hv-analysis
|
Choose how to use this skill
You do not need every option. Choose the path your AI client supports. The stable page stays the same; versioned files are immutable.
1. Native installer
This listing has no registered native installer command. Use the complete package or source fallback below, depending on what your client supports.
Do not guess an installer command or replace an existing version without reviewing the diff.
2. Complete package recommended
Download the ZIP when available. It includes SKILL.md plus the references, security notes and version metadata.
No complete ProSkills package is published for this listing yet.3. Prompt-only
Copy the prompt above when the agent can read the stable page or when you want to adopt the workflow without installing a skill.
Need only the instruction file?
Download SKILL.md only if your client requires a single file. The complete ZIP is safer for a full installation because it preserves the references and release context.
No path installs or executes anything by itself. Your agent still needs access to the project files. Before updating, compare the installed version and review the diff.
// RATINGS
Not yet listed on ClawHub or SkillsMP
// README
中文 · English
🧰 Khazix Skills
我自己每天在用的一些 AI Skill,都开源在这里
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 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) | 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) | 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 |
| 🔥 aihot(AI 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 |
| 🧹 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 |
| 🔭 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 |
| ✍️ 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 |
📦 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:
/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:
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。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
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 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 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
🧭 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
💽 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
🔥 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 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.news · 接入指南
🧹 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/
// HOW IT'S BUILT
// FILES
4 files shipped with this skill. Inline text is the catalog copy. The upstream link is the source repository.
hv-analysis/SKILL.md21 KBd5adfab58d1bupstream ↗
--- 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?hv-analysis/scripts/md_to_pdf.py7.2 KB0e89da77ee9fupstream ↗
#!/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()hv-analysis/references/schema.json7.7 KB9e9dd1f0bcc2upstream ↗
{ "$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)" } }README.mdupstream ↗
Contents are not inlined in the catalog. Open the upstream file.
Plain-text copy, no login: /skill-bundles/kkkkhazix-khazix-skills-hv-analysis.md