hv-analysis

hv-analysis 技能總覽

hv-analysis 是一個中文研究型技能，用來把產品、公司、概念、技術或人物整理成結構化的「水平－垂直」分析報告。它特別適合需要的不只是定義，而是想系統性理解某件事是什麼、它如何演變、和同類相比差在哪裡，以及這些差異現在意味著什麼的使用者。若你的目標是產出一份排版完整的 PDF 研究報告，而不是快速摘要，hv-analysis 技能會特別實用。

hv-analysis 的用途是什麼

它真正要解決的是：「幫我深入且有系統地理解這件事。」hv-analysis 引導的是雙軸工作流程：垂直軸追蹤某個主題隨時間的完整生命週期，水平軸則把目標放到當下與競品或相似案例比較。這讓它很適合做產品分析、公司研究、市場研究與策略檢視。

hv-analysis 的不同之處

不同於一般的 deep-research 提示詞，hv-analysis 是圍繞特定分析結構與最終交付物設計的。它會推著代理去蒐集歷史、梳理里程碑、比較替代方案，並把結果整合成可直接出報告的格式。這種結構有助於減少只停留在「它是什麼」的淺層回答，也更容易產出可供決策的分析。

適合哪些使用者與情境

當你需要理解定位、演進、競爭脈絡或策略取捨時，就很適合用 hv-analysis。它很適合拿來研究一款新工具是否值得採用、評估一家公司的發展走向，或準備內部簡報。相對地，如果只是詞條式查詢或短篇內容任務，它就沒那麼合適。

如何使用 hv-analysis 技能

安裝並觸發 hv-analysis

先在你的技能目錄工作流程中加入這個技能，再用明確的研究對象與意圖來呼叫它。可參考的安裝指令是：npx skills add KKKKhazix/khazix-skills --skill hv-analysis。在需求描述裡，直接寫出目標並明確說你要做 horizontal-vertical analysis，例如：「Use hv-analysis to research Notion as a productivity product and compare it with Obsidian and Evernote.」

提供正確的輸入形狀

好的輸入要具體、有範圍，而且以決策為導向。請包含主題、類型、受眾，以及任何重要角度：

• “Analyze Cursor as an AI coding tool for a founder choosing a dev workflow.”
• “Research OpenAI as a company, with emphasis on product shifts and competitive pressure.”
• “Use hv-analysis for Data Analysis on Figma’s evolution and market position.”

如果你只說「幫我研究一下XX」，技能仍然能運作，但範圍越清楚，比較就越有力，敘事也會更乾淨。

先讀這些檔案

先看 SKILL.md，了解整體流程與報告結構。接著檢查 references/schema.json，看這個技能預期的分析欄位；如果你想了解最後 Markdown 轉 PDF 的輸出路徑，再看 scripts/md_to_pdf.py。這些檔案會告訴你技能優先看重什麼：結構化研究、里程碑邏輯，以及呈現品質。

能提升輸出的工作流程建議

在使用 hv-analysis 時，請明確要求兩個軸都要涵蓋：先歷史，再當前比較。如果目標有明顯競品，直接點名。如果你特別在意某個視角——例如定價、產品成熟度、生態系或策略風險——一開始就說明。當第一版太寬泛時，與其要求每個地方都「再多一點細節」，不如收窄研究對象或市場切片。

hv-analysis 技能 FAQ

hv-analysis 只適合中文提示詞嗎？

雖然 repository 內容以中文為主，但只要研究對象與比較對象清楚，hv-analysis 技能同樣可以搭配英文需求使用。真正重要的是輸出工作流程，而不只是提示詞語言。

hv-analysis 比一般提示詞多做了什麼？

一般提示詞通常只會產出摘要；hv-analysis 的設計目標則是產出一套研究方法：垂直歷史、水平比較，以及最後的綜合結論。這種結構，就是你應該安裝 hv-analysis 技能，而不是依賴臨時提示的主要原因。

什麼情況下不該用 hv-analysis？

如果你只是要一個簡單定義、標題式摘要，或一則短社群貼文，就不該用 hv-analysis。若你只需要「X 是什麼」，它的流程就太重了。當你還沒有明確研究對象，或根本不需要比較分析時，它也不適合。

hv-analysis 適合新手嗎？

適合，只要你能說出想研究的是什麼，並解釋你為什麼在意就行。你不需要先懂研究方法才能用好它。新手最常犯的錯，是丟一個很大的主題、卻沒有決策情境，這會讓比較與最後判斷都變弱。

如何優化 hv-analysis 技能

先把研究問題收窄

hv-analysis 技能最適合的輸入不是只有主題，而是帶有問題意識的提問。比較「Research Anthropic」與「Research Anthropic as an AI company, focusing on product strategy, model positioning, and competitor pressure.」後者能讓分析更聚焦，輸出品質也通常更好。

提供更好的比較對象

當你把水平比較的同業或對照組講清楚時，分析會更有力。如果你是在評估產品，請列出你實際會在意的替代方案；如果比較集合本身很模糊，hv-analysis 可能會挑出合理、但不一定對你的決策最有用的基準。

控制範圍，避免輸出太淺

hv-analysis 最常見的失敗模式，是一次想涵蓋太多面向。如果目標很大，就限制時間範圍、市場切面或使用情境。例如，可以要求「過去三年」、「消費者採用」或「開發者工具」，讓報告維持聚焦且有足夠證據。

從結構迭代，不只是改文字

拿到第一版之後，優化 hv-analysis 的方式是補強垂直時間線的缺口、加入少掉的競品，或要求對取捨做更強的綜合。如果某一段看起來太泛，直接告訴技能要強調什麼：商業模式、技術演進、使用者採用，或策略風險。這通常比單純要求「寫長一點」更有效。