文章目录一、为什么需要「Skills」光有 Prompts 不够二、Khazix Skills 总览一个聚焦「深度研究 写作」的工具箱三、从 Prompt 到 Skill为什么要遵循开放标准3.1 Prompt快速试错的「脚本」3.2 Skill可编排、可安装、可复用的「能力单元」四、横纵分析法如何把「深度研究」交给 Agent4.1 方法论历时 共时的双维度视角4.2 Prompt 形态通用深度研究脚本4.3 hv-analysis Skill自动化执行整套研究流程五、khazix-writer把长文写作变成一个可检视的工程5.1 写作风格规则让 Agent 说话更像「你」5.2 四层自检体系让文章自带「内审机制」5.3 内容方法论与示例库降低「写不出题目」的焦虑六、安装与集成把 Skills 接入你的 Agent 生态6.1 通过 Agent 内对话安装6.2 手动安装适合深度集成与二次开发七、给开发者的启发如何打造属于自己的 Skills 仓库7.1 把「一个人用得顺手」作为起点7.2 明确区分「Prompt 集合」和「Skill 集合」7.3 用开源方式迭代自己的方法论八、实战建议如何在你的日常工作中用好这套工具8.1 对于技术博客作者 / 内容创作者8.2 对于产品经理 / 创业者8.3 对于开发者 / 研究者九、结语从「会用 AI」到「设计 AI 的能力边界」面向读者有一定 AI 使用经验的开发者、研究者和内容创作者正在思考如何把自己的方法论固化为稳定、可复用的智能体能力。一、为什么需要「Skills」光有 Prompts 不够过去两年大多数人和大模型打交道的主方式都是「一段长 Prompt 若干补充对话」。这在试验阶段是足够的结构化的 Prompt 能让模型表现相对稳定复制粘贴即可复用学习成本低。但当你开始把 AI 当「生产力基础设施」来用会很快遇到三个问题可维护性差Prompt 越写越长版本越改越多分散在文档、聊天记录和各种工具里很难统一维护。可移植性差同一套方法论想在不同 Agent / 产品中用一遍往往只能靠「复制粘贴 手工微调」重复劳动严重。协作性差团队内部难以就「什么才是标准流程」达成共识更难做到新同事一上手就能按统一规范使用 AI 生产内容或做研究。Khazix Skills 做的事很简单把个人多年打磨的 AI 使用方法论沉淀成两种形态——轻量的 Prompts 和重量的 Skills并以开源方式发布让这些方法论可以被开发者和 AI 使用者「安装、复用、改造」。Prompts仍然是复制即用的文本但已经高度结构化适合任何支持 Deep Research 的模型直接调用。Skills遵循 Agent Skills 开放标准的结构化指令集可以被支持该标准的 Agent 自动加载成为这个 Agent 的「插件 / 能力模块」。这套设计本质是在回答一个问题「如何把经验升级为基础设施」。二、Khazix Skills 总览一个聚焦「深度研究 写作」的工具箱Khazix Skills 当前整体是一个「小而精」的工具集合Star 约 4.9k、Fork 超过 800使用者集中在中文开发者、研究者和内容创作者圈层。从结构上看核心目录非常干净prompts/hv-analysis/khazix-writer/LICENSEREADME.md其中真正面向用户的能力集中在三块横纵分析法 Promptprompts/定位通用深度研究框架。能力在有限时间内产出结构完整、观点清晰的长篇研究报告。用法复制 Prompt替换「研究对象」丢进任意支持 Deep Research 的模型。适用场景行业研究、公司分析、产品竞品分析、技术路线对比等。hv-analysis Skillhv-analysis/定位把「横纵分析法」封装成自动化 Skill。能力主动联网抓取信息沿时间维度做纵向分析历时沿竞争/对比维度做横向分析共时最终生成排版精美的 PDF 研究报告。本质上是把一套研究方法论 流程做成「一键跑完」的 Agent 工作流。khazix-writer Skillkhazix-writer/定位长文写作助手特别针对公众号长博客场景。能力内置写作风格规则四层自检体系结构、逻辑、表达、风格内容方法论与风格示例库。目标在保证个人风格统一的前提下把长文写作变成一个可分解、可检查、可放大的流程。这些能力统一包装在一个仓库里以 MIT 协议开源允许开发者自由使用、修改和集成到自己的产品中。三、从 Prompt 到 Skill为什么要遵循开放标准Khazix Skills 明确采用了 Agent Skills 开放标准这是理解整个项目技术路线的关键。3.1 Prompt快速试错的「脚本」特点以自然语言为主辅以结构化分段、标题、约束条件。面向的是人 模型的交互人读得懂模型也读得懂。优点容易改、容易试、容易复制。缺点对 Agent 不够友好难以直接解析为可编排的流程难以约束行为边界难以与工具调用、外部 API、记忆系统做深度集成。因此Prompt 更像是「脚本」适合个人或小团队快速实践但不适合作为「平台级能力模块」。3.2 Skill可编排、可安装、可复用的「能力单元」Agent Skills 标准的核心思想是把「一套复杂行为」抽象为一个封装良好的技能。这种封装通常包括但不限于结构化的指令集而不仅是长文本提示明确的输入 / 输出定义行为边界约束与外部资源搜索、数据库、文件系统等的交互方式在 Agent 容器中的生命周期与加载方式。对于 Agent 而言Skill 就像浏览器里的插件操作系统里的动态链接库或微服务架构中的独立服务。为什么要遵循统一标准可以在不同 Agent 容器之间复用同一 Skill如 Claude Code、OpenClaw、Codex 等。Skill 的描述方式更接近「配置 DSL」便于自动化生成和分析。为社区协作提供基础大家可以基于同一标准分享和组合技能而不局限于各自的 Prompt 片段。Khazix Skills 把这种标准落在了两个方向深度研究和写作生产形成了一个小而完整的工具链。四、横纵分析法如何把「深度研究」交给 Agent4.1 方法论历时 共时的双维度视角「横纵分析法」本身是一个研究框架核心是纵向历时沿时间线去理解一个对象的演化——关键阶段决策节点数据和事实如何变化横向共时在同一时间切片下放在竞争环境中去看——同类对象有哪些彼此的差异点、优势和短板所处环境的结构性因素很多优秀分析文章实际上都在同时做这两件事只是一般不会把这套方法论显式写出来。横纵分析法做的事就是把这种隐性的「研究习惯」结构化为一套可执行的 Prompt / Skill。4.2 Prompt 形态通用深度研究脚本在prompts/目录下横纵分析法以一个 Markdown Prompt 的形式存在。这份 Prompt 的用途非常明确把研究对象换成你关心的任何主题公司、行业、技术、产品、政策等投喂进任何支持 Deep Research 的模型包括联网能力、长上下文等得到一篇结构完整、覆盖面较广的长篇研究报告。对技术用户来说这个 Prompt 具备以下特点高度通用只要能被视作「对象 演化 竞争」基本都能套这套模板。结构清晰通常会拆成背景与问题纵向演化横向比较关键变量与趋势判断风险与不确定性结论与建议适合二次封装可以直接被整合进自己的 Agent 工作流中作为一个「研究阶段」。4.3 hv-analysis Skill自动化执行整套研究流程Prompt 能解决的是「让模型一次性输出一篇不错的报告」但在真实工作中研究过程往往包含更多环节信息抓取、筛选、校验、多轮迭代、格式化输出等。hv-analysis 就是为了解决这些问题被封装出来的 Skill。hv-analysis 做了几件关键事自动联网收集信息Skill 会指导 Agent 主动从网络收集相关信息而不是被动接受用户提供的材料。按横纵维度组织调研过程纵向构建时间线提取关键事件和数据节点横向筛选对比对象提取差异和共同点。这意味着研究过程本身是「结构化」的而不是一次性大杂烩。从中间产物到最终报告Skill 会引导 Agent 把调研过程逐步收敛为结论对每个阶段做小结对每个对比维度给出判断最终生成排版良好的 PDF 研究报告方便分享和归档。这种自动化研究的能力尤其适合投资研究团队做项目初筛产品团队做竞品分析独立开发者调研一个新技术栈学术工作者做前期文献和技术路线梳理在严肃引用前。五、khazix-writer把长文写作变成一个可检视的工程如果你常写技术博客、公众号长文会有一种典型体验开头写得很爽写到中间结构开始松散最后收尾不够有力整体风格也不稳定。khazix-writer Skill 面向的就是这种需求把「长文写作」拆成可视的规则和流程让 Agent 成为一个严格的写作合作者而不是简单的「续写工具」。5.1 写作风格规则让 Agent 说话更像「你」Skill 内置了一套写作风格规则用来约束输出的「声调」面向的读者是谁新手 / 专家 / 决策者整体语气偏严肃、轻松还是中性更偏「讲故事」还是「讲知识」是否要保留个人口头禅或特定句式段落长度、标题风格等。对于开发者而言这些风格规则可以看作一份「作者 persona 写作规范」配置文件可以根据自身品牌或媒体定位做定制。5.2 四层自检体系让文章自带「内审机制」Skill 设计了一个四层自检体系覆盖结构层文章是否有清晰的引言—主体—结论逻辑层级是否合理逻辑层论点是否有论据支撑是否存在明显漏洞或跳跃表达层语言是否简洁清晰是否存在歧义风格层整体语气是否统一是否符合预设读者预期在实际使用中可以把整个写作过程拆成如下步骤根据提纲生成初稿针对每一层进行单独审查与修改把修改建议再交给 Agent 执行循环迭代最后再统一做一次整体自检确认没有明显遗漏。这种模式非常适合团队场景写作流程不再只存在于「总编脑子里」而是被固化为可以执行和检查的 Skill。5.3 内容方法论与示例库降低「写不出题目」的焦虑khazix-writer 还包含一套内容方法论和风格示例库用于解决另一个常见难题不知道写什么、怎么写。方法论通常会涉及如何从日常工作中发现可以写的题目如何把一个「感受」拆解为「案例 观点 方法论」如何在一篇文章中自然插入数据、图表和引用如何控制篇幅和节奏让读者愿意读完。示例库则提供了若干具有代表性的文章片段帮助 Agent 更好地拟合目标风格。这一点对中文写作尤其重要同样的内容在不同语境技术博客 / 商业评论 / 个人随笔中的表达方式差异很大。六、安装与集成把 Skills 接入你的 Agent 生态为了让开发者快速上手Khazix Skills 提供了两条典型安装路径。6.1 通过 Agent 内对话安装如果你使用的是支持 Agent Skills 标准的容器例如 Claude Code、Codex、OpenClaw 等可以直接在对话中下达指令安装这个 skillhttps://github.com/KKKKhazix/khazix-skillsAgent 会自动完成拉取仓库解析其中的 Skills按标准加载到当前环境供后续调用。对于不想折腾配置文件的用户这是最简洁的方式。6.2 手动安装适合深度集成与二次开发若你希望做更多自定义手动安装更合适在 GitHub 仓库的Releases 页面下载对应 Skill 的.skill安装包将.skill文件复制或拖拽到对应工具的 Skills 目录下不同 Agent 工具的默认路径示例工具安装路径Claude Code~/.claude/skills/OpenClaw~/.openclaw/skills/Codex~/.agents/skills/手动安装的优势在于可以把.skill文件纳入自己的版本控制体系方便做团队内部私有化部署可以基于原始 Skill 做修改形成自己的定制版本。七、给开发者的启发如何打造属于自己的 Skills 仓库从技术和工程实践角度看Khazix Skills 有几个值得借鉴的设计决策7.1 把「一个人用得顺手」作为起点这个仓库没有追求「一上来就覆盖所有场景」而是从作者日常使用最频繁的两个高价值场景切入深度研究和长文写作。对你来说构建自己的 Skills 体系也可以这样开始回顾过去 3 个月你在哪两个场景中最依赖 AI哪些操作和步骤高度重复哪些地方你已经有一套隐性的「检查清单」或「成功经验」从这些地方出发用 Prompt 或.skill的形式把流程写出来比「瞄准所有场景」更实际。7.2 明确区分「Prompt 集合」和「Skill 集合」很多团队现在的做法是在一个知识库中同时存放各种 Prompt、操作指南、流程文档结果搜索效率低很难做到自动化调用。Khazix Skills 把两者清晰拆分Prompts面向人的调用Skills面向 Agent 的调用并有明确的安装 / 加载流程。你可以考虑建立一个 Git 仓库专门维护 Skills能力模块再维护一个知识库或文档仓库维护 Prompt实验性脚本两边可以互相引用但在概念上保持清晰边界。7.3 用开源方式迭代自己的方法论Khazix Skills 使用 MIT 协议允许自由使用与二次开发。这意味整个生态天然具备「演化」属性别人可以基于 hv-analysis 添加更多领域特定模板比如只针对区块链项目、只针对 AIGC 工具等可以在 khazix-writer 之上叠加个人风格规则变成自己的品牌写作助手可以组合多个 Skill做成一套更复杂的 Agent 工作流例如「先调 hv-analysis 做研究再调 khazix-writer 写长文输出」。对任何一个技术创作者来说这其实提供了一条路径不仅是写文章传播方法论而是以开源仓库的形式把方法论做成可安装、可迭代、可 fork 的工程资产。八、实战建议如何在你的日常工作中用好这套工具结合当前仓库提供的能力这里按角色给出几条可落地的使用建议。8.1 对于技术博客作者 / 内容创作者选题阶段用 hv-analysis 对一个技术话题或产品做快速深度调研产出结构化笔记或报告这些中间产物直接作为写作素材。写作阶段使用 khazix-writer根据调研结果生成初稿重点利用四层自检体系反复打磨结构和逻辑最终用自己的语气再做一遍人工润色形成「人 Agent」混合创作流程。8.2 对于产品经理 / 创业者项目立项前调 hv-analysis 对目标赛道、竞品和技术路线做全面梳理输出的 PDF 报告既是内部沟通材料也是后续持续更新的知识资产。对外沟通时利用 khazix-writer 形成一系列「行业观察」「产品复盘」文章既输出观点也积累品牌。8.3 对于开发者 / 研究者学新技术 / 框架用横纵分析法 Prompt对新技术做一次系统性梳理发展脉络、竞品框架、实际应用、社区生态等让学习过程从「零碎体验」变成「结构化认知」。写技术文档 / 论文初稿把实验过程和关键发现喂给 khazix-writer生成初版技术说明利用自检体系提升逻辑严密性再按目标会议或期刊要求做人工调整。九、结语从「会用 AI」到「设计 AI 的能力边界」Khazix Skills 展示了一条有意思的路径不是从「做一个万能 Agent」出发而是从几个高价值场景做极致打磨不是只停留在 Prompt 的层面而是拥抱了 Agent Skills 这样的开放标准把个人经验变成可移植的能力模块不只是面向终端用户也为开发者提供了一套可以复用的工程实践范式。如果你已经从「尝鲜 AI」走到了「依赖 AI 完成日常工作」的阶段那么下一步可以思考的问题是我是否也应该为自己的方法论建一个类似的 Skills 仓库从一两个最常用场景开始写清楚流程、约束和风格然后把它做成 Prompt 和 Skill。当越来越多的开发者这样做时AI 世界里真正有价值的资产可能不再是「模型本身」而是这些由个人和团队持续打磨的「技能集合」。Khazix Skills 是这样一组技能的一个优秀起点也是一份清晰的实践样本。