卡兹克技能三合一教程：从原理到实战
卡兹克技能三合一教程：从原理到实战
本教程深入讲解 neat-freak、hv-analysis、khazix-writer 三个 Agent Skill 的设计哲学与使用方法。 由浅入深，帮你从"装了但不会用"到"融会贯通"。
引言：为什么是这三个 Skill
这三个 Skill 来自 KKKKhazix/khazix-skills，它们解决的是 AI 协作开发中三个最痛的痛点：
| 痛点 | 对应 Skill | 一句话概括 |
|---|---|---|
| 代码改了，文档没跟上，下个 Agent 基于错误前提干活 | neat-freak | 知识库的洁癖级审查 |
| 想深入研究一个东西，但不知道怎么系统性地拆解 | hv-analysis | 纵向追时间深度，横向追同期广度 |
| AI 写的文章一眼假，没有"活人感" | khazix-writer | 把卡兹克的真实文风教给 AI |
它们的设计哲学有一个共同的核心：不是让 AI 替你思考，而是让 AI 在正确的框架下跟你协作。
第一部分：neat-freak — 知识库的洁癖级审查
1.1 设计哲学
neat-freak 解决的问题本质上是知识腐化。
在 AI 协作开发中，代码可以随时重写，但文档和记忆是跨会话、跨 Agent 的唯一桥梁。如果 CLAUDE.md 里写着"使用 Redis 做缓存"，但代码早在两周前就切成了 Memcached，下一个 Agent 会基于"Redis"这个错误前提做决策，而且它不会告诉你——因为它以为 CLAUDE.md 是真的。
neat-freak 的设计灵感来自软件工程中的持续集成思想：代码有 CI 跑测试保证质量，文档和记忆也需要一个类似的"质检流水线"。
它的核心理念可以用一句话概括：
记录员只会往后追加，编辑会审查全局、合并重复、修正过期、删除废弃。
1.2 三层知识模型
neat-freak 最精妙的设计是区分了三类知识，各有各的受众和职责：
┌─────────────────────────────────────────────────┐
│ Agent 记忆系统 │ 受众：Agent 自己
│ （~/.claude/projects/<...>/memory/） │ 职责：跨会话的个人偏好、非显而易见的事实
├─────────────────────────────────────────────────┤
│ 项目根 CLAUDE.md / AGENTS.md │ 受众：下次会话的自己
│ （跟代码一起提交） │ 职责：项目约定、红线、环境变量
├─────────────────────────────────────────────────┤
│ 项目 docs/ + README.md │ 受众：其他人（人类同事、未来接手的 AI）
│ （面向外部） │ 职责：接入指南、架构图、运维手册
└─────────────────────────────────────────────────┘
关键洞察：CLAUDE.md 里写"新增了五个 API 路由" ≠ docs/integration-guide.md 里"下游怎么接这五个路由"。前者是提醒自己，后者是教别人。两份都要写。
1.3 五步执行流程
neat-freak 的执行流程是一个严格的流水线，每一步都不可跳过：
盘点现状 → 识别变更 → 实际修改 → 自检清单 → 变更摘要
（机械枚举） （变更矩阵） （用工具改） （逐项过） （给用户看）
第一步"盘点现状"是整个 skill 最容易翻车的地方——漏一个文件就等于没同步。所以它要求机械式枚举，先 ls 再判断，不能凭记忆跳过。
1.4 使用教程
入门：触发 neat-freak
neat-freak 的触发词很宽泛，以下是几种典型用法：
# 最直接的触发
"同步一下"
"整理文档"
"收尾"
# 阶段性触发
"这个阶段做完了，帮我同步一下"
"新人能直接上手吗？整理一下文档"
# 问题驱动触发
"我觉得 CLAUDE.md 里有些东西过时了"
"帮我更新一下记忆"
中级：理解变更影响矩阵
neat-freak 内置了一张"变更类型 → 要改哪些文件"的映射表。举几个常见场景：
场景 A：你刚加了一个新 API 路由
要改的文件：
├── CLAUDE.md → 路由清单里加一条
├── docs/integration-guide.md → API 速查表里加一行（curl 示例、参数、错误码）
├── docs/architecture.md → Routes 小节加一段（数据流、状态机）
└── docs/handoff.md → 已完成清单加一条
场景 B：你改了一个环境变量名
要改的文件：
├── CLAUDE.md → 环境变量表更新
├── docs/operator-runbook.md → 环境变量章节更新
└── docs/integration-guide.md → 如果下游需要配这个变量，也要更新
场景 C：跨项目改动（最容易漏）
如果这次改了项目 A 的 API 接口，而项目 B 依赖它，项目 B 的 docs 也要改。这是 neat-freak 最强调的检查点。
高级：自检清单的使用
neat-freak 的自检清单有 11 项，每一项都必须打勾。其中最容易被忽略的几项：
- 没有相对时间遗留：搜索"今天|昨天|最近|上周"全部清零，替换为绝对日期
- 记忆之间没有互相矛盾：两条记忆说同一件事但信息不同，要合并
- CLAUDE.md 里提到的路径/命令/工具在代码中真实存在：防止文档 drifted
- 跨项目影响已处理：下游项目的 docs 也跟着改了
实战示例
假设你刚完成了一个用户认证模块的重构，把 JWT 改成了 Session。对 Claude Code 说：
"用户认证从 JWT 改成 Session 了，同步一下"
neat-freak 会：
- 盘点所有相关文件（CLAUDE.md、auth 相关 docs、记忆文件）
- 发现 CLAUDE.md 里写着"使用 JWT 策略"
- 发现 docs/architecture.md 里画着 JWT 的认证流程
- 发现记忆里有一条"auth middleware 使用 JWT"
- 把这些都更新成 Session，并且检查有没有下游项目依赖 JWT 接口
- 最后给你一份变更摘要
第二部分：hv-analysis — 横纵分析法深度研究
2.1 设计哲学
hv-analysis 解决的问题是如何系统性地研究一个你不了解的东西。
它的理论根基来自三个学科：
| 理论来源 | 借鉴了什么 | 在 hv-analysis 中的体现 |
|---|---|---|
| 语言学（索绪尔） | 历时分析（Diachronic）vs 共时分析（Synchronic） | 纵轴 = 历时，横轴 = 共时 |
| 社会科学研究方法 | 纵向研究（Longitudinal）vs 横截面研究（Cross-sectional） | 时间维度 vs 截面对比 |
| 商学院案例研究法 | 单案例纵深分析 + 多案例横向对比 | 先深挖一个，再拉出对比 |
核心理念一句话：
纵向追时间深度，横向追同期广度，最终交汇出判断。
2.2 双轴模型
纵轴（时间深度）
│
起源 ───── 发展 ───── 现状
│
┌────────────┼────────────┐
│ │ │
竞品A 研究对象 竞品B ← 横轴（同期广度）
│ │ │
└────────────┼────────────┘
│
横纵交汇洞察
（历史如何塑造了当下的竞争位置）
纵轴讲一个完整的故事：这个东西是怎么来的，每一步为什么这么选，哪条路走上去就回不了头。
横轴在当下这个时间截面上，把研究对象和竞品拉到一起比：各自活成了什么样，用户选它的真实理由是什么。
交汇是最有价值的部分：今天的优势/劣势，能追溯到历史上的哪个决策？
2.3 使用教程
入门：最简单的用法
只需要告诉 hv-analysis 你想研究什么：
"帮我用横纵分析法研究 Cursor"
"研究一下 Claude Code"
"深度研究 MCP 协议"
它会自动判断类型（产品/公司/概念/人物），然后启动并行搜索。
中级：理解三种竞品场景
hv-analysis 的横向分析有一个很聪明的设计——它不假设一定有竞品，而是分三种场景：
场景 A：无直接竞品 如果研究对象是全新品类，跳过逐一对比，改为分析：
- 它为什么没有竞品？品类太新？壁垒太高？市场太小？
- 未来最可能从哪个方向冒出竞争者？
- 有没有间接替代方案可以参照？
场景 B：少量竞品（1-2个） 逐一深入对比，每个竞品展开详细分析。
场景 C：竞品充分（3个以上） 选 3-5 个最具代表性的重点对比，其余简要提及。每个竞品至少 1500 字独立分析。
高级：不同研究对象的适配
hv-analysis 会根据对象类型自动调整侧重点：
| 研究对象 | 纵轴重点 | 横轴重点 |
|---|---|---|
| 产品 | 版本迭代、技术路线演变、用户增长曲线 | 功能对比、性能对比、定价 |
| 公司 | 创始团队、融资历程、战略转向 | 商业模式差异、市场份额、营收 |
| 概念 | 谁提出的、基于什么理论、经历了哪些争论 | 与相近概念的区别、适用场景 |
| 人物 | 职业轨迹、关键决策、公开言论变化 | 与同领域人物的做事方式、风格、路线对比 |
高级：理解写作风格要求
hv-analysis 不只是收集信息，还要求最终产出一份可读性极强的报告。它借鉴了 khazix-writer 的一些核心元素，但做了研究场景的适配：
保留的：节奏感、叙事驱动、敢下判断、层层剥开的修辞、文化升维、回环呼应
克制的：口语化程度降低（研究报告不是公众号文章）、需要清晰章节结构、标点可以正常使用
绝对禁止的：套话（"首先其次最后"）、空洞形容词（"赋能""抓手"）、教科书开头（"在当今AI快速发展的时代"）
高级：最终产出 PDF
hv-analysis 自带一个 md_to_pdf.py 脚本，基于 WeasyPrint 生成排版精美的 PDF。使用方式：
# 先安装依赖
pip install weasyprint markdown --break-system-packages
# 转换
python ~/.claude/skills/hv-analysis/scripts/md_to_pdf.py \
报告.md \
报告.pdf \
--title "Cursor 横纵分析报告" \
--author "你的名字"脚本会自动生成封面、页眉页脚、中文排版。
实战示例
假设你想研究 Manus Agent，对 Claude Code 说：
"帮我用横纵分析法研究 Manus Agent"
hv-analysis 会：
- 启动 2-3 个子 Agent 并行搜索（纵向信息、横向竞品信息）
- 写出 6000-15000 字的纵向分析（从 Manus 诞生的背景到现在的每一步）
- 判断竞品场景（可能是场景 B，与 OpenAI Operator、Google Mariner 对比）
- 写出 3000-10000 字的横向分析
- 写出 1500-3000 字的横纵交汇洞察（Manus 的优势/劣势分别追溯到哪个历史决策）
- 用 md_to_pdf.py 转成 PDF 交付
全文 10000-30000 字，不要怕长。
第三部分：khazix-writer — 公众号长文写作
3.1 设计哲学
khazix-writer 解决的问题是AI 写的文章一眼假，没有"活人感"。
它的核心洞察是：AI 最大的价值不是生成内容，而是提供素材和启发。真正让文章立住的东西——第一手观察、核心创意角度、情绪的真实表达——这些 AI 做了会暴露，必须人来。
所以 khazix-writer 的定位不是"让 AI 替你写文章"，而是：
一个文风生成器 + 一个四层质检体系，帮你在正确的框架下跟 AI 协作写出有活人感的文章。
3.2 价值观底色
khazix-writer 的写作风格可以用一句话概括：
"有见识的普通人在认真聊一件打动他的事。"
四个核心价值观贯穿始终：
- 永远对世界保持好奇：面对新事物先问"我能用它来玩点什么有意思的？"，而不是"我会被取代吗？"
- 讲人话，像个活人：拥抱不完美，大胆使用"我觉得"
- 真诚是唯一的捷径：可以不写，但绝不骗人
- 有所为有所不为：动笔前先问，这个选题是我真的相信并想表达的吗？
3.3 五种文章原型
写之前先判断属于哪种原型，每种的写法重心不同：
┌──────────────────────────────────────────────────────────┐
│ 调查实验型 │
│ 核心："我替你去做了这件事" │
│ 代表作：买 9.9 的 DeepSeek、亲手给 AI 投毒 │
│ 重心：过程叙事 + 层层发现 + 每步都带真实反应 │
├──────────────────────────────────────────────────────────┤
│ 产品体验型 │
│ 核心："跟我一起玩" │
│ 代表作：miclaw 手机 Agent、Seedance 2.0 │
│ 重心：场景演示 + 真实感受 + 自然对比 │
├──────────────────────────────────────────────────────────┤
│ 现象解读型 │
│ 核心："你注意到了吗？背后是什么？" │
│ 代表作：三宫格图片刷屏、AI 看不到爱心 │
│ 重心：观察 → 好奇 → 研究 → 哲学升维 │
├──────────────────────────────────────────────────────────┤
│ 工具分享型 │
│ 核心："我发现了一个好东西" │
│ 代表作：天赋挖掘 Prompt │
│ 重心：个人故事铺垫 → 工具展示 → 效果惊艳 │
├──────────────────────────────────────────────────────────┤
│ 方法论分享型 │
│ 核心："我把压箱底的东西掏给你了" │
│ 代表作：用 AI 三年的 9 条心得 │
│ 重心：每节落行动 + 坦诚学习曲线 + 谦逊铺垫 │
└──────────────────────────────────────────────────────────┘
3.4 使用教程
入门：最简单的触发
给 khazix-writer 任何素材，它就能开始工作：
# 给一个主题
"帮我写一篇关于 Claude Code 的文章"
# 给一段素材
"这是我今天的体验记录（粘贴），帮我写成公众号文章"
# 给一个开头
"故事是这样的，我昨天在淘宝上搜了一下 DeepSeek。帮我接着写"
# 给一个链接
"这个链接里的内容帮我写成文章：https://..."
中级：理解 AI 的角色边界
khazix-writer 最独特的设计是明确划分了 AI 能做什么、不能做什么：
放心交给 AI 的：
- 找证据和佐证（历史类比、学术引用）
- 找类比和比喻（提供多个候选让你挑）
- 按确定的角度扩写（你定好框架，AI 来填充）
- 补充学科背景知识（格式塔心理学、荣格阴影理论）
- 梳理逻辑和结构建议
必须人来的：
- 第一手观察和真实经历（买 9.9 的 DeepSeek 这种事 AI 编不了）
- 核心创意角度（从"淘宝卖 DeepSeek"联想到"北京折叠"）
- 情绪的真实表达（"我当时就愣住了" vs "我当时很震撼"）
- 数据到人物的同理心转换（从"1000 个已付款"想象出一个具体的人）
理想的协作流程：
人：提供素材 + 核心观点 + 个人经历 + 情绪节点
↓
AI：补充背景知识 + 找证据类比 + 结构建议 + 按角度扩写
↓
人：二次改写（加入自己的声音、打破节奏、补充真实细节）
↓
AI：按四层自检体系检查 → 输出修改建议
↓
人：终审和定稿
中级：掌握绝对禁区
khazix-writer 有严格的禁区，这些是最容易暴露 AI 味的地方：
禁用词：
- "说白了" → 换成 "坦率的讲"
- "意味着什么" → 换成 "那结果会怎样呢"
- "本质上" → 换成 "说到底"
- "换句话说" → 换成 "你想想看"
- "不可否认" → 直接删掉
- "综上所述" → 换成具体的回扣句
禁用标点：
- 冒号"：" → 用逗号
- 破折号"——" → 用逗号或句号
- 双引号"" → 用「」或直接不加
禁用结构：
- 不用小标题（从头到尾一口气顺下来）
- 不大量加粗
- 不用 bullet point 罗列观点
高级：四层自检体系
写完后，khazix-writer 会自动跑一个四层质检流程，设计灵感来自软件工程的测试金字塔：
L4 活人感终审 ← 最主观，最重要："像真人在跟我聊还是 AI 在输出信息？"
↑
L3 内容质量检查 ← 观点有没有支撑？知识输出是否自然？有没有文化升维？
↑
L2 风格一致性检查 ← 开头对不对？节奏好不好？口语化够不够？标点二次确认
↑
L1 硬性规则检查 ← 禁用词、禁用标点、套话、空泛工具名，零容忍
每一层都有明确的通过标准：
- L1：四项扫描零命中（语法检查级别，不过就修）
- L2：开头全过 + 节奏 3/4 + 口语化 3/4 + 标点确认（单元测试级别）
- L3：观点支撑和知识输出必须全过 + 相关专项通过（集成测试级别）
- L4：整体感觉"像真人写的"（验收测试级别，最主观也最重要）
高级：核心风格技巧
1. 升番逻辑（逐一展示法）
当涉及多个产品/案例的对比时，不要一次性罗列结论，而是按 "还行 → 有点意思 → 卧槽" 的顺序逐一展示，每一轮都比上一轮更炸。
2. 人物画像法
从冰冷的数据出发，用 3-5 句话想象背后那个具体的人：
触发：1000 个已付款
代入：他可能是一个刚毕业的学生，在四五线城市
堆砌：白天被老板 PUA，晚上回到十几平米的出租屋
锚定：他觉得自己不能再被落下了
具象化：到处找，看到的是各种需要魔法上网的官网
3. 回环呼应（契诃夫之枪）
开头或中间埋的细节和钩子，结尾要 callback 回来。比如 "磨平一些信息差" 在多篇文章结尾出现。
4. 文化升维
每篇文章聊完具体的事之后，自然地连接到一个更大的文化/哲学参照物。不是硬凑的升华，是 "聊着聊着自然想到了"。
具体事件 文化参照
────────────────── ──────────────
9.9 元 DeepSeek → 北京折叠
AI 看不到爱心 → 格式塔心理学 → "我们活在流中，AI 活在帧中"
三宫格刷屏 → 十年前的加黑边照片 → "每个人都需要一个故事安放人生"
安装费乱象 → 1880 年代电力普及
天赋挖掘 Prompt → 荣格阴影 → 德尔菲神谕 "认识你自己"
实战示例
假设你最近体验了一个新的 AI 编程工具，想写一篇公众号文章：
"我最近用了 Cursor 的 agent 模式，让它帮我从零写一个 CLI 工具。
体验很震撼但也踩了坑。帮我用卡兹克风格写成公众号长文。
我的素材：
- 第一次用 agent 模式，它自己读文档、自己装依赖、自己跑测试
- 中间卡了两次，一次是权限问题，一次是 API 版本不兼容
- 最终产物是一个能用的 CLI，但我发现代码风格不是我最喜欢的
- 我的感受是：震撼大于失望，未来感很足
- 我想表达的观点是：agent 模式改变了编程的方式，但还没改变编程的本质"
khazix-writer 会判断这是"产品体验型"文章，按"跟我一起玩"的重心来写。它会：
- 用一个具体事件开头（不用宏大叙事）
- 逐一展示体验过程（按升番逻辑）
- 在踩坑的部分加入自嘲和真实反应
- 在结尾做文化升维（编程的本质是什么？）
- 跑完四层质检
- 交付 4000-8000 字的长文
第四部分：三个 Skill 的协作
4.1 典型的工作流
这三个 Skill 可以串联使用，覆盖从"研究"到"写作"到"同步"的完整链路：
hv-analysis khazix-writer neat-freak
│ │ │
↓ ↓ ↓
深度研究一个 把研究成果写成 研究完成后同步
产品/公司/概念 公众号长文 所有文档和记忆
示例流程：
- 用 hv-analysis 深度研究 Cursor
- 把研究结果交给 khazix-writer，写成一篇"Cursor 深度体验报告"公众号文章
- 用 neat-freak 把研究过程中积累的知识同步到记忆和文档
4.2 背后的统一哲学
三个 Skill 共享一个核心理念：框架代替天赋。
- hv-analysis 给了你一个研究框架（纵轴 + 横轴 + 交汇），不需要你是研究专家
- khazix-writer 给了你一个写作框架（五原型 + 四层质检），不需要你是写作高手
- neat-freak 给了你一个同步框架（三层知识 + 变更矩阵 + 自检清单），不需要你有洁癖
它们都不是让 AI 替你做决定，而是帮你在正确的结构下思考和行动。
附录：安装与验证
安装
三个 Skill 都安装在 ~/.claude/skills/ 下：
~/.claude/skills/
├── neat-freak/
│ ├── SKILL.md
│ └── references/
│ ├── sync-matrix.md # 变更影响矩阵
│ └── agent-paths.md # 各平台路径速查
├── hv-analysis/
│ ├── SKILL.md
│ ├── references/
│ │ └── schema.json # 分析框架的 JSON Schema
│ └── scripts/
│ └── md_to_pdf.py # Markdown 转 PDF 脚本
└── khazix-writer/
├── SKILL.md
└── references/
├── content_methodology.md # 选题方法论、爆款案例
└── style_examples.md # 风格示例、AI vs 人工对比
验证安装成功
在 Claude Code 中输入以下任意触发词，观察是否正确加载：
/neat-freak # 或说 "同步一下"
/hv-analysis # 或说 "帮我研究 Cursor"
/khazix-writer # 或说 "帮我写篇文章"
如果 Skill 被正确加载，你会看到对应的执行流程开始运行。