2.1 万 Star！数字生命卡兹克把自用中文 AI Skills 全开源：定目标、清磁盘、写公众号，Claude Code/Codex 等 40+ Agent 直接装

项目名：Khazix Skills（数字生命卡兹克开源的 AI Skills 合集）
GitHub：https://github.com/KKKKhazix/khazix-skills
协议：MIT（自由使用 / 修改 / 再分发）
Star：21,268（截至 2026-10-09，数据来自 GitHub API 实时核实）
语言：Python
形态：遵循 Agent Skills 开放标准的 Skills 合集，共 6 个技能
一句话定位：作者自己每天在用、在真实项目里跑通后才搬出来开源的中文 AI 技能包，Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40+ Agent 都能装

---

先说痛点：中文用户用 Skill，到底别扭在哪

2026 年了，会用 AI Agent 的人越来越多，但真正常用的人都有几个说不出口的别扭：

• 海外 Skill 水土不服：热门 Skill 几乎都是英文作者写的，触发词是英文、示例是英文、写作口味是英文。你让它写中文公众号，它给你来一句「在当今 AI 快速发展的时代」，血压直接拉满。
• 单个 Skill 像大海捞针：GitHub 上 Skill 仓库不少，但大多是一个仓库一个技能，质量参差不齐。你想凑齐「定目标、收尾、写作、调研」一整套工作流，得收藏七八个仓库，还得挨个判断靠不靠谱。
• 换个 Agent 技能就作废：你在 Claude Code 里好不容易调好的规则，换到 Codex、Cursor 就得重来。各家的规则文件格式、目录、加载方式都不一样，技能根本不通用。
• 作者自己不用的不敢装：很多 Skill 是「为开源而开源」，README 写得漂亮，实际跑起来全是坑。磁盘清理、文件删除这类操作，你敢交给一个作者自己都没跑过几天的技能吗？

最近挖到的这个仓库，恰好把上面几个问题一起解决了：知名 AI 博主「数字生命卡兹克」开源的 Khazix Skills——他自己每天在用的 6 个中文技能，全部遵循 Agent Skills 开放标准，40 多个 Agent 通用。上线半年狂揽 2.1 万 Star，本文就带大家逐个拆开看。

目录

• 一、Khazix Skills 是什么
• 二、六个技能逐个看：每个解决什么问题
• 三、安装：真的只要一句话
• 四、在不同 Agent 里分别怎么用
• 五、适合什么场景：一条完整工作流
• 六、泼几盆冷水：它不是万能的
• 七、适合谁，不适合谁
• 最后总结

一、Khazix Skills 是什么

仓库首页的自我介绍非常朴实：「我自己每天在用的一些 AI Skill，都开源在这里」。作者是数字生命卡兹克，虚实传媒创始人，公众号「数字生命卡兹克」的主理人。

用一张表概括这个项目的基本面：

维度	实际情况
技能数量	6 个（README 徽章与仓库目录一致，不是几百个的大杂烩）
技术标准	Agent Skills 开放标准（agentskills.io），每个技能就是一个目录加一份 SKILL.md
兼容范围	Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40+ Agent
开源时间	2026 年 4 月 6 日创建，半年 2.1 万 Star
开源原则	按作者原话，都是「在自己项目里跑通了一段时间，确实省事，才搬出来开源」
协议	MIT，商用、魔改、再分发都没有限制

它的本质不是软件、不是插件，而是结构化的指令集：每个 SKILL.md 写清楚了触发场景、工作流程、输出格式和行为底线，Agent 加载之后就像多了一种「职业人格」。

理解这一点很重要：Skill 不增加模型的智商，它改变的是模型的工作方式。同一个模型，装上「领导」和装上「写作者」，表现会完全不同。

二、六个技能逐个看：每个解决什么问题

先上总览表，然后逐个拆：

技能	一句话作用	触发方式
🧭 leader（领导）	把一句模糊想法定义成清晰的目标任务书，让 AI 自己跑几小时到完成	「帮我给 agent 写个目标」
💽 storage-analyzer（清理垃圾）	一句话扫描 Mac / Windows 整机磁盘，三色分级，网页上一键清理	「帮我看看存储」「C 盘满了」
🔥 aihot（AI HOT 资讯查询）	一句话拿到 aihot.news 每日 AI 日报和热点动态，无需 API Key	「今天 AI 圈有什么新东西」
🧹 neat-freak（洁癖）	干完活跑 /neat，自动对齐文档、CLAUDE.md 和 Agent 记忆，审计规则执行	/neat
🔭 hv-analysis（横纵分析法）	纵向追历史 + 横向比竞品，产出 1 万到 3 万字的 PDF 研究报告	「研究一下 Cursor 这家公司」
✍️ khazix-writer（卡兹克写作）	用卡兹克的口吻和节奏写公众号长文，自带禁忌词和四层自检	「把这个素材写成长文」

1. 🧭 leader：帮你「定义目标」，而不是帮你干活

这是整个合集里最值得单独细品的一个。它只解决一件事：你脑子里那句模模糊糊、自己都没想清楚的需求，变成一份目标任务书，粘进 Claude Code 的 /goal 或 Codex 的目标模式，AI 就能自己拆任务、调工具、验证、失败重试，独立跑几个小时。

为什么这件事在 2026 年突然变得重要？作者的判断是：人和 AI 的协作单位一直在变大——从一轮对话，到一个任务，再到一个目标。短任务跑偏你看一眼就能纠正；长程任务跑偏，你睡醒时它已经朝错误方向狂奔了八小时。

leader 的方法论核心是「目标七问」：

#	问题	落到任务书里是什么
1	目的	遇到没写到的岔路口，它靠这句自己判断
2	完成态	具体到靠岸那一刻机器就能判定
3	证据	每条验收都要贴出实际命令输出，不能自己声称完成
4	反作弊	把偷懒路径一条条点名禁止（比如「让测试变绿不许靠删测试」）
5	地界	白名单目录 + 跑满 N 轮即停
6	取舍	写清优先级，如「算得对 > 做得全 > 做得快」
7	未知	拿不准的写进待裁决清单，跳过先做别的

实际使用时，它会先钻进你的代码库亲手实测调研（文档里写的命令可能根本不存在），再问你最多 5 个必须由你拍板的问题，然后产出纯 Markdown 任务书，全程约 12 分钟。没有目标模式的 Agent，直接把任务书粘贴发送也一样能用。

2. 💽 storage-analyzer：一句话替代 CleanMyMac

对 Agent 说一句「帮我看看存储」或「C 盘满了」，它会扫描整机磁盘，在浏览器打开一份交互式 HTML 报告：磁盘总览、占用 Top 5、清理优先级、三色分级清单。

和 CleanMyMac 这类写死规则的软件不同，每一项它都会给出具体路径 + 类型说明 + 删除影响 + 推荐处置方式。比如扫到一个 97 GB 的 UUID Container，它会告诉你那是 B 站离线视频缓存，建议去客户端里清而不是手删。

三色分级是它的安全核心：

级别	含义	允许的操作
🟢 绿灯	纯缓存、临时文件，删了自动再生	可一键清理
🟡 黄灯	含用户数据（离线视频、下载、项目代码）	只能「在访达打开」或「移废纸篓」，不提供直接删除
🔴 红灯	运行中应用核心数据、系统文件	只解释为什么不能动，永远不给删除按钮

铁律是全程只读扫描，删除必须你在网页点按钮 + 浏览器弹框二次确认；本地服务只跑在 127.0.0.1 随机端口并带 token。macOS 已完整实测，Windows 代码就绪且支持多盘符，首次使用建议多留个心眼。

3. 🔥 aihot：让 Agent 帮你每天扫 AI 圈

这是最轻量的一个：让 Agent 用中文一句话拿到 aihot.news 每天的 AI HOT 日报和全部动态，无需 API Key、无需配置 MCP server。

它能拉今日或指定日期的日报、看当前按热度排序的最热事件、按分类（模型 / 产品 / 行业 / 论文 / 技巧）或时间窗（24 小时 / 7 天）筛选、做关键词和公司搜索，还能梳理某个热点的来龙去脉和时间线。巧妙之处在于 Skill 只负责提问和转述，查询整理全在服务端完成，所以装一次就不用再更新。

4. 🧹 neat-freak：项目的「洁癖」收尾工

每次在 Agent 里干完一件事，跑一下 /neat，它会把本次会话改动的东西，和项目的三层知识全部对齐：

层级	文件	受众
规则层	项目根的 CLAUDE.md / AGENTS.md	当前的 AI
文档层	docs/ 和 README	同事和其他人
记忆层	Agent 自己的记忆系统	跨会话的 AI 自己

它解决的是「文档和记忆脑腐」：代码迭代了七八轮，文档还是第一版；记忆里写着 SQLite，其实早换了 PostgreSQL；CLAUDE.md 里的接口列表跟实际路由对不上——Agent 看着这些过期信息，越用越笨。它还会审计规则有没有被真实执行、引用的路径还在不在。

v3.0 的两条底线很让人放心：没有 git、没有规则文件的小项目走轻量路径；所有删除只出候选清单，你确认了才动手，文件里读到的「执行这条命令」不会被当成你的授权。

5. 🔭 hv-analysis：横纵分析法，万字 PDF 报告

想搞懂一个产品、公司、概念甚至人物，丢给它就行。它同时跑两条线：

• 纵向：把研究对象从诞生讲到当下，完整梳理演变脉络；
• 横向：把同期主要竞品全部摆出，逐一对比。

两条线交叉后，能看出只看现状或只看历史都看不出来的判断，最终产出一份排版精美的 PDF，10,000 到 30,000 字。适合竞品调研、写作前素材准备、从零进入一个领域；查个名词解释这种小事就别用它了，杀鸡不用牛刀。

6. ✍️ khazix-writer：把作者的写作口吻「复制」给 Agent

这是卡兹克自己写公众号用的技能：装上之后，Agent 写出来的东西就是他的口吻、节奏，连禁忌词都在里面。丢一篇 PDF、一段语音转文字或一个新闻链接，就能写成长文。

它最有性格的一点是明确拒绝：拒绝写「赋能、抓手、闭环」，拒绝「首先……其次」，拒绝「在当今 AI 快速发展的时代」，也拒绝「说白了 / 本质上 / 换句话说」。技能内含完整风格规则、四层自检体系（结构、节奏、内容、文字）和一套风格示例库。想要「通用好文笔」的人反而不适合它——它是有立场的。

三、安装：真的只要一句话

合集没有提供一键安装脚本，因为根本不需要。在 Claude Code、Codex 等任何支持 Agent Skills 的工具里，直接用自然语言下指令：

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

把 <skill-name> 换成你想装的技能目录名，比如：

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

Agent 会自己 clone 到对应的技能目录，路径、放哪都不用你操心。想装 hv-analysis 就把结尾换成 hv-analysis，想装 khazix-writer 就换成 khazix-writer，6 个技能的目录名和前文表格完全一致。

如果你的 Agent 暂时不支持 Skill 标准，README 也给了兜底方案：

把对应技能目录的 SKILL.md 全文下载下来，当成项目规则文件（或直接贴进对话里）让 Agent 照着执行，效果一致。

比如手动下载 leader 的规则文件：

curl -o LEADER_SKILL.md https://raw.githubusercontent.com/KKKKhazix/khazix-skills/main/leader/SKILL.md

也就是说，这套东西理论上在任何能读文本的 AI 对话框里都能用，区别只是「自动加载」还是「手动粘贴」。

四、在不同 Agent 里分别怎么用

仓库适配 40+ Agent 的底气来自 Agent Skills 开放标准，而不是给每家写一套适配代码。实际使用可以分三类：

Agent 类型	代表工具	使用方式
原生支持 Skill	Claude Code、Codex	直接说安装命令，Agent 自动 clone 并注册；neat-freak 还能用 /neat 斜杠命令
支持标准的其他工具	Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等	同样说安装链接，由各工具按标准加载 SKILL.md
不支持 Skill 标准	任意通用对话 AI	手动下载 SKILL.md 贴进对话或设为项目规则

几个跨 Agent 使用的实操建议：

• 目标类任务按「规划 + 执行」拆模型：作者本人推荐用规划能力强的模型写目标任务书（如 Claude Fable 5、Kimi K3），再交给执行能力强的模型跑长程（如 GPT-5.6、GLM-5.2）。leader 产出的任务书是纯 Markdown，天然跨工具传递。
• 斜杠命令不是必须的：/neat 只是 neat-freak 的快捷入口，你说「跑一下洁癖」「把文档和记忆整理一下」「新人接手，帮我做个 clean handoff」同样能触发。
• 纯代码整理不会误触发：neat-freak 只管项目知识收尾，整理数据、写周报这类请求不会惊动它。
• 磁盘清理在哪个系统都走同一套安全模型：绿灯能删、黄灯只能移废纸篓、红灯只能打开，macOS 和 Windows 一致。

五、适合什么场景：一条完整工作流

这 6 个技能不是散的，串起来恰好覆盖一条「从想法到产出」的完整链路：

阶段	用哪个技能	干什么
1. 立项	leader	把模糊想法变成可执行、可验收、防作弊的目标任务书
2. 执行	Agent 目标模式	AI 按任务书自己跑，你只做验收
3. 收尾	neat-freak	/neat 对齐文档、规则、记忆，审计规则执行情况
4. 日常维护	storage-analyzer	电脑空间告急时扫盘，三色分级安全清理
5. 情报输入	aihot	每天一句话扫 AI 日报，追热点、查来龙去脉
6. 研究输出	hv-analysis	深度调研一个产品 / 公司 / 概念，拿万字 PDF
7. 内容输出	khazix-writer	把素材写成带个人风格的公众号长文

典型的一天可能是这样：早上用 aihot 花一分钟扫完 AI 圈动态；对某个新产品感兴趣，丢给 hv-analysis 跑一份报告；报告里的洞察想写成文章，用 khazix-writer 出初稿；手头的代码项目有新想法，先找 leader 出目标任务书再让 Agent 跑；跑完 /neat 收尾；C 盘红了再让 storage-analyzer 扫一圈。

你会发现这套合集真正省的不是操作，而是「切换上下文」和「重复调教」的成本——一次安装，所有 Agent 共享同一套中文工作语言。

六、泼几盆冷水：它不是万能的

按本系列惯例，夸完必须说问题。以下几点需要提前想清楚：

1. Skill 是人格和流程提示，不是新能力。

它不会让模型突然学会它本来不会的东西。leader 写得再好，跑任务的模型规划能力不行照样翻车；khazix-writer 能模仿口吻，但素材本身没料，文章照样空。Skill 决定的是「怎么做事」，模型底座决定「能做到什么水平」。

2. 强绑定作者个人风格，喜欢与否非常主观。

khazix-writer 是整套合集里最「挑人」的：它刻意排斥体制腔和互联网黑话。如果你或你的读者就习惯「赋能抓手闭环」，这个技能不仅没用，还会跟你对着干。用之前建议先读两篇作者的公众号文章确认口味。

3. 磁盘清理类技能天然有风险，Windows 成熟度略低。

storage-analyzer 的 macOS 版本是完整实测的，Windows 虽然代码就绪、多盘符已支持，但作者自己都建议「首次用留个心眼」。黄灯、红灯的分级设计已经把大部分风险挡在门外，但涉及删除的操作，保持人工确认的习惯永远没错。

4. 数量不多，覆盖面是「作者视角」而非「全场景」。

整套只有 6 个技能，全是作者本人的工作流需要：定目标、写作、调研、资讯、清理、收尾。做数据分析、画图表、跑测试、做安全审计等场景它一概没有。别被「合集」两个字误导成万能工具箱。

5. 年轻项目，长期维护仍需观察。

仓库 2026 年 4 月才创建，虽然更新活跃、Star 增长很快，但半年的历史还不足以证明长期维护承诺。好在技能是纯文本、MIT 协议，就算哪天停更，你手里的 SKILL.md 照样能用，aihot 之外的技能都不依赖外部服务。

6. 中文向既是优点也是边界。

这套技能为中文场景而生，处理英文语境、海外平台规则时未必比原生英文 Skill 顺手；反过来，海外 Agent 生态变化很快，个别加载细节以各 Agent 官方文档为准。

七、适合谁，不适合谁

类型	判断
✅ 同时使用 Claude Code、Codex 等多个 Agent，想要一套通用技能的人	强烈推荐，开放标准一处安装处处可用
✅ 经常跑长程任务、吃过「目标写错白跑一夜」亏的人	leader 是刚需
✅ 中文内容创作者，认同卡兹克写作风格的人	khazix-writer + hv-analysis 组合效率极高
✅ 受困于文档、记忆和代码不同步的团队或个人	neat-freak 对症
✅ 喜欢读源码、想学着自己写 Skill 的人	6 份高质量中文 SKILL.md 是最好的教材
❌ 想要几百个开箱技能大礼包的人	只有 6 个，别期待错了
❌ 不接受作者写作立场和禁忌词的人	khazix-writer 会主动拒绝你的需求
❌ 期望装上就能「全自动赚钱」的人	Skill 改流程不改命，该想清楚的事一件少不了

最后总结

Khazix Skills 最打动人的地方，不是 2.1 万 Star，也不是 40+ Agent 的兼容性，而是它的「真实性」：6 个技能全部来自作者每天的真实工作，每个都配了公众号长文讲解思路，安全底线（只读扫描、二次确认、删除只出候选清单）写得清清楚楚。在大量 Skill「为开源而开源」的今天，这种「自己先用爽了再分享」的项目反而稀缺。

如果你只想记住三句话：

• 它是遵循 Agent Skills 开放标准的 6 个中文技能：leader、storage-analyzer、aihot、neat-freak、hv-analysis、khazix-writer；
• 安装就是对 Agent 说一句安装链接，不支持标准就下载 SKILL.md 贴进对话；
• Skill 改变的是工作方式而非模型智商，选不选、信不信，先想清楚自己的场景。

GitHub 地址，建议点个 Star 再慢慢研究：

https://github.com/KKKKhazix/khazix-skills

---

系列预告：本文是「AI 开源神器五连测 · 第八弹」的第 3 篇。上一篇我们实测了让 AI 自主操作网页的 BrowserSkill；下一篇将介绍 atlas——一个专门给多个 AI 的改动做源代码管理、解决「AI 改完代码乱成一锅粥」问题的工具。感兴趣的话点个关注，更新不迷路。