演": "string — 竞争格局的变化会如何影响它",
      "最可能的剧本": "string",
      "最危险的剧本": "string",
      "最乐观的剧本": "string"
    }
  },

  "输出要求": {
    "纵轴输出": "以叙事/故事体呈现，不是大事记列表。要有因果逻辑，有细节，有人物，让读者能感受到'为什么一步一步走到了今天'",
    "横轴输出": "以对比分析体呈现，既有结构化的维度对比，也有定性的判断和洞察",
    "交叉洞察输出": "以分析评论体呈现，把纵横两条线的信息编织在一起，产出独到的判断",
    "总字数建议": "完整报告参考纵轴 6000-15000字、横轴 3000-10000字、交叉洞察 1500-3000字；用户篇幅和证据密度优先",
    "信息来源标注": "所有关键事实需标注信息来源（链接、文档、采访等）"
  }
}
```

## File: README.md
upstream: https://github.com/kkkkhazix/khazix-skills/blob/main/README.md

````text
<div align="center">

**中文** · [English](./README.en.md)

# 🧰 Khazix Skills

#### 我自己每天在用的一些 AI Skill，都开源在这里

[![License](https://img.shields.io/badge/License-MIT-3B82F6?style=for-the-badge)](./LICENSE)
[![Skills](https://img.shields.io/badge/Skills-6-10B981?style=for-the-badge)](#-skills)
[![AgentSkills](https://img.shields.io/badge/AgentSkills-Standard-8B5CF6?style=for-the-badge)](https://agentskills.io)

![Claude Code](https://img.shields.io/badge/Claude_Code-Skill-D97706?style=flat-square&logo=anthropic&logoColor=white)
![Codex](https://img.shields.io/badge/Codex-Skill-10B981?style=flat-square&logo=openai&logoColor=white)
![40+ Agents](https://img.shields.io/badge/40%2B_Agents-Compatible-3B82F6?style=flat-square)

</div>

都是在自己项目里跑通了一段时间，确实省事，才搬出来开源的。没什么花活，就是几个挺实用的东西。

这里的每个 Skill 都是 Agent 能直接加载的结构化指令集，遵循 [Agent Skills](https://agentskills.io) 开放标准。Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40+ 支持该标准的 Agent 都能装。

---

## 📋 目录

| 名字 | 一句话 | 讲解 |
|---|---|---|
| 🧭 [**leader（领导）**](#-leader领导) | 帮你把一句模糊的想法定义成一个清晰的**目标**，让 AI 拿着自己跑几个小时到完成 | — |
| 💽 [**storage-analyzer（清理垃圾）**](#-storage-analyzer清理垃圾) | 一句话扫描 Mac / Windows / Linux 整机磁盘，三色分级给清理决策，网页上一键移废纸篓 | [公众号文章](https://mp.weixin.qq.com/s/NyOMIlOD986OC4SI9vmxlA) |
| 🔥 [**aihot（AI HOT 资讯查询）**](#-aihotai-hot-资讯查询) | 让 Agent 用一句话拿到 aihot.news 每天的 AI HOT 日报和全部 AI 动态，无需 API Key | [aihot.news](https://aihot.news) |
| 🧹 [**neat-freak（洁癖）**](#-neat-freak洁癖) | 干完活跑一下 `/neat`，自动对齐项目文档、CLAUDE.md、Agent 记忆，并审计规则有没有被执行 | [公众号文章](https://mp.weixin.qq.com/s/tg1wd-iN2gWHWhXdY0faeg) |
| 🔭 [**hv-analysis（横纵分析法）**](#-hv-analysis横纵分析法) | 想搞懂一个产品/公司/概念是怎么回事，丢给它，给你一份万字 PDF 研究报告 | [公众号文章](https://mp.weixin.qq.com/s/Y_uRMYBmdLWUPnz_ac7jWA) |
| ✍️ [**khazix-writer（卡兹克写作）**](#-khazix-writer卡兹克写作) | 装上之后，Agent 用我的口吻和节奏写公众号长文 | [公众号文章](https://mp.weixin.qq.com/s/AtxGrii_K-nzkwUM9SNhEg) |

---

## 📦 安装方式

在 Claude Code、Codex 等支持 Agent Skills 的工具里，直接说：

```
帮我安装这个 skill：https://github.com/KKKKhazix/khazix-skills/tree/main/<skill-name>
```

把 `<skill-name>` 换成你想装的那个，比如 `neat-freak`、`hv-analysis`、`khazix-writer`。Agent 会自己 clone 到对应目录，不用你操心路径。

安装时保留整个 Skill 目录，包括 `references/`、`scripts/`、`assets/` 和 `agents/`（如有）。只粘贴 `SKILL.md` 可以参考方法，但不能替代配套脚本和资源。普通聊天模型没有文件或联网工具时，无法完成本机扫描、实时研究或生成文件；请用具备相应工具的 Agent。搜索工具不限模型或厂商。

手动安装就把整个目录放进 Agent 读取的 skills 目录：

| 工具 | 所有项目可用 | 只在某个项目里用 |
|---|---|---|
| Claude Code | `~/.claude/skills/<skill-name>/` | `.claude/skills/<skill-name>/` |
| Codex、Gemini CLI、GitHub Copilot 等 | `~/.agents/skills/<skill-name>/` | `.agents/skills/<skill-name>/` |

也可以把全部六个 Skill 当成一个插件装，以后跟着版本更新。Claude Code 里输入：

```text
/plugin marketplace add KKKKhazix/khazix-skills
/plugin install khazix-skills@khazix-skills
```

更新：在 `/plugin` 的 Installed 里选 khazix-skills 点 Update now，或在终端运行 `claude plugin update khazix-skills@khazix-skills`。第三方插件目录默认不自动更新，想自动更新就在 `/plugin` 的 Marketplaces 里选 khazix-skills，打开 Enable auto-update。

Codex 在终端运行：

```bash
codex plugin marketplace add KKKKhazix/khazix-skills
codex plugin add khazix-skills@khazix-skills
```

更新：`codex plugin marketplace upgrade khazix-skills`。

插件方式装的 Skill 带前缀，例如 `khazix-skills:leader`。插件和手动复制只留一种，避免同一个 Skill 出现两份。

固定版本和完整下载包见 [Releases](https://github.com/KKKKhazix/khazix-skills/releases)。第三方市场可能滞后或漏带资源，完整内容以此仓库和 Release 为准。

本仓库目前维护下面列出的六个 Skill，不分发旧的 skill-manage／自演进管理器三件套。请不要把旧教程中的名称当成当前安装目录。

---

## 维护与源头

[安装与清理状态、写入入口](STATES.md)

六个 Skill 各自的目录包含指令和配套资源，`.claude-plugin/marketplace.json` 只负责把它们作为一个插件分发。

- `aihot/` 是 [AIHOT 官方发行文件](https://aihot.news/aihot-skill/README.md)的镜像，保持逐字节一致。2.0.0 运行包的 `SKILL.md`、`LICENSE`、`agents/openai.yaml` 已固定，不再修改；新能力在服务端 `/api/v1/agent` 的使用说明中演进。安装说明或安装器需要更新时，先在 AIHOT 源项目按兼容规则改好并上线，再同步这里；不要只改镜像或单独重算校验值。
- 其余五个 Skill 的指令、脚本和资源在本仓库维护。`neat-freak/evals/fixtures/` 是评测用的假项目，不是待清理的公司仓库。
- [human-writing](https://github.com/KKKKhazix/human-writing) 是独立维护的通用中文写作 Skill；本仓库的 `khazix-writer/` 维护卡兹克个人写作风格，两者不是镜像。

改动走合并请求，[Validate skills](.github/workflows/validate.yml) 在 Ubuntu、macOS、Windows 检查测试、安装包和评测材料。只改首页不改 Skill 版本或已有 Release；实际安装内容变化时再更新发布包。

## ✨ Skills

<a id="-skills"></a>

<table>
<tr><td>

### 🧭 leader（领导）

> *"你说让测试变绿，最省力的办法不是修代码，是把测试删了。"*

**它只解决一件事：帮你定义目标。**

把你脑子里那句模模糊糊、自己都还没想清楚的需求，变成一份目标任务书——粘进目标模式（Claude Code 和 Codex 都是 `/goal`）就能让 AI 独立跑几个小时到完成。你全程只做一次复制粘贴。

**为什么是「目标」**

人和 AI 的协作单位一直在变大：过去是一轮对话，后来是一个任务，2026 年的今天是一个目标——你给它一个目标，它自己拆任务、自己调工具、自己验证、失败自己重试，跑一整夜，你只管验收。

但当 AI 真能跑一整夜，一个以前还能临场补救的问题就变得致命：**你的目标写得对不对**。短任务跑偏你看一眼就能纠正；长程任务跑偏，你睡醒时它已经朝错误方向狂奔了八小时。它越勤奋，浪费得越彻底。

**目标里最重要的部分，是「什么不能做」**

肯尼迪那句登月宣言，关键不在「登月」，在后半句——把人送上月球，**然后安全带回地球**。多出来的「安全返回」四个字，一笔删掉了「单程票」这个最省钱的解法。

Goal 告诉 AI 往哪走，Harness 告诉它哪些路不许走。**没有 Harness 的 Goal，AI 永远会找到你没想到的捷径。**

**目标七问（心法）**

给 AI 定目标就像派一艘船出海，出海前你必须想清楚七件事，缺一条都不行：

| # | 问题 | 出海版 | 落到任务书 |
|---|---|---|---|
| 1 | **目的** | 我们为什么出这趟海，找香料还是探航线 | 遇到没写到的岔路口，它靠这句自己判断 |
| 2 | **完成态** | 「出去转一圈」不算，「带回三船香料」才算 | 具体到靠岸那一刻机器就能判 |
| 3 | **证据** | 谁上船清点货舱。不能船长说满载就是满载 | 每条验收都要贴出实际命令输出 |
| 4 | **反作弊** | 不许劫商船凑数：指标达成，事一件没干 | 把偷懒路径一条条点名禁止 |
| 5 | **地界** | 只许走这三条航线；粮食只够三十天 | 白名单 + 跑满 N 轮即停 |
| 6 | **取舍** | 风暴里保货还是保船？不说，船长只能猜 | 「算得对 > 做得全 > 做得快」 |
| 7 | **未知** | 空白海域别硬闯也别抛锚，记下来绕过去 | 拿不准的写进待裁决清单，跳过做别的 |

还有第零问：**这张海图是你自己测的，还是听来的**。所以它动笔前一定先钻进代码库亲手跑一遍——文档里写的命令，实际可能根本不存在。

**怎么用**

跟它说一句想法（下面任意一句都能触发），它先实测调研，再问你最多 5 个必须你拍板的问题，然后写出任务书。信息足够时可以不提问，无法查明且会改变范围或授权的决定才问。

```
帮我给 agent 写个目标
帮我详细拆一下这个目标
写个 goal 提示词
让 agent 自己跑这个项目
```

产出是纯 Markdown，没有目标模式的 Agent 直接粘贴发送也一样用。拿到任务书后推荐用规划强的模型出目标、执行强的模型跑长程——具体模型按你的工具可用性选择。

→ [SKILL.md](./leader/SKILL.md)

</td></tr>
</table>

<table>
<tr><td>

### 💽 storage-analyzer（清理垃圾）

> *"清 Mac 垃圾这件事，过去十几年都靠 CleanMyMac 这种翻译层软件。现在一个 skill 就够了。"*

随口跟 Agent 说一句"帮我看看存储"或"C 盘满了"，它会扫一遍整机磁盘，在浏览器里打开一份**交互式 HTML 报告**：磁盘总览、占用 Top 5、清理优先级、🟢🟡🔴 三色分级清单。命令一键复制，也可以直接点按钮移到废纸篓 / 删除（每次都有二次确认弹窗）。

**它和 CleanMyMac 的区别**

CleanMyMac 是个写死规则的软件，扫到一个 3.8G 的 Chrome 文件夹只会告诉你"用户缓存文件，可删"——但你不知道里面到底是什么、删了哪些网站要重新登录。

这个 skill 由 Agent 驱动，每一项都给你**具体路径 + 类型说明 + 删了的影响 + 推荐处置方式**。比如那 97 GB 的 UUID Container 它会告诉你是 B 站离线视频缓存、建议在 B 站客户端里清而不是手删。

**三色分级是核心**

- 🟢 **绿灯** — 纯缓存、临时文件，删了自动再生。可以让 Agent 一键清
- 🟡 **黄灯** — 含用户数据（离线视频、下载、项目代码）。只给"在访达打开"和"移废纸篓"，让你自己决定，不给直接删
- 🔴 **红灯** — 运行中应用核心数据、系统文件。解释为什么不能动，最多给"打开文件夹"，永远不给删除按钮

**铁律**

全程只读扫描，绝不擅自动手。网页删除逐次确认；用户已明确授权具体清理对象时，Agent 也可代为执行，无需重复确认。本地服务跑在 127.0.0.1 + 随机端口 + token，安全模型上三套白名单分级（绿灯能删、黄灯只能移废纸篓、红灯只能打开）。

支持 macOS / Windows / Linux（Linux 目前在 Ubuntu + GNOME 上实测）。扫描、删除边界和只读缓存修复由跨平台 CI 验证；回收站桌面交互需在当前系统核实。服务连续 30 分钟无请求自动退出。

**怎么触发**

```
帮我看看存储
C 盘满了
清理一下磁盘
看下电脑空间
storage analysis
```

→ [SKILL.md](./storage-analyzer/SKILL.md) · [公众号讲解](https://mp.weixin.qq.com/s/NyOMIlOD986OC4SI9vmxlA)

</td></tr>
</table>

<table>
<tr><td>

### 🔥 aihot（AI HOT 资讯查询）

> *"AI 圈一天发太多东西，等我反应过来已经过气了——干脆让 Agent 帮我每天扫一遍。"*

让支持 SKILL.md 的 Agent 用最自然的中文一句话拿到 [aihot.news](https://aihot.news) 每天的 AI HOT 日报和全部 AI 动态。无需 API Key、无需配 MCP server。

**装一次就好，以后不用再更新**：Skill 只负责提问和转述，查询和整理都在 aihot.news 服务端完成，新能力自动生效。装过旧版的最后更新一次即可。

**它能做什么**

- 拉今日 / 指定日期的 AI HOT 日报（按主题打包好的成品），以及最新或指定一期的周报、月报
- 拉精选条目流（每日精编候选池）
- **看当前最热事件**（按热度排，不是按时间倒序）
- 查 Codex、Claude、Antigravity 额度重置和发重置卡的最新动态
- 按分类拉条目（模型 / 产品 / 行业 / 论文 / 教程 / 观点）
- 按时间窗拉（原生支持过去 24 小时和最近 7 天）
- 关键词 / 公司 / 主题搜索（"OpenAI 最近发的"、"Sora 相关"、"RAG 论文"）
- **看某个热点的来龙去脉**（最新进展、报道时间线和 AI 综述）

**怎么触发**

```
今天 AI 圈有什么新东西
现在 AI 圈最热的事件是什么
看一下 5 月 6 号的 AI 日报
最近一周的 AI 论文
最近 OpenAI 有什么发布
现在最热的那件事，来龙去脉是什么
```

查询“日报”走成品日报，查询“最新动态”走滚动条目，两者范围不同。搜索支持当前服务公布的时间窗；想核对英文原标题，可打开 AIHOT 文章详情页查看保留的原始标题（如有），不要把产品或代码名称再逐字翻译。

→ [SKILL.md](./aihot/SKILL.md) · [aihot.news](https://aihot.news) · [接入指南](https://aihot.news/agent)

</td></tr>
</table>

<table>
<tr><td>

### 🧹 neat-freak（洁癖）

> *"每次任务做完要退出窗口的时候，如果不跑一遍 /neat，我就浑身难受，如坐针毡如芒刺背如鲠在喉。"*

每次你在 Agent 里干完一件事，跑一下 `/neat`，它会把你这次会话改的东西，跟项目里的**文档**、**CLAUDE.md / AGENTS.md**、**Agent 记忆**全部对齐一遍，还会检查项目规则有没有被真实执行，最后给你一份变更摘要。

**为什么需要这个**

你大概也遇到过：代码都迭代了七八轮，文档还是最初那一版；记忆里写着用 SQLite，其实你早换 PostgreSQL 了；CLAUDE.md 里的接口列表跟实际路由对不上。Agent 看着这些过期信息，越用越笨。

不是模型变笨，是文档和记忆脑腐了。neat-freak 就是清这个的。

**它会动哪三层东西**

- 项目根的 CLAUDE.md / AGENTS.md（给当前 AI 看的）
- 项目的 docs/
````
