hv-analysis
Skill2 starsChanged 6 days agoMITView on GitHub
Use when the user wants quick but systematic research on a product / company / concept / person — a 30-60 minute framework with real-time sources, not a 10k-word deep report. Triggers: 研究一下, 调研一下, 竞品分析, 这个产品/公司/概念是怎么回事, 帮我了解, quick research, hv-analysis. Not for: simple definitions (just answer), full 10k-30k word deep reports with PDF (use KKKKhazix/hv-analysis original).
7 other projects use a version of this.
Adopted by
Most recently taken up by
- evanmaranzano/Skillstheir own version, first seen Nov 4, 2026
- KKKKhazix/khazix-skillstheir own version, first seen Nov 3, 2026
- sunnysxg/claude_skillstheir own version, first seen Oct 20, 2026
- KKKKhazix/Khazix-Skillstheir own version, first seen Oct 8, 2026
- LOSTTEMPER/agent-skilltheir own version, first seen Aug 6, 2026
- dqtx760/skills-managetheir own version, first seen May 27, 2026
Used with
Projects with it also use neat-freak, leader and 2 more.
Other files people use alongside this one.
Files found in the same public projects as a version of this one, more often than they turn up anywhere else. Each project counts once, large collections count for less, and this file's own repository is left out.
Wyx1105170322Skillneat-freak
End-of-session knowledge cleanup with OCD-level rigor — reconciles project docs (CLAUDE.md, README.md, docs/) and agent memory against the code so nothing rots. 会话结束后对项目文档和记忆进行洁癖级审查与同步。MUST trigger when the user says: "sync up", "tidy up docs", "update memory", "clean up docs", "/sync", "/neat", "同步一下", "整理文档", "整理一下", "更新记忆", "梳理一下", "收尾", "这个阶段做完了", "新人能直接上手", or any phrase suggesting a dev milestone where knowledge needs reconciliation. Also trigger when the user reports stale docs, conflicting memories, or wants a clean handoff to teammates or other agents. Bare "整理" / "tidy" with prior dev context counts — do not under-trigger. Cross-platform: works on Claude Code, OpenAI Codex, OpenCode, and OpenClaw.
Also in 5 projects that use this
baizhine999Skillleader
AI 扮演你的 Leader,用大厂管理思维审视你的方案、想法和工作,push 你成长。触发词:/leader, leader模式, 大厂模式, 帮我看看这个, 我有个方案, 我最近有点迷茫, 我不知道该怎么做。AI 是施压者,你是被 push 的那个人。
Also in 3 projects that use this
HK-hubSkillaihot
AI HOT (aihot.virxact.com) 中文 AI 资讯查询 Skill。当用户想知道"今天 AI 圈有什么"、"AI 日报"、"AI HOT"、"AI 资讯"、"AI 热点"、"最近 AI"、"OpenAI/Anthropic/Google 最近发布了什么"、"AI hot today"、"AI news today"、"看一下 AI 行业动态"、"今天有什么大模型发布"、"昨天 AI 圈"、"看下精选条目"、"AI HOT 精选"、"最近一周的 AI 论文"、"AI 模型发布"、"AI 产品发布"、"AI 行业动态"、"AI 技巧与观点" 等任何中文 AI 资讯查询时使用。即使用户只说"AI 圈"、"AI 新闻"、"AI 日报",或者只是问"今天发生了什么"且上下文是 AI / 大模型 / LLM / 创业领域,也应该触发本 Skill。Skill 会直接 curl 公开 REST API 拉数据并整理成中文 markdown 简报,不需要用户配置任何 API Key 或 MCP server。**不要 undertrigger**——用户问 AI 资讯而你不调本 Skill 就是把过时的训练数据当作今日新闻,对用户有害。
Also in 3 projects that use this
skytiger6724Skillkhazix-writer
数字生命卡兹克(Khazix)的公众号长文写作skill。当用户需要撰写公众号文章、写稿子、续写文章、根据素材产出长文时使用。触发词包括但不限于:写文章、写稿子、帮我写、续写、扩写、公众号文章、长文、出稿、按我的风格写。即使用户只是说"帮我把这个写成文章"或"用我的风格写一下",只要上下文涉及内容创作和公众号输出,都应该触发。也适用于用户丢过来一个PDF、brief、新闻链接、语音转文字或任何素材说"帮我写篇文章"的场景。不要用于短内容(小红书帖子、推特、朋友圈)或纯标题摘要生成(那个用wechat-title skill)。
Also in 3 projects that use this
Other versions7 projects use a version of this.
Word for word · 0
None found.
Edited · 0
None found.
Wrote their own version · 7
- KKKKhazix/Khazix-Skills★ 22ksame name
- KKKKhazix/khazix-skills★ 22ksame name
- dqtx760/skills-manage★ 2same name
- evanmaranzano/Skills★ 1same name
- LOSTTEMPER/agent-skill★ 0same name
- sunnysxg/claude_skills★ 0same name
- xiaolinVV/agents-skills★ 0same name
How matches are found. Word for word: the exact same text. Edited: shares passages with this file (“99% same” means 99% of its five-word phrases also appear here; 10% or more counts). Their own version: similar meaning, or, weakest, the same name. We can’t tell which project had it first. Projects are counted among the 200 most-starred candidates, and mentions are links to the repository we found, up to 50 per site, so both counts are a floor.
In this repository6 other files it gives its agents.
- chat-tidySkill
- minimal-paper-coverSkill
- natural-writingSkill
- palette-postcardSkill
- photo-travel-badgeSkill
- safe-scoutSkill
The file
Files
横纵分析法 · 轻量完整版
方法论借鉴自 数字生命卡兹克 的横纵分析法(历时-共时双轴分析)。原版产出 1-3 万字 + PDF 的重型深度报告;本 skill 是轻量完整版:30-60 分钟、2000-8000 字、结构化 Markdown 交付。小,但是完整闭环——搜索、分析、写作、自检、交付一个不少。需要重型报告时用原版。
纵轴追时间深度,横轴追同期广度,两轴交汇出判断。
流程总览
定对象 → 实时信息收集(命脉) → 纵轴 → 横轴 → 交汇 → 交付 + 质检
第 0 步:定对象
确认研究对象 + 类型。类型决定侧重:
- 产品:纵看版本迭代/技术路线/用户增长;横看功能/性能/体验/定价
- 公司:纵看创始团队/融资/战略转向;横看商业模式/份额/组织
- 概念:纵看起源(谁提出/基于什么理论)/流行与争论;横看相近概念区别/各自适用场景
- 人物:纵看经历/关键决策/成长曲线;横看同领域人物的路线与风格差异
用户已给明确对象就不追问,直接开始。
第 1 步:实时信息收集(命脉)
研究质量八成由这一步决定。必须实时搜索,禁止仅凭模型记忆硬写。
两路搜索清单
纵路(历史线):对象名 + 创始人/发起者、对象名 + 发布/成立/提出、对象名 + 版本历史/changelog、对象名 + 融资/转折/争议
横路(竞争线):对象名 + alternatives/竞品/对比/vs、对象名 + 用户评价/口碑/吐槽、赛道名 + 格局/市场
每路至少 2 组关键词、默认 2-3 轮;第一轮发现的线索(人名、版本名、事件名)进第二轮关键词。达到充分性自检即停止,不为凑轮数继续搜索。
工具适配
- WebSearch 发现来源与线索;WebFetch 已知 URL 定向深读
- 学术型对象必查 arXiv:
curl -s "https://export.arxiv.org/api/query?search_query=all:关键词&max_results=10" - 开源项目型对象优先结构化元数据:gh/GitHub API 查 stars、pushed_at、license、releases——比读 README 更可靠、更抗噪音
来源与时效硬规则
- 一手优先:官方博客/Release Notes/创始人发言 > 权威媒体原创 > 转载聚合;多源引用同一错误=循环印证假象
- 时效硬规则:关键事实优先采用近 12 个月来源;引用必标日期;超 12 个月的旧信息谨慎使用并标注"较早来源"
- 事实、推断、观点分开写;冲突信息并列呈现
充分性自检与搜索结束条件
- 纵:能讲出一个有因果的完整故事吗?有无明显信息断层?
- 横:主要玩家漏了吗?每个对比对象的信息够吗?
- 源:关键事实有可靠来源吗?有没有单源就下判断的?
先判断缺口是否影响核心问题。影响核心结论的缺口应定向补搜;完成规定搜索并追查关键线索后,仍不可获得的信息标为“暂缺”或“无法核实”,说明它限制了哪些判断,然后完成其余分析与交付。不得为了通过检查编造事实或强行补齐因果故事。工具不可用时,尝试可用的等效检索方式;仍受阻则说明未完成的研究项,不把未检索的内容标为已核实。
第 2 步:纵轴(800-2000 字)
三要素,一次问透:
- 起源:什么背景和需求下诞生,关键推动者是谁,为什么是他们
- 转折:重要转折、成功、失败,按因果讲,不按年份罗列
- 路径依赖:哪些早期选择变成今天的能力或包袱,如何约束未来选择
叙事体,不是年表流水账:有起承转合,"为什么在这个时间点爆发"要讲出铺垫和转折。
第 3 步:横轴(800-2500 字)
先判竞品场景:
- A 无直接竞品:为什么没有(品类太新/壁垒太高/市场太小)?最可能从哪冒出竞争者?
- B 少量(1-2):逐一深入对比
- C 充分(3+):选最具代表性的 3 个,其余一笔带过
对比至少覆盖:统一维度下的强项/短板/独特性;用户选它的真实理由与放弃理由(引用真实用户声音,不照官方宣传);生态位(填补空白还是正面竞争)。
第 4 步:交汇判断(300-800 字)
不写前文缩写版,产出新判断:
- 历史如何塑造了当下的竞争位置(路径依赖→ present 约束)
- 今天的核心优势/劣势,各能追溯到哪个历史节点
- 未来路径 1-3 条(视情况,不凑数),每条给前提和预警信号
风格红线(3 条)
- 叙事驱动不罗列;用具体细节和数字代替空泛概括(不写"快速增长",写"从 X 到 Y")
- 敢下判断,但先摆事实再给判断;推测明确标"我的判断/推测"
- 搜不到写"暂缺",绝不编造;AI 味套话禁用("首先...其次"、"综上所述"、"赋能"、"在当今 AI 时代")
交付格式
结构化 Markdown,保存到用户工作目录,命名 [对象]_横纵分析.md:
> 研究对象:XX | 类型:XX | 调研日期:YYYY-MM-DD
## 一句话结论
## 关键时间线(表格:时间 | 事件 | 意义)
## 纵向分析:起源、转折与路径依赖
## 横向对比(表格:维度 | 对象 | 竞品1 | 竞品2)
## 交汇判断
## 仍待确认的问题
## 信息来源(URL + 访问日期,一手来源标 ★)时间线辅助定位事件,不替代纵向分析正文。总篇幅以 2000-8000 字为参考,各部分篇幅随资料量调整,不为达到字数下限重复内容。无法写入文件时,将完整报告直接输出在对话中,不视为未完成。
质检自检(交付前逐项检查)
必须检查并如实处理每项;按上述搜索结束条件确认无法获得的信息,可以用“暂缺且已说明影响”记录检查结果,不能视作已核实。完成可执行的研究与交付,并明确仍受阻的部分。
- 信息是实时搜的,不是凭记忆?关键事实标了来源和日期?
- 纵轴是叙事故事,不是年表?
- 横轴用户视角引用了真实声音,不是官方宣传复读?
- 交汇产出了新判断,不是前文缩写?
- 搜不到的诚实标了"暂缺"?
- 一句话结论在第一屏?
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.

