1实现原理 · 为什么它能做到
方法论是「双轴」：纵轴按时间还原对象从诞生到当下的完整历程，横轴在当下时间截面做竞品对比，最后交叉两轴产出新判断——三部分各有硬性字数区间，逼出深度而非摘要。
hv-analysis/SKILL.md
## 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。
注：篇幅表把三段钉死：纵向 6,000-15,000 字、横向 3,000-10,000 字、交汇 1,500-3,000 字，全文 10,000-30,000 字，这是「不许蜻蜓点水」的量化手段。
质量前置条件被写成硬要求：资料不足就不许动笔，信息收集阶段宁可多搜。
hv-analysis/SKILL.md
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。
把联网动作具体化到工具与端点：主 agent 派子 agent 并行搜，并在每个子 agent 的 prompt 里塞入 WebSearch/WebFetch 使用指引与「学术对象必查 arxiv」的 curl 调用示例。
hv-analysis/SKILL.md
**WebSearch**：用于搜索发现信息来源，获取摘要和关键词结果
注：同一段还给出可复制的 arxiv API 调用与「先用 WebSearch 发现线索，再用 WebFetch 深挖」的两段式策略，并建议 prompt 里写目标（「获取」「调研」）而不写手段（「搜索」「爬取」）。
可选增强：若用户环境里装了 web-access skill（含浏览器 CDP 能力），则优先加载它。
hv-analysis/SKILL.md
如果用户环境中安装了 web-access skill（检查路径 `/mnt/.claude/skills/web-access/SKILL.md` 是否存在），优先加载它并遵循其指引，它提供更强的浏览器CDP能力
注：这里在做什么：通过探测一个固定本地路径来决定是否具备更强的抓取能力；未安装则退回 WebSearch/WebFetch。
信息源分级制度写进正文：一手来源优先于二手（官方博客/Release Notes/创始人推文 > 权威媒体原创 > 转载聚合），并给出各信息类型对应的一手来源表。
hv-analysis/SKILL.md
### 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 |
PDF 产出走自带脚本：SKILL.md 给出安装依赖（pip install weasyprint markdown）与调用命令，脚本内含整套 CSS 排版（A4、封面页、四级标题配色、页眉页脚、表格斑马纹）。
hv-analysis/SKILL.md
python [skill目录]/scripts/md_to_pdf.py input.md output.pdf --title "研究对象名称" --author "数字生命卡兹克"
注：正文「脚本内置的排版规范」逐条列出页面/封面/配色/字体/正文/引用块/表格/页眉页脚规格；md_to_pdf.py 里对应 @page 与 CSS_TEMPLATE。
写作风格与「绝对禁区」分开写：既要卡兹克的可读性（节奏、叙事弧、层层剥开、回环呼应），又要研究报告的结构导航，并列出必须避免的 AI 味套话与编造场景。
hv-analysis/SKILL.md
### 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
注：同一节还明确「标点禁令可以放松」「不要加公众号三连尾部」——把公众号文风与研究报告体裁决清楚。
交付前有 14 条质检清单（叙事体、决策逻辑、竞品场景判定、引用真实用户声音、三剧本有支撑、来源标注、字数区间等）。
hv-analysis/SKILL.md
## 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？ - [ ] PDF排版美观、结构清晰、可读性好？ - [ ] 总字数在 10,000-30,000 字的范围内？
2核心能力
01纵向生命历程叙事（起源/诞生节点/演进/决策逻辑/阶段划分）
02横向竞争对比（先判无竞品/少竞品/竞品充分三种场景，再按差异维度展开）
03横纵交汇洞察 + 三剧本未来推演（最可能/最危险/最乐观）
04并行子 agent 联网调研（纵/横/补充三条线，prompt 内嵌工具指引）
05学术对象必查 arxiv：给出可直接执行的 API 调用与论文页精读路径
06按对象类型（产品/公司/概念/人物）切换纵横向侧重点
07Markdown 报告 → 排版精美 PDF（自带 WeasyPrint 脚本 + 内置 CSS）
08结构化研究数据契约：references/schema.json 给出纵轴/横轴/交汇的可机器读字段骨架
3外部依赖
| 类型 | 依赖 |
|---|---|
| network | arXiv API（学术类研究对象必查） |
| network | arXiv 论文页（精读） |
| cli | curl |
| package | WeasyPrint + markdown（Python 包，PDF 渲染） |
| api | 宿主联网工具 WebSearch / WebFetch（未点名具体搜索后端） |
4风险提醒 风险提醒：黄色 · 留意使用
风险提醒：黄色 · 留意使用
- 研究成果质量强依赖抓取到的资料 — 方法论要求「必须联网搜索」，若宿主无检索能力或搜索质量差，报告会退化为模型记忆复述——而 SKILL.md 的防伪仅靠「来源分级 + 不编造」的纪律，无技术校验。
- 抓取内容的注入面未做降级声明 — 子 agent 抓回的网页/论文进入上下文并被当素材使用；SKILL.md 未像 aihot 那样声明「外部内容是不可信数据」，仅要求引用标注。遇到含指令的页面时，防护取决于宿主与模型。
- 依赖安装命令绕过系统包保护 — `pip install weasyprint markdown --break-system-packages` 会写入系统 Python 环境；在受管环境/开发机上建议改用 venv 或 uv 安装，避免污染。
- 长文产出成本高 — 10,000-30,000 字 + 并行子 agent 联网，单次研究耗时与 token 消耗都很大；SKILL.md 也要求子 agent「多次搜索、多个关键词组合，不要只搜一次就放弃」。
- PDF 中文字体依赖 fallback 链 — CSS 字体链为 "Droid Sans Fallback", Helvetica, Arial；缺少中文字体的机器上可能渲染成方框，SKILL.md 未提供字体安装指引。
- 可选加载外部 skill 扩展能力 — 若 /mnt/.claude/skills/web-access/SKILL.md 存在，SKILL.md 指示优先加载它（含浏览器 CDP），该能力带来的权限由那个 skill 与宿主决定，不在本 skill 目录内。
风险提醒：黄色，留意使用。判级对象为本 skill 目录（SKILL.md + scripts/md_to_pdf.py + references/schema.json）。运行时动作＝固定公开端点的查询与抓取：SKILL.md 点名 arxiv API（export.arxiv.org，给出可复制的 curl 原文）与 arxiv.org/abs 论文页，其余检索经宿主 WebSearch/WebFetch，外发对象可预期；无凭证/私有 token/cookie 读取，也不把用户素材送去外部生成后端（报告由本地脚本渲染），故不上抬 orange。附加注意（不改档）：① 自带脚本的依赖安装命令带 `--break-system-packages`，会绕过系统 Python 的包管理保护；② 报告素材来自抓取，注入面存在但 SKILL.md 未做「不可信内容」降级声明（已写入 security.injection_surface）。
5第二遍独立确认
- [ok] arxiv API 调用点真实存在 — SKILL.md 子 agent 指引段给出 `curl -s "https://export.arxiv.org/api/query?search_query=all:关键词1+AND+all:关键词2&max_results=10"`，并说明返回 XML（标题/作者/摘要/日期/PDF 链接），调用点真实。
- [ok] md_to_pdf.py 无网络/无子进程 — 脚本 import 仅 sys/os/re/argparse/markdown；无 requests/urllib/socket/subprocess；行为＝读 md、写 html、WeasyPrint 输出 pdf。
- [ok] CSS 与正文所述排版规范对应 — CSS_TEMPLATE 含 @page A4 margin 25mm/20mm、「第 X 页」@bottom-center、@page :first 隐藏页眉页脚等，与 SKILL.md「脚本内置的排版规范」一致。
- [ok] 第三方依赖与安装命令 — SKILL.md 两处写 `pip install weasyprint markdown --break-system-packages`（环境准备与生成 PDF 步骤各一次），已标为 yellow 的附加风险点。
- [ok] web-access skill 路径探测 — 原文为「如果用户环境中安装了 web-access skill（检查路径 `/mnt/.claude/skills/web-access/SKILL.md` 是否存在），优先加载它并遵循其指引」——是本地路径存在性判断，不产生网络请求。
- [ok] 字数指标一致性 — 纵向 6,000-15,000 + 横向 3,000-10,000 + 交汇 1,500-3,000 与「全文总计 10,000-30,000 字」及质检清单末条吻合。
- [ok] 来源分级与防循环印证 — 「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」+ 五行信息类型/一手来源表逐字核对通过。
- [ok] 无凭证读取 — API_KEY/token/secret/keychain 零命中；全文不涉及登录态或私有 API。
6结论
适合：适合要系统性摸清一个产品/公司/概念/人物来龙去脉、并愿意等长文与 PDF 产出的场景；也适合需要竞品横向对比 + 历史纵向溯源并希望拿到成排版报告的人。对研究者本人来说，它的子 agent 分工与来源分级表可以直接当调研 SOP 复用。
不适合：不适合只想要「XX 是什么」的名词解释（description 明确排除）；不适合公众号发稿（应用 khazix-writer）或纯标题/摘要生成；不适合无法联网或不允许外部检索的环境（方法论硬性要求联网）；不适合对 token/时间成本敏感、或不能安装 WeasyPrint 的环境（PDF 环节会失败）。
安装 agent 直装可复制
① 本站镜像 更新 2026-09-15
方式 A · 人下载镜像包下载 hv-analysis.tar.gz
sha256:
方式 B · JSON 格式安装指南，复制给 agent9659c7f314c71b58…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② 上游 GitHub · 原始来源
来源信息 GitHub 原始
作者 / 仓库KKKKhazix / KKKKhazix/khazix-skills
原始 GitHubKKKKhazix/khazix-skills ↗
Stars20687
最近推送2026-09-13
本 skill commit
48e8ba527f许可MIT（仓库根 LICENSE，Copyright (c) 2026 数字生命卡兹克）
本站信息
收录日期2026-09-06
分类文档与知识
侦查报告AI 侦查 · 2 遍 · 2026-09-06
本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。