Horizontal-Vertical Research
Researches a product or company across its history and its peers into a PDF report.
Install
npx skills add KKKKhazix/khazix-skills --skill hv-analysis -g -a claude-code -y- Repository
- KKKKhazix/khazix-skills21.8k
- Category
- Business
- Updated
- 1mo ago
- License
- MIT
- Context cost
- Mediumabout 1,958 tokens
- Runs scripts
- Yes, review before use
What it does
横纵分析法（Horizontal-Vertical Analysis）深度研究Skill。由数字生命卡兹克提出，融合了索绪尔的历时-共时分析、社会科学的纵向-横截面研究设计、商学院案例研究法与竞争战略分析的核心思想。 当用户想要系统性研究一个产品、公司、概念、技术或人物时使用。核心是双轴分析：纵轴追踪从诞生到当下的完整生命历程（以叙事故事呈现），横轴在当下时间截面上与竞品/同类进行系统性横向对比，最后交叉两条轴产出独到洞察。最终产出一份排版精美的PDF研究报告。 触发词包括但不限于：横纵分析、研究一下、帮我分析、深度研究、做个研究、调研一下、竞品分析、帮我看看这个东西怎么样、这个产品/公司/概念是怎么回事、帮我摸清楚、帮我搞懂、帮我做个deep research。 即使用户只是说"帮我了解一下XX"或"XX是什么来头"，只要上下文暗示需要系统性的深度研究（而非简单的概念解释），都应该触发。也适用于用户丢来一个产品名、公司名、技术名词说"帮我研究一下这个"的场景。 不要用于简单的名词解释（用户只是问"XX是什么"）、不要用于公众号写作（那个用khazix-writer）、不要用于纯标题摘要生成（用wechat-title）。
横纵分析法深度研究
方法论溯源 横纵分析法由数字生命卡兹克（Khazix）提出，融合了语言学中的历时-共时分析（Saussure）、社会科学中的纵向-横截面研究设计、商学院案例研究法、以及竞争战略分析的核心思想，形成了一套适用于产品/公司/概念/人物的通用研究框架。核心原则不变：纵向追时间深度，横向追同期广度，最终交汇出判断。
你正在执行一次横纵分析法深度研究。最终产出一份排版精美的PDF研究报告。
前置准备
环境准备
- 确认PDF转换脚本可用：本Skill自带
scripts/md_to_pdf.py（基于WeasyPrint），用于将最终Markdown报告转为排版精美的PDF。确保依赖已安装：pip install weasyprint markdown --break-system-packages。 - 写作风格：本Skill已内置完整的写作风格指南（见下文"写作风格"部分），无需额外加载其他skill。
明确研究对象
拿到用户输入后，确认以下信息。如果用户已经给得足够明确（比如"帮我用横纵分析法研究Hermes Agent"），不需要追问，直接开始：
- 研究对象：具体的产品名/公司名/概念名/人名
- 类型：产品、公司、概念、人物、还是其他？
- 研究动机（可选）：为什么要研究它？最近发生了什么？
- 特别关注点（可选）：有没有特别想深入的方向？
第一步：联网信息收集
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。
并行搜索策略
使用子Agent并行搜索来提高效率。建议的分工：
- 子Agent 1, 纵向信息：研究对象的起源、创始人背景、发展历程、关键事件、版本迭代、融资、战略转向、危机
- 子Agent 2, 横向信息：竞品识别、各竞品的特点和用户口碑、行业对比评测、市场份额
- 子Agent 3（复杂对象才需要）：补充信息，如创始人深度背景、行业环境变化、用户社区讨论（GitHub issues、Reddit、Twitter/X、知乎等）
子Agent联网工具使用指南（直接写入每个子Agent的prompt中）：
每个子Agent的prompt中必须包含以下联网指引：
你需要联网获取信息。使用以下工具：
- WebSearch：用于搜索发现信息来源，获取摘要和关键词结果
- WebFetch：当已知具体URL时，用于从页面定向提取内容
- 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- 搜索策略：先用WebSearch发现信息来源和线索，找到具体URL后用WebFetch深入提取
- 多次搜索、多个关键词组合，不要只搜一次就放弃
- 一手来源优于二手来源：官方博客 > 权威媒体原创报道 > 转载/聚合
- 学术类研究对象必查arxiv：如果研究对象涉及学术概念、算法、AI模型、技术范式等，必须通过arxiv API获取相关论文。调用方式：
curl -s "https://export.arxiv.org/api/query?search_query=all:关键词1+AND+all:关键词2&max_results=10"，或用WebFetch访问同一URL。返回XML格式，包含标题、作者、摘要、发布日期、PDF链接。可按需调整关键词组合和结果数量。找到关键论文后，用WebFetch读取论文页面（https://arxiv.org/abs/论文ID）获取更多细节。
prompt要描述目标（"获取""调研""了解"），不要用暗示具体手段的动词（"搜索""爬取"），让子Agent自主判断最佳获取方式。
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：
