需要系统性深度研究产品/公司/概念/人物时…

适用于用户想系统研究一个产品、公司、概念、技术或人物，需要纵轴追时间深度、横轴追同期广度并交汇出判断的场景。

适用场景

解决思路

1. 确认 `scripts/md_to_pdf.py` 可用，安装依赖：`pip install weasyprint markdown --break-system-packages`。
2. 本 Skill 已内置写作风格指南，直接按下文写作风格执行，无需额外加载其他 skill。
3. 拿到用户输入后确认研究对象：产品名/公司名/概念名/人名、类型（产品/公司/概念/人物/其他）、研究动机（可选）、特别关注点（可选）；用户已给得足够明确则不追问，直接开始。
4. 必须联网搜索，不能仅靠已有知识；信息收集阶段宁可多搜，避免分析浮于表面。
5. 使用子 Agent 并行搜索：子Agent 1 搜集纵向信息（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 搜集横向信息（竞品识别、竞品特点与用户口碑、行业对比评测、市场份额）；子Agent 3 仅在复杂对象时补充（创始人深度背景、行业环境变化、用户社区讨论，如 GitHub issues、Reddit、Twitter/X、知乎等）。
6. 每个子Agent 的 prompt 中写入联网工具使用指南：使用 WebSearch 搜索发现信息来源，获取摘要和关键词结果；使用 WebFetch 在已知具体 URL 时定向提取内容；如果 `/mnt/.claude/skills/web-access/SKILL.md` 存在，优先加载 web-access skill 并遵循其指引（提供更强浏览器 CDP 能力）；先用 WebSearch 发现来源和线索，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；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。
7. 学术类研究对象必查 arxiv：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 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 `https://arxiv.org/abs/论文ID` 获取更多细节。
8. 子Agent 的 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。
9. 遵循信息来源优先级：产品更新/技术决策用官方博客、GitHub Release Notes、创始人推文；融资/商业数据用公司官方公告、SEC/工商文件；用户口信用 GitHub Issues、Reddit 讨论、Twitter/X、知乎帖子；行业分析用权威媒体原创报道（非转载）；学术/技术原理用 arXiv 论文（`export.arxiv.org/api/query`）、Google Scholar、学术会议论文集。
10. 搜索完成后做信息充分性自检：纵向能否讲出完整故事、有无明显信息断层；横向竞品列表是否完整、有无遗漏主要玩家、每个竞品信息是否够做对比；关键事实是否有可靠来源支撑、有无只靠单一来源就下判断；信息不够就再补搜，不要凑合。
11. 第二步纵向分析：沿时间轴完整还原研究对象从诞生到现在的发展全貌；这是报告主体，篇幅应最重。
12. 纵向内容做起源追溯：它诞生的背景是什么、基于什么技术/理念/需求、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、当时行业环境如何、有无关键事件或灵感直接促成诞生。
13. 纵向内容做诞生节点：明确首次发布/成立/提出时间、最初形态和定位、与现在有何不同。
14. 纵向内容做演进历程：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。
15. 纵向内容做决策逻辑：在每个关键节点尽可能还原决策背后原因，为什么选 A 而不是 B、当时约束条件是什么、哪些早期决策锁定了后来发展方向且难以逆转、什么机制让它越走越深（网络效应、生态绑定、技术栈选择等）。
16. 纵向内容做阶段划分：把整个历程自然分为萌芽期、快速增长期、转型期等阶段，每个阶段有核心特征和核心矛盾。
17. 纵向篇幅 6000-15000 字；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，每个关键节点都展开，不为压缩跳过重要细节，宁可写长写细。
18. 第三步横向分析：以当前时间点为切面，将研究对象与同赛道竞品/同类进行全面对比。
19. 首先判断竞品情况：场景 A 无直接竞品时，跳过逐一对比，改为分析为什么没有竞品（品类太新/壁垒太高/市场太小）、未来最可能从哪个方向冒出竞争者、有无间接替代方案或上一代解决方式可参照；场景 B 少量竞品（1-2 个）时逐一深入对比，每个竞品展开详细分析；场景 C 竞品充分（3 个及以上）时选取最具代表性的 3-5 个进行对比，其余简要提及。
20. 横向对比维度根据对象类型灵活调整，但至少覆盖核心差异对比：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。
21. 横向做用户视角：分析每个竞品真实用户口碑如何、社区评价、使用体验中被提及最多的优点和槽点、用户实际使用方式与官方定位有无偏差；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。
22. 横向做生态位分析：在整个赛道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/一家独大。
23. 横向做趋势判断：基于横向对比，判断研究对象在竞争格局中的走向、机会和风险。
24. 横向篇幅 3000-10000 字；场景 A 控制在 3000 字左右；场景 C 每个主要竞品至少展开 1500 字以上独立分析，不要一笔带过。
25. 第四步横纵交汇洞察：把纵向发展脉络和横向竞争格局结合，给出综合性、新的判断，不要写成前面内容的缩写版。
26. 交汇需回答：历史如何塑造了当下的竞争位置；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、这些不同如何导致今天各自特点；今天的每个核心优势能追溯到历史上哪个节点或决策；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；基于纵向趋势和横向竞争格局给出三个未来剧本（最可能的、最危险的、最乐观的），每个剧本有逻辑支撑。
27. 交汇篇幅 1500-3000 字。
28. 写作风格在研究报告的严谨和卡兹克的可读性之间找平衡。
29. 借鉴卡兹克文风的核心元素：节奏感——句子时长时短，段落之间跳跃自然，不要每段一样长，可用一句话自成一段制造重量感，像波动一样每次围绕主线偏出去一点再用扣主线句拉回来；叙事驱动而非罗列驱动——纵向部分要有故事弧线、起承转合，不要写成「2023年1月发布了A，2023年3月发布了B」的流水账；知识是「聊着聊着顺手掏出来」的——讲述过程中自然带出背景知识，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，用「我觉得」「我的判断是」承认主观性，而不是居高临下定论；层层剥开的修辞——用「现象→表面解释→更深的追问→核心洞察」展开，不直接讲结论；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，不是硬凑升华，是「聊着聊着自然想到了」；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，形成前后因果闭合感。
30. 不借鉴卡兹克文风、需要克制的元素：过强口语化——可以有些聊天感，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——研究报告需要清晰结构和导航，1-3 万字内容必须有小标题，不要让读者迷路；标点禁令可以放松——公众号禁用冒号和破折号，研究报告中可以正常使用，保留「」的使用习惯；固定尾部——不要加公众号的三连/星标尾部。
31. 绝对禁区（无论什么文体都要避免）：套话如「首先...其次...最后」「综上所述」「值得注意的是」「不难发现」；空洞形容词如「赋能」「抓手」「打造闭环」；教科书开头如「在当今AI快速发展的时代」「随着技术的不断进步」；高频踩雷词如「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。
32. 用人话写：避免咨询公司式套话和空洞概括，用具体细节和例子代替概括性陈述，例如不写「该公司在这一阶段实现了快速增长」，而写「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」。
33. 第五步生成 PDF 报告：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`。
34. 安装依赖（如未安装）：`pip install weasyprint markdown --break-system-packages`。
35. 运行转换脚本：`python [skill目录]/scripts/md_to_pdf.py input.md output.pdf --title "研究对象名称" --author "数字生命卡兹克"`。
36. 脚本会自动生成中间 HTML 文件（便于调试）和最终 PDF。
37. 脚本内置排版规范：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、装饰分隔线；配色 H1=#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 `"Droid Sans Fallback", Helvetica, Arial, sans-serif`，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 第一个 H1 自动提取为封面标题，正文中不重复出现。
38. 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**`。
39. 在 Markdown 稿件末尾加上信息来源（所有引用的来源清单，标注 URL 和访问时间）和方法论说明（简要说明横纵分析法的来源，1-2 句话即可）。
40. 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）。
41. 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。
42. 不同研究对象类型适配：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），纵轴重点关注概念起源（谁提出的、基于什么理论/需求）、如何流行起来、经历哪些争论和演变，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）。
43. 篇幅总览：纵向分析 6000-15000 字；横向分析 3000-10000 字（视竞品数量调整）；横纵交汇 1500-3000 字；全文总计 10000-30000 字，不要怕长，深度和完整度是价值所在。
44. 交付前质检：纵轴是叙事故事体、读起来有因果逻辑和时代脉络、不是年表流水账；创始人/发起者的背景和动机有足够深度；每个关键节点都展开写了、没有为压缩跳过重要细节；决策逻辑有还原（不只是「发生了什么」，还有「为什么这么选」）；横轴竞品场景判断正确（A/B/C）、竞品分析够深；用户口碑部分引用了真实用户声音、不只是官方宣传；横纵交汇产出了新判断、不是前面内容的缩写版；未来推演的三个剧本都有逻辑支撑；写作风格有节奏感、有可读性、不是冷冰冰的咨询报告；没有触犯绝对禁区里的任何一条；所有关键事实标注了信息来源；搜不到的信息诚实标注了「暂缺」、没有编造；PDF 排版美观、结构清晰、可读性好；总字数在 10000-30000 字范围内。

适用边界 · 注意事项

• 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）。