khazix-skills 是数字生命卡兹克（KKKKhazix）开源的 3 个每天自用的 Agent Skill 加 1 个 Prompt——neat-freak 收尾时同步文档/CLAUDE.md/Agent 记忆三层、hv-analysis 用横纵分析法产出万字 PDF 研究报告、khazix-writer 用作者公众号风格写长文——遵循 agentskills.io 开放标准，可在 Claude Code、Codex、OpenCode、OpenClaw 上一句话直接装。
来源：README 介绍段、3 个 SKILL.md 的 frontmatter description 查看 GitHub 仓库 →2025 下半年起 Anthropic 推开 Claude Code 的 Skill 系统、agentskills.io 把 SKILL.md 抽成了跨厂商开放标准，一时间「我也想发个 skill」的人很多，但绝大多数仓库要么是技术 demo、要么是几十个泛 prompt 的拼盘。khazix-skills 走的是另一条路：作者本人是公众号「数字生命卡兹克」运营者、虚实传媒（Virxact）创始人，自承不是程序员，仓库里只放他每天真的在用、跑了一段时间确认省事的 3 个 skill 加 1 个 prompt——把策展密度做到了极致。每个 skill 都配公众号长文讲方法论与背景，再加上 ClawHub / Tessl 多个注册表收录与跨 Claude Code/Codex/OpenCode/OpenClaw 四端兼容，构成了「内容创作者品牌带动开源 skill 分发」这个新出现的传播路径上一个被广泛模仿的样本。
来源：README、3 个 SKILL.md frontmatter、各 skill 末尾 ClawHub/Tessl badge 与公众号链接用户输入 /neat、整理一下、同步一下、sync up 等触发词后，强制按「Agent 记忆系统 / 项目根 CLAUDE.md+AGENTS.md / 项目 docs+README」三层逐项盘点本次会话的事实变更并写回。SKILL.md 第 1 步要求强制 ls 枚举不能跳过，第 2 步用「变更影响矩阵」反推哪些层级要改（新增 API → CLAUDE.md 路由清单 + integration-guide + architecture）、并把跨项目改动作为最常翻车的场景单独提示。
来源：neat-freak/SKILL.md（160 行）+ references/agent-paths.md + references/sync-matrix.md把语言学历时-共时分析、社科纵向-横截面研究、商学院案例研究法、竞争战略分析揉成一个通用研究框架：纵向追溯研究对象从诞生到当下的完整故事线，横向把同期主要竞品逐一对比，最后两条轴交叉出独到判断。SKILL.md 显式指挥 3 个并行子 Agent（纵向史/横向竞品/补充上下文）、强制要求 arxiv 一手论文检索，最终用自带 scripts/md_to_pdf.py（基于 WeasyPrint）输出 1-3 万字排版精美的 PDF。
来源：hv-analysis/SKILL.md（323 行）+ references/schema.json + scripts/md_to_pdf.py装上后让 Agent 用「数字生命卡兹克」的口吻写长文：不是「让 AI 替你思考」而是把 AI 定位成「素材+佐证+类比+扩写」的工具。明确禁词清单（赋能/抓手/闭环/首先...其次/在当今 AI 快速发展的时代/说白了/本质上/换句话说），HKR 三轴选题质检（Happy/Knowledge/Resonance），4 层自检（结构/节奏/内容/文字），并附风格示例库供 AI 直接对照。
来源：khazix-writer/SKILL.md（414 行）+ references/content_methodology.md + references/style_examples.md把上面 hv-analysis 的方法论压缩成一段 prompt，复制粘贴到任何支持 Deep Research 的对话——ChatGPT Deep Research / Gemini Deep Research / Grok Deep Search / Claude Research——半小时左右出一份万字研究报告。给还没用上 Skill 系统的用户提供同方法的零安装入口。
来源：prompts/横纵分析法.md + README Prompts 章节三个 SKILL.md 都遵循 frontmatter（name、description、可选 trigger）+ 正文 + references/* 这套开放结构，按 README 与每个 SKILL.md 顶部声明，可在 Claude Code、Codex、OpenCode、OpenClaw 四个 Agent 上原样安装。安装方式是一句自然语言指令：「帮我安装这个 skill：<repo URL>/<skill-name>」由 Agent 自己 clone 到对应目录。
来源：README 安装方式段、agentskills.io badge、各 SKILL.md 顶部声明neat-freak 把跨平台 Agent 记忆路径（Claude Code / Codex / OpenCode / OpenClaw 不同存储位置）写到 references/agent-paths.md、把变更影响映射表写到 references/sync-matrix.md；hv-analysis 把 PDF 报告 schema 写到 references/schema.json；khazix-writer 把方法论与风格示例独立成 content_methodology.md / style_examples.md。SKILL.md 主体保持紧凑，详表按需 Read。
来源：tree.txt 的 references 目录结构neat-freak 同时挂在 ClawHub v1.0.1 和 Tessl 0.1.1，hv-analysis 在 ClawHub v1.0.0 与 Tessl published，khazix-writer 在 ClawHub v1.0.0 与 Tessl 0.1.1——除 GitHub 之外通过两个第三方 skill 注册表分发，便于 Agent 直接从 registry 拉取而不是 git clone。
来源：README 各 skill 段落底部的 badge 与跳转链接整个仓库没有传统意义上的代码工程，只有一个 Python 脚本（hv-analysis/scripts/md_to_pdf.py，基于 WeasyPrint 把 Markdown 渲染成 PDF），其余 22 个文件全是 Markdown 与一份 JSON schema。组织方式是「一 skill 一目录」：根下 4 个文件夹对应 3 个 skill 加 1 个 prompt 集合，每个 skill 目录里固定 SKILL.md（指令主体）+ references/（外置长尾资料）+ 可选 scripts/（PDF 渲染等）。SKILL.md 顶部的 frontmatter description 是 Agent 自己用来路由的，因此特意写成关键词密集型（中英双语触发词、否定式排除词），neat-freak 的 description 长达 13 行覆盖 sync up / 整理一下 / 收尾 / 这个阶段做完了等多种触发场景。hv-analysis SKILL.md 内嵌了「skill 调度子 Agent 并行搜索」的工作流——这意味着 skill 不只是 prompt 模板，还在显式编排 agent 行为。设计判断：作者把 SKILL.md 当成「prompt + 工作流 + 平台适配」三合一的契约文件，靠 references/* 解决 SKILL.md 单文件不能太长的实际约束。仓库唯一明显的设计不足在工程纪律层——没有 SKILL.md 是否符合 agentskills.io schema 的 CI 校验、跨平台 Agent 记忆路径变化没有版本化策略，作者更新一处 references/agent-paths.md 就能影响下游所有用户。
来源：tree.txt + 3 个 SKILL.md frontmatter + references/* 文件命名infra: 纯 GitHub 仓库，无构建产物、无 CI、无测试。安装路径走「自然语言指令告诉 Agent」或「ClawHub/Tessl registry 拉取」两条；用户侧仅在使用 hv-analysis 时需 pip 装一次 WeasyPrint。版本管理走人工 git tag + ClawHub/Tessl 各自的 registry 版本号（neat-freak ClawHub v1.0.1 vs Tessl 0.1.1，版本号不同步是当前实际状态） | key_deps: WeasyPrint + markdown — hv-analysis 把研究报告渲染为 PDF（pip install weasyprint markdown）, Claude Code / Codex / OpenCode / OpenClaw — 四个目标 Agent 平台, ClawHub + Tessl — 第三方 Skill 注册表, MIT License | language: Markdown 为主（SKILL.md + references/*.md），单个 Python 脚本 | framework: agentskills.io 开放 SKILL 标准（YAML frontmatter + Markdown 正文 + references/）
来源：hv-analysis/SKILL.md 前置准备段、各 SKILL.md badge、tree.txt1. 多人协作开发结束一个阶段时跑 /neat，让 Agent 把代码迭代过程中漂掉的 docs/、CLAUDE.md、自己的跨会话记忆三层重新拉齐，避免下个 Agent 基于过期上下文做决策；2. 写公众号 / 研究文章前用 hv-analysis 跑一次「横纵分析」，把陌生产品/公司/概念调研成一份排版精美的万字 PDF，用作素材库或写作前置准备；3. 自媒体作者或团队想让 AI 按某种确定的人格调性写长文（这里是「数字生命卡兹克」风格），用 khazix-writer 套上禁词清单和 4 层自检，避免 AI 套话；4. 还没用 Claude Code / Codex 等 skill-aware Agent 但又想体验横纵分析方法论的人，把 prompts/横纵分析法.md 直接粘进 ChatGPT Deep Research / Gemini Deep Research 等 Deep Research 模型对话框跑。
来源：README 各 skill 「适合 / 不适合」段GitHub Releases 暂无记录（API 返回空数组），作者通过仓内 git tag 与第三方 registry 各自的版本号管理：neat-freak 在 ClawHub v1.0.1 / Tessl 0.1.1，hv-analysis 在 ClawHub v1.0.0 / Tessl published，khazix-writer 在 ClawHub v1.0.0 / Tessl 0.1.1。两套 registry 版本号当前并未同步，按 README badge 推断 ClawHub 是主分发渠道。
来源：GitHub Releases API（空）+ README 各 skill 块底部的 badgekhazix-skills 不是一个「我把所有 prompt 都开源出来」的清单库，而是一个内容创作者把自己每天真用的 3 个 Agent Skill 加 1 个 Prompt 严格策展之后开源的样本——价值密度高于绝大多数同类仓库，方法论也跟着公众号长文讲透。务实建议：1) 先装 neat-freak 体验「会话收尾三层同步」，这是可迁移到任何项目的纪律性工具，最容易立刻见效；2) hv-analysis 安装前先在本地 pip install weasyprint markdown，并准备好接受半小时 + 一定 LLM 费用的等待，跑出来的是真正能当素材库用的万字报告；3) khazix-writer 装前先确认你是否认同「数字生命卡兹克」的公众号风格——它的禁词与节奏带强烈个人印记，目标读者不匹配时硬装反效果；4) 想体验方法论但没用 skill-aware Agent 的人，直接复制 prompts/横纵分析法.md 到 Deep Research 模型对话即可，零安装成本；5) 想自己仿照写一个 skill 的开发者，重点研究 references/* 外置长尾、SKILL.md frontmatter 关键词工程、SKILL.md 编排子 Agent 这三个具体设计，远比关心 skill 数量更值得借鉴。
来源：综合分析