Khazix Skills

🧰 Khazix Skills

让人工智能成为日常工作的一部分，是我每天在做的事。这里把我在实际项目中使用过的一组实用 AI 技能与 Prompt 收藏开源分享给你。不是花哨的花招，也不是需要复杂安装的框架，而是经过时间打磨、可以直接在 Claude Code、Codex、OpenCode、OpenClaw 等具备 Skill 机制的 Agent 中上手使用的结构化指令与提示词集合。借助这些技能，你可以让 AI 更高效地完成任务、对齐文档与记忆、并把专业写作风格带入到生成内容中。下面是一个由多条技能、若干 Prompts 组成的整体描述，并附带可直接使用的安装与使用路径。

这些技能与 Prompts 的核心理念很简单：用清晰的结构把复杂任务分解，确保 AI 的输出符合预期的文档结构、风格与记忆状态。所有内容都来自我日常工作中的实际应用场景，经过长期验证，现公开开源，供你在自己的项目中直接复现与改进。

MIT License Skills Prompts AgentSkills Claude Code Codex OpenCode OpenClaw

这是一次把“在自己项目里跑通”的经验搬到开源世界的尝试。所谓有用的东西，就是经过一段时间的实操后仍能发挥效用的那部分。下面的结构由三大层级组成：Skill、Prompts，以及跨平台的安装与使用方式。Skill 是 Agent 能直接加载的结构化指令集，遵循开放标准（Agent Skills）。Prompts 是可以直接粘贴到对话中的单段提示词，不需要安装。通过这三层，既能确保不同受众（文档、记忆、代码、写作风格）得到清晰、独立的管理，又能让 AI 的行为更稳定地落地。

目录与结构（便于快速跳转的导航）

• 安装方式：在支持 Skill 的 Agent 中的快速安装与激活方式
• Skills：具体技能的详细描述、触发方式与跨平台信息
• neat-freak（洁癖）
• hv-analysis（横纵分析法）
• khazix-writer（卡兹克写作）
• Prompts：Prompts 的快速入口与应用场景
• 横纵分析法（Prompt 版）
• 关于：作者与项目背景、开源精神、如何参与与反馈

📋 目录（简要导航）

• 安装方式
• Skills
• neat-freak（洁癖）
• hv-analysis（横纵分析法）
• khazix-writer（卡兹克写作）
• Prompts
• 横纵分析法（Prompt 版）
• 关于

📦 安装方式

如果你的 Agent 支持 Skill 体系（例如 Claude Code、Codex、OpenClaw 等），安装非常简单。直接在对话中发出安装请求即可： 帮我安装这个 skill：https://github.com/KKKKhazix/khazix-skills/tree/main/ 把 `` 换成你想装的那个，例如 neat-freak、hv-analysis、khazix-writer。Agent 会自动克隆到对应目录，无需你操心路径。

为了方便跨平台使用，这些技能在多家平台上已经实现对接，细节如下：

• CLAUDE Code / Codex / OpenCode / OpenClaw 等支持 Skill 的 Agent 均可装载
• 安装后的技能会被放在 Agent 的记忆之外的文档区域，以及 Agent 的内置记忆中，以实现跨会话的持久性
• 安装过程无需额外配置， Agent 会帮你完成目录对齐和版本管理

✨ Skills

下面是三大核心技能的详细描述、场景与触发方式。每个技能都设计成三个层次的受众：项目文档层、同事协作层、以及 Agent 的记忆层。这样既能对外保持一致的文档口径，又能在多轮对话中保持上下文的一致性。

🧹 neat-freak（洁癖）

这是我日常在项目中最常用的一个清理型技能。它的核心目标是确保每次任务完成后，相关的变更能够与项目的文档、记忆、以及对外文档保持一致。一个良好维护的项目往往容易积累“过时信息”：数据库从 SQLite 升级到 PostgreSQL、接口清单与路由对不上、文档版本没有同步更新。neat-freak 就是解决这类问题的聚合性工具。

它会对三层进行变更对齐：

• 项目根的 CLAUDE.md / AGENTS.md（给当前 AI 看的对齐点）
• 项目的 docs/ 与 README（给同事与其他人看的对齐点）
• Agent 自身的记忆系统（给跨会话的自己看的对齐点）

触发方式非常简单，多种自然语言都能直接使用：

• /neat
• 整理一下
• 同步一下
• sync up
• English

跨平台兼容性：Claude Code、Codex、OpenCode、OpenClaw 等均可使用。还可通过 ClawHub 和 Tessl 框架进行扩展，链接会在必要处给出。

• ClawHub: v1.0.1
• Tessl: 0.1.1 对应 Skill 的结构化说明通常包含以下要点：
• 三层受众的职责分离：对齐文档、对齐记忆、对齐外部输出
• 变更摘要：每次对齐后输出一个变更摘要，帮助团队快速了解改动
• 跳过不相关的变更：仅对齐当前任务相关的文档与记忆，避免干扰 触发示例（对话样例）：
• /neat
• 整理一下
• 同步一下
• English

🌐 跨平台：Claude Code • Codex • OpenCode • OpenClaw ClawHub Tessl

变更对齐的核心动机，是让“文档、记忆、输出”三者之间的错位得到及时修正。它的工作原理包括三层变更的同步机制：

• 项目根目录的文档对齐（CLAUDE.md / AGENTS.md）
• 项目 docs/ 与 README 的更新（团队协作的参照）
• Agent 自身记忆的更新与清理（跨会话记忆的一致性）

应用场景举例：当数据库结构从 SQLite 变更为 PostgreSQL、接口列表更新、或者新加入的功能模块需要出现在文档中时，/neat 能确保三层信息的一致性，减少沟通成本与重复工作。

🔭 hv-analysis（横纵分析法）

这是一个面向系统性研究的强力工具。它通过同时进行纵向与横向两条分析线，帮助你对产品、公司、概念、人物等研究对象给出全面、深入的结论。纵向分析像讲故事一样把对象从诞生到现在的发展脉络讲清楚；横向分析则把同期的竞品或对比对象逐一摆出，帮助你看清差异与共性。

产出形式为一份排版精美、字数在 10,000–30,000 字之间的 PDF 研究报告。这份报告的结构通常包括：

• 演变史与时间线
• 竞争对手或对照对象的横向对比
• 对研究对象的深度分析与判断
• 结论与未来展望

适用场景：

• 调研竞品、调研一个新概念、调研一个公司
• 写作前期需要系统性素材准备
• 对某一领域想从零搞懂

不适用场景：

• 只需要简单名词解释的问题
• 写公众号文章等需要快速产出的场景（可使用 khazix-writer 来获得风格化文本）

它的输出物包含一个高质量的 PDF 报告，以及可复用的研究结构与模板。需要注意的是，这一技能并不适合“通用好文笔”的任务；如果你的目标是高度客观、结构化的产业分析，它将非常合适。

跨平台特性与对接信息：

• ClawHub 与 Tessl 等工具提供对接
• 可在 Mihail 的 ClawHub、Tessl 的注册页面找到对应的 SKILL.md 与使用说明
• 对应 Prompts 与写作并行使用时，可以在写作阶段借助 khazix-writer 进行风格化输出

✍️ khazix-writer（卡兹克写作）

这是一套以个人写作风格为核心的写作技能。它让 Agent 写出的文本具备你熟悉的口吻、节奏与偏好，适合那些已经习惯某种写作风格的作者使用。使用它后，Agent 会遵循一整套风格与自检体系，力求输出更贴近作者个人声音的长文。

它的核心能力包括：

• 完整的写作风格规则：节奏、叙事、判断、修辞等方面的全套规则
• 四层自检体系：结构、节奏、内容、文字
• 一套风格示例库：可直接对照，减少风格偏差

适用场景：

• 你已经有一个固定的公众号风格，想让 AI 写作落地到这个风格
• 需要把 PDF、音频转文字、新闻链接等转化成符合个人风格的长文
• 当你需要一个有立场的、具有明确界限的表达风格时，khazix-writer 可以帮助你避免不合适的表达

不适用场景：

• 你追求“通用好文笔”，而非特定风格的表达
• 需要完全中立、无风格偏向的文本

技能的可用性与拓展性：

• 风格规则、四层自检、示例库都可以被扩展和替换
• 支持 ClawHub、Tessl 以及其他 Skill 平台的对接
• 相关 SKILL.md 与 公众号讲解都在相应目录中，可参考

⚙ 通过 ClawHub 与 Tessl 的对接路径，可以更方便地在多平台间迁移与应用。相关链接在技能介绍页有标注，便于你快速跳转和学习。

🔭 Prompts

Prompts 是一段单独的提示词，复制粘贴到任意对话中即可使用，不需要安装。它们通常比技能更加轻量、可直接投入到日常对话中，帮助你快速获得结构化、规范化的输出。

在本仓库中，Prompts 与相应的把柄紧密结合，方便你在不使用完整 Skill 的情况下，也能快速完成 Deep Research 的任务。以下是一个核心的 PROMPT 入口：

• 横纵分析法（Prompt 版）：这是 hv-analysis 技能的轻量版，直接把 Prompt 复制到支持 Deep Research 的模型中即可跑出万字级研究报告。适合还没开始使用带 Skill 的 Agent 的场景，先体验方法论，再逐步过渡到更完整的技能体系。

Prompts 的设计目标在于：

• 快速上手、无需安装
• 与 Deep Research 模型的直接对接
• 提供系统性研究的方法论，便于在不同主题下重复使用

你可以在以下链接处获取具体的 Prompt 内容，并结合公众号讲解进一步学习： 横纵分析法（Prompt 版）→ 横纵分析法.md 公众号讲解 → 链接在原文中标注

🌟 关于

我是数字生命卡兹克，来自虚实传媒（Virxact）。以视觉传达设计出身，经历过用户研究和交互设计领域的工作，不是程序员，但对 AI 的应用充满热情。这些技能与 Prompts 都是我在日常工作中实际在用的工具，开源的初衷是希望更多人能够以更低成本、更高效地把 AI 融入到真实的工作场景中。

如果你觉得有用，欢迎给这份开源项目一个星标（⭐），也欢迎在 Issues/Discussions 中提出问题、给出改进建议。所有内容均遵循 MIT 许可，自由使用、修改、再分发，旨在促进 AI 技术的普及与落地。

MIT 许可下的使用说明链接在此：[MIT License]（./LICENSE）

Made by KKKKhazix

结语

这套技能与 Prompt 集合并不是一成不变的规范，而是一个持续演化的工作流。你可以将它们作为起点，结合你自己的实际需求，逐步扩展与替换。通过对文档、记忆与输出的统一管理，我们可以让 AI 的行为更加可控、输出更加可靠、协作更加高效。希望这份开源能成为你工作中的一部分，帮助你在 AI 的世界里走得更稳、走得更远。

附注与说明

• 以上内容均源自原始输入材料中的描述与结构，已重新组织成可直接使用的博客式文本。
• 为了避免表格形式的呈现，所有原本在表格中的信息均以段落、分点与小标题的形式呈现，便于在博客文章中阅读。
• 鼓励你结合个人风格进行再创作，将这三大技能进一步融入你自己的工作流中，形成专属的 AI 助手。

如果你愿意继续深入，我可以帮助你将每个技能的触发示例、输出示例、以及跨平台对接的具体步骤整理成独立的使用指南，方便你在团队中快速落地与传播。