这仓库把 AI Agent 的「高频脏活」打包了：装上就能用，但别瞎上头

每天在 Agent 里干活，最烦的不是模型不聪明。

最烦的是流程重复：查资讯一套、写文一套、整理项目一套。

每次都从零讲需求，像让同事每天重新入职一次。

说难听点，这种重复劳动真的很狗东西。

先说结论：这是一个把「可复用工作方法」做成 Skills 的仓库，装到 Claude Code、Codex、OpenCode、OpenClaw 这类 Agent 里，可以直接通过自然语言调用。

它值得往下看，是因为它不只是“功能列表”，而是把几类高频动作做成了能落地的固定套路：

• 会话收尾同步（neat-freak）
• 深度研究拆解（hv-analysis）
• 长文写作风格固化（khazix-writer）
• AI 资讯一键检索（aihot）

放到真实工作里，这意味着什么？

意味着团队不用每次靠“临场发挥”，而是能把方法沉淀成可重复执行的资产。

真正有价值的，不是会不会，而是稳不稳

这个仓库在项目说明里明确了两类资产：

• Skills：可安装、可复用、遵循 Agent Skills 开放标准
• Prompts：可复制粘贴到常见对话模型的轻量版本

这套分层很实在。

有 Skill 系统的工具（Claude Code、Codex、OpenCode、OpenClaw）可以直接装；没有 Skill 系统的场景，也能先用 Prompt 版跑起来。

四个核心能力，分别解决哪种破事

1）neat-freak：给项目做“会话收尾卫生”

这个能力本质上是在任务结束后，把改动与知识做同步，覆盖三层：

• 项目规则文件（如 CLAUDE.md / AGENTS.md）
• 项目文档（docs / README）
• Agent 记忆

真实意义：避免代码改飞了、文档还活在上周。

就像家里换了门锁却没换钥匙说明，下一次进门必卡壳。

2）hv-analysis：研究任务不再“只看一面”

它的框架很清晰：

• 纵向：按时间线梳理对象演进
• 横向：和同期竞品/方案做对照
• 交叉：给出判断

项目说明里给出的产出形态是：万字级 PDF 研究报告（10,000–30,000 字）。

真实意义：做竞品和行业研究时，不会陷入“资料一堆、观点没有”。

3）khazix-writer：把写作风格工程化

它不是“帮你写字”这么浅。

它做的是把口吻、节奏、禁忌表达、检查机制打包进写作流程。

真实意义：账号内容风格更一致，减少“今天像人写，明天像模板机”的割裂感。

4）aihot：把 AI 资讯检索从手搓改成一句话

项目说明里给到的能力包括：

• 拉今天或指定日期日报
• 拉精选条目流
• 按分类拉条目（模型/产品/行业/论文/技巧）
• 按时间窗口拉最近 N 天
• 按关键词/公司/主题搜索

真实意义：做选题时先拿全局信息底盘，不用先折腾 API Key。

安装门槛高不高？几乎没有

项目原始安装命令如下：

帮我安装这个 skill：https://github.com/KKKKhazix/khazix-skills/tree/main/<skill-name>

把 <skill-name> 换成 neat-freak、hv-analysis、khazix-writer 这类目标目录即可。

示例对话：

你:
帮我安装这个 skill：https://github.com/KKKKhazix/khazix-skills/tree/main/aihot

AI:
收到，开始安装 aihot。
安装完成后会校验是否可调用，并返回触发示例。

你:
装好后跑一下今天 AI 日报

AI:
已安装完成。
现在执行“今天 AI 圈有什么新东西”。
返回：日报摘要 + 重点动态清单。

从“能用”到“真用起来”，建议按这个路径走

先区分两层：

• 项目原生能力：仓库里明确提供的 Skill 能力
• 组合工作流示例：把这些能力接进团队实际协作方式

flowchart TD
  subgraph 输入
    A1[日常信息流]
    A2[项目迭代变更]
    A3[专题研究需求]
  end

  subgraph Skills
    B1[aihot 资讯检索]
    B2[hv-analysis 纵横研究]
    B3[khazix-writer 长文写作]
    B4[neat-freak 收尾同步]
  end

  subgraph 输出
    C1[选题池]
    C2[研究报告]
    C3[可发版文章]
    C4[更新后的项目知识]
  end

  A1 --> B1 --> C1
  A3 --> B2 --> C2
  C1 --> B3 --> C3
  A2 --> B4 --> C4

组合工作流示例（作者补充的实际协作用法）

以 OpenClaw / Hermes Agent 协作为例，可按这个顺序：

1. 早上先用 aihot 拉当天 AI 动态，筛 2~3 个可写题
2. 对重点题用 hv-analysis 做纵横研究补全背景
3. 用 khazix-writer 出首稿，统一文风
4. 任务收尾跑 neat-freak，同步文档与记忆

对应使用片段示例：

# 资讯入口（自然语言触发）
今天 AI 圈有什么新东西

# 研究深化（自然语言任务）
用横纵分析法研究一下 <目标公司/产品/概念>

# 写作产出
基于上面的研究结果，按既定风格写成公众号长文

# 收尾同步
/neat

哪些点是真的香

• 把“知道怎么做”变成“下次还能复用”，这点很关键。
• Skill + Prompt 双轨，覆盖重度与轻度两类用户。
• 触发路径短，执行成本低，团队推广阻力小。

哪些人最适合直接上

• 做技术内容输出的个人作者
• 做 AI 资讯周报/日报的内容团队
• 频繁做竞品研究和行业分析的产品/战略岗位
• 已经在用 Agent 写代码、但文档常年失真的工程团队
• 想把“经验流”固化为“可继承流程”的小团队

上手前要知道的边界

• 这套仓库提供的是流程能力，不替代基础判断。
• hv-analysis 偏重深度研究，不适合所有轻量查询。
• khazix-writer 是有明确风格倾向的写作能力，不是“所有账号都通吃”。
• 多 Skill 串联时，最好先定义输入责任和收尾责任，避免流程互相覆盖。

一句话收住：真正值钱的不是炫功能，而是把重复劳动从“手搓”变成“可继承”。

#GitHub项目 #AIAgent #ClaudeCode #Codex #OpenClaw #HermesAgent #Skills工程化 #技术写作 #工作流自动化 #知识沉淀