khazix-skills：一个 AI Agent 技能集的开源实践

说起 AI Agent，大家通常会聊模型能力、上下文长度、工具调用架构。但真正把 Agent 用进日常工作流的人，注意力往往不在这些宏大叙事上——而在于"这个任务能不能交给 Agent 自动跑完，然后我直接看结果"。

Kharix-skills 就是在这个层面上打磨出来的一套工具集。作者是公众号「数字生命卡兹克」的运营者，视觉设计出身、不是程序员，但这套 Skills 目前在 GitHub 上已经拿到了 7,805 颗星，同时跑在 Claude Code、Codex、OpenCode、OpenClaw 多个平台上。

它的设计哲学很直接：不追求功能数量，只追求每天真的会被用到的东西。

项目概览

作者在 README 里说得很坦白：“没什么花活，就是几个挺实用的东西。“三个 Skill 加一个 Prompt，全都是自己在项目里跑通了一段时间、确实省事了，才搬出来开源的。

三个 Skill + 一个 Prompt

1. neat-freak（洁癖）—— 会话结束后的知识同步

“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。”

这是整个仓库里 Star 增长最快的 Skill，核心解决一个问题：代码迭代了七八轮，文档和 Agent 记忆还停在最初那版。

问题背景

在 AI 协作开发中，有一个很常见的恶性循环：

• 你让 Agent 新增了一个 API 路由
• Agent 在当前会话里知道这件事
• 下次新会话开始，Agent 的记忆里还是旧的路由列表
• CLAUDE.md 里也没更新
• 下一次开发，Agent 在错误信息的基础上做决策

不是模型变笨了，是文档和记忆腐化了。neat-freak 就是来处理这个的。

三层知识体系

这个 Skill 的核心洞察是：项目知识分三层，受众不同，职责不重叠，必须分别处理。

只动记忆不动文档的方案（比如 Claude Code 内置的 AutoDream）是不够的——下游同事拿到手的还是过期文档。neat-freak 把这三层都纳入了同步范围。

执行流程

neat-freak 的执行流程分为五步，每一步都有强制检查项：

1. 盘点现状：先做 ls 确认目录结构，枚举所有文档和记忆文件
2. 变更影响矩阵：判断这次会话改动会波及哪些层级的文档
3. 实际修改：用 Edit / Write 工具真正修改文件，不是描述"要改什么”
4. 自检清单：逐项勾选，包括路径是否存在、是否有相对时间遗留（“今天”、“最近”）
5. 变更摘要：输出精简的变更报告

触发方式很灵活：

/neat            # 直接命令
整理一下          # 中文自然语言
同步一下          # 中文自然语言
sync up          # English

适用场景

• 每次任务收尾、准备退出会话时
• 发现文档和代码对不上时
• 交接给同事或新 Agent 前
• 跨项目改动（上游改了，下游的 docs 也要对齐）

2. hv-analysis（横纵分析法）—— 万字 PDF 研究报告

“纵向追时间深度，横向追同期广度，最终交汇出判断。”

hv-analysis 是一个深度研究框架，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、以及商学院案例研究法的核心思想。

它的目标是：给你一份 10,000–30,000 字的 PDF 研究报告，内容覆盖研究对象的完整发展史和当前竞争格局。

方法论结构

纵向（Diachronic）：沿时间轴还原对象从诞生到当下的完整叙事。不只是年表，而是挖掘每个关键节点的决策逻辑——为什么选了 A 而非 B？当时的约束条件是什么？哪些早期决策"锁定"了后来的发展方向？

横向（Synchronic）：以当下为切面，把研究对象和同赛道竞品摆出来逐一对比。从核心差异、用户口碑、生态位、趋势判断四个维度展开。

横纵交汇：这是报告的精华段。把历史脉络和竞争格局结合，给出综合判断。核心回答：历史中的哪些决策决定了今天在横向对比中的位置？

并行搜索策略

信息收集阶段用子 Agent 并行处理：

• 子 Agent 1：纵向信息（起源、发展历程、关键事件、融资/团队变动）
• 子 Agent 2：横向信息（竞品识别、特点对比、市场份额）
• 子 Agent 3（复杂对象才需要）：补充信息（创始人深度背景、行业环境、用户社区讨论）

搜索优先级：一手来源 > 二手来源。官方博客 > 权威媒体原创报道 > 转载聚合。涉及学术概念时还要查 arXiv。

适合与不适合

适合：调研竞品、调研新概念、调研公司、写作前期的素材准备、系统性了解一个领域。

不适合：单纯查一个名词解释（杀鸡用牛刀）、写公众号文章（用 khazix-writer）。

写作风格

hv-analysis 内置了卡兹克的写作风格指南——不是冷冰冰的咨询报告，而是一篇让人能从头读到尾的深度叙事。节奏感、叙事驱动、知识"聊着聊着顺手掏出来”、敢于下判断但标注推测、层层剥开的修辞、回环呼应。

禁止套话：“首先…其次…最后”、“综上所述”、“不难发现”。

3. khazix-writer（卡兹克写作）—— Agent 文风迁移

“有见识的普通人在认真聊一件打动他的事。”

这是卡兹克公众号「数字生命卡兹克」的写作风格 Skill。装上之后，Agent 写出来的内容就是他的口吻、节奏、和立场。

Skill 的设计逻辑

khazix-writer 不是一个"好文笔模板"，而是一个有立场的文风生成器。它会：

• 拒绝写「赋能、抓手、闭环」
• 拒绝写「首先…其次…」
• 拒绝写「在当今 AI 快速发展的时代」
• 拒绝「说白了 / 本质上 / 换句话说」

如果你想要的读者就吃这一口，这个 Skill 不适合你。

AI 与人的边界

Skill 文档里花了不少篇幅讲 AI 和人的分工——哪些事 AI 擅长做，哪些必须人来：

AI 擅长做的：找证据和佐证、找类比比喻、按确定角度扩写、补充学科背景知识、梳理逻辑和结构建议。

必须人来的：第一手观察和真实经历、核心创意角度（“从 A 联想到 B"这种）、情绪的真实表达、数据到人物的同理心转换。

这个边界意识很清醒——Skill 是文风工具，不是创作替代品。

文章原型

卡兹克的文章基本可以归为五种原型，写作前先判断属于哪种：

1. 调查实验型：亲自下场做一件事，然后报道发现。核心是"我替你去做了这件事”。
2. 产品体验型：拿到产品实际使用，带着读者一起体验。核心是"跟我一起玩"。
3. 现象解读型：观察到一个现象，层层深入分析。核心是"你注意到了吗？背后是什么？"
4. 工具分享型：分享一个实用的工具/Prompt，用个人故事包裹。核心是"我发现了一个好东西"。
5. 方法论分享型：把长期积累的经验系统分享。核心是"我把压箱底的东西掏给你了"。

风格内核

节奏感：句子时长时短，大量用逗号制造口语化停顿。段落之间跳跃自然，经常一句话自成一段来制造重点。

句式断裂：用极短的句子或短语独立成段，制造停顿和重量感。“黑暗森林。““大时代啊，朋友们。”

回环呼应：前面埋的细节后面再次出现，读者会觉得这是一个完整的作品，不是信息堆砌。

人物画像法：从一个数据点出发，用 3-5 句话让一个人物变得立体，产生共鸣。

层层剥开的修辞：不直接讲结论，而是"现象→表面解释→更深的追问→核心洞察”。

4. 横纵分析法（Prompt 版）—— 轻量版即开即用

hv-analysis 的轻量版本——一段 Prompt，复制粘贴到任何支持 Deep Research 的模型里就能跑（ChatGPT Deep Research、Gemini Deep Research、Grok Deep Search、Claude Research 都行），不需要安装任何 Skill。

适合还没开始用 Claude Code / Codex 这类带 Skill 系统的 Agent，但又想体验这个方法论的人。半小时左右出一份万字级研究报告。

安装方式

在支持 Skill 的 Agent 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，比如 neat-freak、hv-analysis、khazix-writer。Agent 会自己 clone 到对应目录，不用操心路径。

Agent Skills 标准

这几个 Skill 都遵循 Agent Skills 开放标准，这意味着：

• SKILL.md 是标准化结构，跨平台通用
• 安装方式统一，不绑定特定供应商
• Claude Code、Codex、OpenCode、OpenClaw 都能直接加载

这也是 khazix-skills 能够跨平台工作的技术基础——不是为某一个 Agent 量身定制的，而是面向 Agent Skills 标准设计的。

总结

khazix-skills 的价值不在于功能数量，而在于每天真的被用这件事的真实性。

三个 Skill 各有明确的适用边界：

• neat-freak 解决的是"文档和记忆跟上了代码变化"这个看似基础、实际上很多人都在受苦的问题。
• hv-analysis 解决的是"想系统研究一个产品/公司但不知道从哪下手"的问题，方法论清晰，可执行。
• khazix-writer 是文风工具，解决的是"Agent 写出来的东西太 AI 味"的问题——它不是教你写好文章，而是把你的文风迁移给 Agent。

作者不是程序员，这个背景反而让这套 Skills 更接地气——没有炫技，只有每天真正跑在日常工作流里的实操。

仓库地址：KKKKhazix/khazix-skills