KKKKhazix/khazix-skills

中文 · English [](./LICENSE) [](#-skills) [](https://agentskills.io) 都是在自己项目里跑通了一段时间，确实省事，才搬出来开源的。没什么花活，就是几个挺实用的东西。 这里的每个 Skill 都是 Agent 能直接加载的结构化指令集，遵循 Agent Skills 开放标准。Claude Code、Codex、Qoder、Kimi Code、iFlow、CodeBuddy、Cursor 等 40+ 支持该标准的 Agent 都能装。 在 Claude Code、Codex 等支持 Agent Skills 的工具里，直接说： 把 换成你想装的那个，比如 neat-freak、hv-analysis、khazix-writer。Agent 会自己 clone 到对应目录，不用你操心路径。 你的 Agent 不支持 Skill 也没关系：把对应目录的 SKILL.md 全文下载下来，当成项目规则文件（或直接贴进对话）让 Agent 照着执行，效果一致。 它只解决一件事：帮你定义目标。 把你脑子里那句模模糊糊、自己都还没想清楚的需求，变成一份目标任务书——粘进目标模式（Claude Code 的 /goal、Codex 的目标模式）就能让 AI 独立跑几个小时到完成。你全程只做一次复制粘贴。 为什么是「目标」 人和 AI 的协作单位一直在变大：过去是一轮对话，后来是一个任务，2026 年的今天是一个目标——你给它一个目标，它自己拆任务、自己调工具、自己验证、失败自己重试，跑一整夜，你只管验收。 但当 AI 真能跑一整夜，一个以前还能临场补救的问题就变得致命：你的目标写得对不对。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。它越勤奋，浪费得越彻底。 目标里最重要的部分，是「什么不能做」 肯尼迪那句登月宣言，关键不在「登月」，在后半句——把人送上月球，然后安全带回地球。多出来的「安全返回」四个字，一笔删掉了「单程票」这个最省钱的解法。 Goal 告诉 AI 往哪走，Harness 告诉它哪些路不许走。没有 Harness 的 Goal，AI 永远会找到你没想到的捷径。 目标七问（心法） 给 AI 定目标就像派一艘船出海，出海前你必须想清楚七件事，缺一条都不行： 还有第零问：这张海图是你自己测的，还是听来的。所以它动笔前一定先钻进代码库亲手跑一遍——文档里写的命令，实际可能根本不存在。 怎么用 跟它说一句想法（下面任意一句都能触发），它先实测调研，再问你最多 5 个必须你拍板的问题，然后写出任务书。全程约 12 分钟。 产出是纯 Markdown，没有目标模式的 Agent 直接粘贴发送也一样用。拿到任务书后推荐用规划强的模型出目标、执行强的模型跑长程——我自己是 Claude Fable 5 规划 + GPT-5.6 Sol 执行，国产的 Kimi K3 规划、GLM-5.2 执行也不错。 → SKILL.md 随口跟 Agent 说一句"帮我看看存储"或"C 盘满了"，它会扫一遍整机磁盘，在浏览器里打开一份交互式 HTML 报告：磁盘总览、占用 Top 5、清理优先级、🟢🟡🔴 三色分级清单。命令一键复制，也可以直接点按钮移到废纸篓 / 删除（每次都有二次确认弹窗）。 它和 CleanMyMac 的区别 CleanMyMac 是个写死规则的软件，扫到一个 3.8G 的 Chrome 文件夹只会告诉你"用户缓存文件，可删"——但你不知道里面到底是什么、删了哪些网站要重新登录。 这个 skill 由 Agent 驱动，每一项都给你具体路径 + 类型说明 + 删了的影响 + 推荐处置方式。比如那 97 GB 的 UUID Container 它会告诉你是…