夜雨聆风TOOL REVIEW
AI 帮我写了份三万字的行业调研我才发现「深度研究」不该是一句话的事…
——不是模型不够强,是你没给它研究的章法
黄晨征 ｜ 全文约 3300 字
我已经不让 AI「随便帮我分析一下」了。
要摸一个新赛道、看一个竞品到底什么来头,我以前顺手丢一句「帮我分析下这个产品」。几秒钟,它回我一大段,读着顺、分点齐,可越看越空。每句都对,每句都浮在水面,没一条能拿去跟人拍板。
后来我想明白了:不是模型笨,是那句「帮我分析下」里压根没有研究的章法。AI 接到一个没框架的问题,只能还你一个平均值。
直到我开始用一个 skill,叫 hv-analysis(横纵分析法),数字生命卡兹克做的。它干的事很朴素:把「怎么做一次像样的深度研究」这套章法写死成固定流程,逼着 AI 按规矩来。我用它跑过一份三十年的 AI CRM 行业报告,成品后面给你看。
今天就跟各位 PM、技术 Leader、做内容的朋友聊透——✅ 它凭什么能跑出深度,不张口就编?❌ 它的坑又在哪?✅ 谁用、什么场景用才不踩雷?✅ 怎么上手,地址直接给你抄。
[图位 1:AI CRM 横纵分析报告封面]
● ● ●
01 — 先归个类
它是什么
先归个类,因为这一步决定你后面怎么理解它。
hv-analysis 是一个跑在 Claude Code 里的 skill,骨子里是一套封装好的研究方法论。你给它一个研究对象,可以是产品、公司、概念,也可以是人物,它走完一套固定流程,最后吐给你一份一到三万字、带封面和目录的 PDF 研究报告。
注意我的用词:它不是一个问答工具,是一条研究流水线。你问它「Salesforce 是什么」,它不伺候这种;你说「用横纵分析法把 AI CRM 这个赛道摸清楚」,它才上场。
● ● ●
02 — 赛道辨识
别把它跟「深度研究」按钮归成一类
这一步我得专门拦一下,不然你会拿错框架理解后面的一切。
现在 ChatGPT、Gemini 都有个「深度研究」按钮,点一下,它帮你多搜几十个网页再总结成长文。很多人看到 hv-analysis,第一反应就是「这不就是个 Deep Research 嘛」。
真不是。两者从根上就分叉了。
那些按钮是检索驱动:先去搜,搜到啥算啥,再把材料捏成一篇总结。框架是事后从资料里长出来的,所以你常拿到一篇资料很全、读完却抓不住重点的东西。
hv-analysis 是框架驱动:先有一套写死的分析结构,再带着结构去搜、去填。你拿到的不是「关于这对象的所有信息」,是「这对象在一套研究框架里被拆开后的样子」。
我拉个对照让你一眼看清:
出发点Deep Research:先搜后理hv-analysis:先立框架后搜
产出长度Deep Research:几千字hv-analysis:1~3 万字
竞品横向对比Deep Research:看运气,搜到才提hv-analysis:结构里强制做一整块
时间纵深Deep Research:基本没有hv-analysis:专门一条时间轴还原
产出形态Deep Research:对话框一段文字hv-analysis:一份能直接发的 PDF
校准完参照系,再看它强在哪。
● ● ●
03 — 它凭什么能跑出深度
3 个设计戳中要害
1. 两根轴,逼着 AI 把话讲透
hv-analysis 的核心就两根轴,谁也偷不了懒。
纵轴沿时间线,把对象从诞生讲到当下。但有个硬要求:必须是叙事,不是年表。不许写「2023 发了 A,2024 发了 B」这种流水账,得讲清楚某个东西为什么在某个时间点突然爆发、转折是哪个决策、哪些早期选择把后来的路锁死了。
横轴在当下这个切面,把对象跟同赛道竞品摆一起逐个比。比的不是参数对照表,是每个竞品「活成了什么样」、用户真正选它的理由、口碑里被骂最多的点。
最香的是两轴交叉的地方:光有纵轴是一部传记,光有横轴是一张对比图,hv-analysis 逼你把两者叠起来问一句——历史上哪个决策,造成了它今天在竞争格局里的位置。这一步逼出来的判断,单看任何一条轴都得不到。
它的深度不靠模型多聪明,靠结构硬框。
2. 几个分身同时上网扒料,还专挑一手
它不是一个 Agent 闷头搜,而是拆成几个子 Agent 并行开干:一个追纵向历史脉络,一个扒横向竞品口碑,复杂对象再加一个补创始人背景和社区讨论。几路同时跑,又快又全。
而且它对来源挑食:官方博客、GitHub 发布记录、创始人本人推文这些一手货排前面;层层转载的二手稿往后靠。它知道很多媒体引的是同一个错误,引来引去会造出「大家都这么说所以是真的」的假象,所以优先咬一手。
3. 搜不够会自己回去补,搜不到老实说暂缺
搜完它还自检一遍:纵轴能不能讲成完整故事、有没有断层;横轴竞品列全没、有没有漏掉主要玩家;关键结论是不是只靠了单一来源。哪项不达标,它回去补搜,不凑合。实在搜不到的,它老实标「该信息暂缺」,绝不替你编。
研究报告最怕一本正经地胡说,这三道工序就是冲着这个去的。
[图位 2:报告纵轴时间线段落截图]
● ● ●
04 — 别吹太满
这 4 个坑得先知道
我用下来踩到的,直接说给你听。
坑 1:产出是真长,要快结论的会被淹一份 1~3 万字。你要是只想要个一句话结论,它会让你淹在篇幅里,反而帮倒忙。
坑 2:质量全押在联网搜料上对象够热门、英文资料够多,它跑得漂亮;碰上冷门的、或者中文一手资料稀薄的对象,横轴竞品口碑那块会明显发虚。
坑 3:不是开箱即用的 App它是封装在 skill 里的方法,得跑在支持 skill 的环境里,还要你会装 WeasyPrint 这类依赖。完全不碰命令行的同事,上手会有点懵。
坑 4:它给的是研究,不是答案这条最该想清楚。它把材料、脉络、对比都铺到你面前,最后那个拍板的判断还得你自己下。它替你把功课做扎实,替不了你做决定。
● ● ●
05 — 它真能跑出啥
我把那份 AI CRM 报告摊给你看
抽象的能力讲再多,不如一份成品。我用它跑过一份 AI CRM 行业研究,拿这个当样本。
纵轴:从 1993 年 Tom Siebel 创立 Siebel Systems 讲起——「CRM」这个词当年就是这家公司造的;讲它怎么靠 on-premise 软件做到市场份额近一半,又怎么因为太贵太重,把中小企业那半个市场让了出去;再到 1999 年 Salesforce 喊着「软件终结」用 SaaS 把它拍死;一路讲到 2024 下半年 LLM、MCP、Salesforce 和 HubSpot 同周发 agent 平台,三件事压在同一个时间窗,把这个三十年没大变的品类按下重启键。
横轴:把 Salesforce 的 Agentforce、HubSpot 这些主要玩家摆一起,比商业模式、比定价、比落地踩的坑。
交叉洞察(最值钱):它点出赛道正从 system of record 走向 system of action——CRM 从被动存资料的数据库,变成能自己推进销售服务动作的操作层。同时不光讲漂亮话,把另一面也摆出来:七成多公司 CRM 数据准确度不到一半,Klarna 把 700 个客服全换 AI 后又悄悄把人请回来。一面是厂商故事,一面是企业 IT 日常,报告把这条裂缝拉开给你看。
这种东西,你丢一句「帮我分析下 AI CRM」绝对换不来。
[图位 3:报告横轴竞品对比 + 交叉洞察段截图]
● ● ●
06 — 划重点
谁用、什么场景用,才不踩雷
✅ 适合用的人
▎经常做竞品分析、技术选型、行业摸底的人▎做内容、写深度文章,缺上游研究底料的人(我就是)▎跟 AI 协作熟练、愿意为一份扎实报告等十几二十分钟的人
❌ 不适合用的人
▎只想要一句话结论、不愿读长报告的人▎完全不碰命令行、配不了环境的同事▎要的是即时答案、等不了的人
✅ 适合的场景
▎进新赛道前的行业摸底▎选型/采购前的竞品深扒▎写深度内容、做课程案例的前置调研
❌ 不适合的场景
▎临时要个数据、查个概念(杀鸡用牛刀)▎冷门、资料稀薄的对象(巧妇难为无米之炊)
● ● ●
07 — 怎么上手
三步就能跑
第 1 步 装依赖:它要把报告转成 PDF,第一次用跑一行命令就行,之后不用再管。
# 一次性装好 PDF 转换的依赖
pip install weasyprint markdown
> 在 Claude Code / Codex / OpenClaw 等支持 skill 的环境跑
第 2 步 丢对象:把研究对象甩给它,说一句「帮我用横纵分析法研究 XX」就开跑。给得够明确它不废话,直接进流程。
第 3 步 等成品:进去一个名字,出来一份排版好的 PDF(封面、目录、页眉页脚全给你弄好)。联网搜一大轮 + 生成长文,跑一份动辄十几二十分钟,泡杯咖啡的事。
项目地址:
github.com/KKKKhazix/khazix-skills
hv-analysis 在仓库的 `hv-analysis/` 目录下,跟 khazix-writer、neat-freak、aihot 几个 skill 放在一起。
[图位 4:生成好的 PDF 报告目录页]
● ● ●
最后
hv-analysis 不是一个让你惊呼好酷的神器,它是一条让深度研究变得可复制的流水线。
它最大的价值,是把「做一次像样的研究」这件原本很吃个人功力的事,变成你随时能调起来的固定动作。
看完整成品:关注公众号「坐在马桶仰望AI」,留言「横纵分析」,直接发你 AI CRM 那份报告样本。
PS:它不替你做判断,只帮你把功课做扎实——但对要拍板的人来说,扎实的功课,本来就是最稀缺的东西。
黄晨征 ｜ 2026.05.22 ｜ 全文约 3300 字
部分内容由 Atlas AI助手辅助生成
#hv-analysis #横纵分析法 #卡兹克 #深度研究 #竞品分析 #Claude Code Skill #AI 工具 #AI 调研 #开源项目 #坐在马桶仰望AI
