hv-analysis skill | PlugMCP
Skip to content Plug any tool into any agent. MCP servers for people who do not write servers. Gateway for volume, n8n for apps.
Product
Directory
Developers
Company
Publisher
Stars 22k
Agents 3
Categories 1
How do I install hv-analysis? Download hv-analysis/SKILL.md from the publisher, or copy the path and open the repository. PlugMCP lists the skill and does not host the file.
Where does hv-analysis live? The publisher keeps it at https://github.com/KKKKhazix/khazix-skills.
Which agents can use hv-analysis? Claude, Cursor, Codex, and Grok Build can read a SKILL.md you add from the publisher's repository. Grok Bot installs it when you send the skill's GitHub folder link in a chat.
SKILL.md
name hv-analysis
description 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。默认产出 PDF 和 Markdown，用户可指定 HTML 或 Markdown。 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（按用户的标题需求直接处理）。 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。按用户指定的格式交付，默认 PDF 和 Markdown 源稿。
前置准备
先确定输出格式、篇幅和研究重点；用户指定的 1500 字、HTML 等要求优先于以下完整长报告参考。
环境准备
确认安装完整 ：需要本目录的 scripts/md_to_pdf.py 和 references/，第三方市场可能只分发提示词；缺文件时从官方仓库安装完整目录，不能假装 PDF 已生成。优先使用已有 Python 环境；需要安装依赖时，在用户缓存目录创建或复用 venv（macOS/Linux：~/.cache/khazix-skills/hv-analysis；Windows：LocalApplicationData 下的 khazix-skills/hv-analysis），使用该环境的 Python，项目目录只保存稿件和报告。按输出格式检查依赖 ：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。HTML 只需 markdown；PDF 才需要 weasyprint 和系统 Pango。安装说明见 https://doc.courtbouillon.org/weasyprint/stable/first_steps.html#installation，不使用 --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）
使用当前宿主实际提供的搜索和网页读取工具，不依赖某个模型或固定工具名。支持并行任务时可按上面的分工研究；不支持则顺序完成。搜索不可用时先尝试已知官方页面；仍无法取证就交付已有证据与缺口，不能用模型记忆冒充实时搜索结果。
azure-aigateway Configure Azure API Management as an AI Gateway for AI models, MCP tools, and agents. WHEN: semantic caching, token limit, content safety, load balancing, AI model governance, MCP rate limiting, jailb supabase Use when doing ANY task involving Supabase. Triggers: Supabase products (Database, Auth, Edge Functions, Realtime, Storage, Vectors, Cron, Queues); client libraries and SSR integrations (supabase-js, rea Reverse engineer anything with agents, from app behavior down to native binaries.
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：
采集时为关键事实记录 URL、事件发生时间和页面发布时间/更新时间，不能混为一谈。优先直接的一手证据；无一手证据时比较互不转载的独立来源。只有单一二手来源时标「单一来源」；各方主张冲突时标「有分歧」并对称归属；缺证据标「暂缺」，不补造。预测和推断明确标注。价格、规模、现状优先当前有效来源，旧资料用于历史叙事。
信息充分性自检
纵向：能讲出一个完整的故事吗？有没有明显的信息断层？
横向：竞品列表完整吗？有没有遗漏主要玩家？每个竞品的信息够做对比吗？
来源：关键事实有可靠来源支撑吗？有没有只靠单一来源就下判断的？
第二步：纵向分析（Diachronic / Longitudinal） 沿时间轴，完整还原研究对象从诞生到现在的发展全貌。这是报告的主体部分，篇幅应该最重。
内容要求 起源追溯 ：它诞生的背景是什么？基于什么技术/理念/需求而来？创始团队或核心推动者是谁？这些人之前做过什么，为什么是他们来做这件事？当时的行业环境是什么样的？有没有某个关键事件或灵感直接促成了它的诞生？
诞生节点 ：明确的首次发布/成立/提出时间，最初的形态和定位，跟现在有什么不同。
演进历程 ：从诞生到现在，按时间顺序梳理所有关键节点。包括但不限于：重大版本更新、融资事件、团队变动、战略转型、技术架构变化、用户规模里程碑、重大合作或收购、公关危机或争议事件。
决策逻辑 ：在每个关键节点上，尽可能还原决策背后的原因。为什么选了A而不是B？当时面对的约束条件是什么？哪些早期决策"锁定"了后来的发展方向、难以逆转？什么机制让它越走越深（网络效应、生态绑定、技术栈选择等）？
阶段划分 ：把整个历程自然分为几个阶段（萌芽期、快速增长期、转型期等），每个阶段有核心特征和核心矛盾。
篇幅 完整长报告参考6000-15000字；短报告按用户预算压缩。历史越长、节点越多的对象靠近上限，新生事物靠近下限。核心原则是把故事讲完整、讲透，每个关键节点都值得展开，不要为了压缩而跳过重要细节。宁可写长写细，也不要蜻蜓点水。
第三步：横向分析（Synchronic / Cross-sectional） 以当前时间点为切面，将研究对象与同赛道的竞品/同类进行全面对比。
首先判断竞品情况 场景A：无直接竞品。 如果研究对象是全新品类或独占性极强的领域，跳过逐一对比，改为分析：它为什么没有竞品？是品类太新、壁垒太高、还是市场太小？未来最可能从哪个方向冒出竞争者？有没有间接替代方案或上一代解决方式可以参照？
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个及以上）。 选取最具代表性的3-5个进行对比，其余简要提及。
对比维度 核心差异对比 ：技术路线/核心方法论/底层逻辑、产品形态/商业模式/组织结构、目标用户/受众/适用场景、核心优势与明显短板、定价策略/资源投入/规模体量。
用户视角 ：每个竞品的真实用户口碑如何？社区评价、使用体验中被提及最多的优点和槽点分别是什么？用户实际的使用方式和官方定位有没有偏差？对比不要写成参数对照表的文字版，要讲清楚每个竞品「活成了什么样」，用户选它的真实理由是什么。
生态位分析 ：在整个赛道的版图中，研究对象占据什么位置？填补了什么空白，还是在跟谁正面竞争？当前格局是百花齐放、两强争霸、还是一家独大？
趋势判断 ：基于横向对比，研究对象在竞争格局中的走向是什么？机会和风险各是什么？
篇幅 完整长报告参考3000-10000字。场景A控制在3000字左右，场景C主要竞品按重要性分配篇幅，不要一笔带过。
第四步：横纵交汇洞察 这是整篇报告的精华段。把纵向发展脉络和横向竞争格局结合起来，给出综合性的、新的判断。不要写成前面内容的缩写版。
历史如何塑造了当下的竞争位置 ：纵向历程中的哪些决策和事件，决定了它今天在横向对比中的位置？竞品的纵向对比 ：如果把主要竞品也放到时间线上看，它们的起源和演变路径有什么不同？这些不同如何导致了今天各自的特点？优势的历史根源 ：今天的每个核心优势，能追溯到历史上的哪个节点或决策？劣势的历史根源 ：今天的每个核心劣势，能追溯到哪个历史决策？当初的「好决策」有没有变成今天的包袱？未来推演 ：基于纵向趋势和横向竞争格局，给出三个剧本——最可能的、最危险的、最乐观的，每个剧本要有逻辑支撑。
篇幅 完整长报告参考1500-3000字，用户篇幅优先。
写作风格 这不是一份冷冰冰的咨询报告，而是一篇让人能从头读到尾的深度研究。写作风格需要在「研究报告的严谨」和「卡兹克的可读性」之间找到平衡点。
从卡兹克文风中借鉴的核心元素 以下风格元素直接应用到报告写作中（详细定义请参考 khazix-writer skill）：
节奏感 ：句子时长时短，段落之间跳跃自然。不要每段都一样长，一句话自成一段制造重量感的技巧可以用。好的节奏像波动，每次围绕主线偏出去一点，再用一句「扣主线句」拉回来。
叙事驱动，不是罗列驱动 ：纵向部分要有故事弧线，有起承转合。比如一个产品为什么在某个时间点突然爆发，背后的铺垫是什么，转折是什么。不要写成"2023年1月发布了A，2023年3月发布了B"这种流水账。
知识是「聊着聊着顺手掏出来」的 ：在讲述过程中自然地带出背景知识，不要「下面我来给大家科普一下」。
敢下判断 ：鼓励给出观点和洞察，但每个观点必须有事实支撑。先摆事实，再给判断。是推测的明确标注。表达判断时用「我觉得」「我的判断是」这种承认主观性的姿态，而不是居高临下的定论。
层层剥开的修辞 ：不直接讲结论，用"现象→表面解释→更深的追问→核心洞察"的方式展开。让读者参与到思考过程中。
文化升维 ：在交汇洞察部分，连接到更大的文化/哲学/历史参照物。不是硬凑的升华，是「聊着聊着自然想到了」的感觉。
回环呼应 ：开头或纵向部分埋的细节和钩子，在交汇洞察或结尾callback回来。前后因果的闭合感，是让报告从「信息流」变成「作品」的关键。
不从卡兹克文风中借鉴的元素 以下元素适合公众号文章但不适合研究报告，需要克制：
过强的口语化 ：报告可以有聊天感，但不要满篇「这玩意」「不是哥们」「太牛逼了」。偶尔点缀可以，但密度要比公众号文章低很多。去小标题化 ：公众号文章追求一口气顺下来不加小标题。研究报告不一样，1-3万字的内容如果没有清晰的结构和导航，读者会迷路。报告需要清晰的章节结构。标点禁令可以放松 ：公众号文章禁用冒号和破折号。研究报告中可以正常使用，因为报告需要的是信息传达效率。但「」的使用习惯可以保留。固定尾部 ：不要加公众号的三连/星标尾部。
绝对禁区（依然适用）
套话："首先...其次...最后"、"综上所述"、"值得注意的是"、"不难发现"
空洞形容词："赋能"、"抓手"、"打造闭环"
教科书开头："在当今AI快速发展的时代"、"随着技术的不断进步"
高频踩雷词："说白了"、"意味着什么？"、"这意味着"、"本质上"、"换句话说"、"不可否认"
空泛工具名：不说"AI工具"、"某个模型"，要说具体名字
编造场景：如果某个信息搜不到，诚实标注「该信息暂缺」，绝不编造
用人话写 避免咨询公司式的套话和空洞概括。用具体的细节和例子代替概括性陈述。比如不要写「该公司在这一阶段实现了快速增长」，而要写「从2024年中期的1000万美元ARR到2025年底的10亿美元，增长曲线几乎是垂直的」。
第五步：生成报告 默认输出 PDF，并保留 Markdown 源稿；用户指定 HTML 时输出扩展名用 .html，沿用同一脚本的响应式页面，不需要 WeasyPrint。用户指定 Obsidian 时，把 Markdown 保存到用户指定的 vault 路径并回读核实，不需要新增配置或另一套转换器。
PDF 或 HTML 使用同一个 scripts/md_to_pdf.py 转换；Markdown 直接交付，不运行转换。
转换流程
先完成Markdown稿件 ：将完整报告写为标准Markdown格式，保存为 [研究对象]_横纵分析报告.md解析实际路径 ：从当前加载的 Skill 位置取得绝对目录 HV_SKILL_DIR，把所选环境的 Python 绝对路径设为 HV_PYTHON；路径包含空格时也必须可用。安装缺少的依赖并转换 ：HTML 只安装 markdown；PDF 再安装 weasyprint 及官方要求的系统库。Markdown 交付无需转换依赖。下面的 shell 示例使用已解析的路径；用户给了署名才加 --author，没给就去掉，封面不写作者；HTML 输出把扩展名改为 .html。
"$HV_PYTHON" -m pip install markdown
"$HV_PYTHON" "$HV_SKILL_DIR/scripts/md_to_pdf.py" input.md output.pdf --title "研究对象名称" --author "报告作者"
& $HV_PYTHON "$HV_SKILL_DIR/scripts/md_to_pdf.py" ...。PDF 模式生成 HTML 和 PDF；HTML 模式只生成 HTML。打开实际产物核对标题、中文、表格和分页。
脚本内置的排版规范 md_to_pdf.py 已内置完整的CSS排版方案，无需手动调整：
页面 ：A4，页边距上25mm/左右20mm/下20mm封面页 ：自动生成，包含标题（28pt深蓝色）、副标题「横纵分析法深度研究报告」、作者信息（传了 --author 才有）、装饰分隔线配色 ：H1标题=#1a5276深蓝、H2=#1e8449绿色、H3=#2e86c1浅蓝、H4=#5b2c6f紫色，正文=#2c3e50深灰字体 ：CSS fallback链 PingFang SC / Microsoft YaHei / Noto Sans CJK SC 等跨平台中文字体，自动处理中英文混排正文 ：10.5pt，行距1.75，两端对齐，孤行/寡行控制引用块 ：左侧3pt深蓝竖线 + 浅灰背景表格 ：全宽、深蓝表头白字、斑马纹行页眉 ：「报告标题 | 横纵分析法深度研究报告」（首页不显示）页脚 ：「第 X 页」（首页不显示）Markdown的第一个H1会被自动提取为封面标题，正文中不会重复出现
Markdown写作注意事项
第一行用 # 标题 作为报告标题（会自动用于封面）
紧接标题后可用 > 研究时间：... | 所属领域：... | 研究对象类型：... 格式写元信息行，会被提取到封面
用 ## 作为主要章节标题（纵向分析、横向分析、横纵交汇等）
用 ### 和 #### 作为子章节
表格使用标准Markdown表格语法
引用使用 > 语法
加粗使用 **文本**
末尾内容
信息来源 ：所有引用的来源清单，标注URL和访问时间方法论说明 ：简要说明横纵分析法的来源（1-2句话即可）
报告结构模板 封面页
目录
一、一句话定义
[用一句话说清楚这个东西是什么]
二、纵向分析：从诞生到当下
[完整的纵向叙事，6000-15000字]
三、横向分析：竞争图谱
[横向对比分析，3000-10000字]
四、横纵交汇洞察
[交叉分析和未来推演，1500-3000字]
五、信息来源
[所有引用的来源列表]
文件命名和交付 使用用户指定格式和路径。默认 PDF 文件命名为 [研究对象名称]_横纵分析报告.pdf，保存到用户的工作目录中。
不同研究对象类型的适配 核心原则不变（纵向追时间深度，横向追同期广度），但侧重点不同：
研究产品时 ：纵轴重点关注版本迭代、技术路线演变、用户增长曲线、关键产品决策；横轴重点关注功能对比、性能对比、用户体验、定价。
研究公司时 ：纵轴重点关注创始团队、融资历程、战略转向、组织变革、关键人事变动；横轴重点关注商业模式差异、市场份额、营收对比、组织架构差异。
研究概念时 （技术范式、商业模式、文化现象）：纵轴重点关注概念的起源（谁提出的、基于什么理论/需求）、如何流行起来、经历了哪些争论和演变；横轴重点关注与相近概念的区别、各自适用场景、不同阵营的论证。
研究人物时 ：纵轴重点关注个人经历、职业轨迹、关键决策、成长曲线、公开言论变化；横轴重点关注与同领域其他人物的对比（做事方式、风格、成就、影响力、路线选择差异）。
篇幅总览 下表是完整深度报告的参考，不是凑字数要求。用户指定篇幅、时限或重点时优先遵守；证据少就缩短并说明缺口。需要快速阅读时在正文前加结论摘要、关键时间线和竞品对比表，保留叙事解释。
质检清单 