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。
Enjoying this project?
Discover more amazing open-source projects on TechLogHub. We curate the best developer tools and projects.
Repository:https://github.com/KKKKhazix/khazix-skills
GitHub - KKKKhazix/khazix-skills: Khazix Skills
Open-source AI skills and prompts for efficient workflow....
github - kkkkhazix/khazix-skills