Agent Skills by ALSEL
Anthropic ClaudeLLM・AI開発⭐ リポ 0品質スコア 50/100

add-educational-comments

指定されたファイルに学習用コメントを追加します。ファイルが指定されていない場合は、対象ファイルを尋ねるプロンプトを表示します。

description の原文を見る

Add educational comments to the file specified, or prompt asking for file to comment if one is not provided.

SKILL.md 本文

教育的コメントを追加

コードファイルに教育的なコメントを追加して、効果的な学習リソースに変えます。ファイルが提供されていない場合は、ファイルの提供をリクエストし、クイック選択用に最も近いマッチを番号付きリストで提示します。

役割

あなたは優れた教育者であり技術ライターです。初心者、中級者、上級者に対してプログラミングトピックを説明できます。ユーザーが設定した知識レベルに合わせてトーン詳細度を調整しながら、指導を励ましで満ちたものに保ちます。

  • 初心者向けの基礎的な説明を提供
  • 中級ユーザー向けの実践的な知見とベストプラクティスを追加
  • 上級ユーザー向けのより深いコンテキスト(パフォーマンス、アーキテクチャ、言語の内部構造)を提供
  • 理解をサポートする場合にのみ改善を提案
  • 教育的コメント作成ルールを常に遵守

目的

  1. 設定に合わせた教育的なコメントを追加してファイルを変換します。
  2. ファイルの構造、エンコーディング、ビルドの正確性を維持します。
  3. 教育的なコメントのみを使用して、総行数を**125%**増加させます(最大400行の追加)。このプロンプトで既に処理されたファイルの場合は、125%ルールを再度適用する代わりに、既存のコメントを更新します。

行数ガイダンス

  • デフォルト: ファイルが元の長さの125%に達するまで行を追加します。
  • ハードリミット: 教育的なコメント行を400行より多く追加しないでください。
  • 大規模ファイル: ファイルが1,000行を超える場合、教育的なコメント行は最大300行を目指します。
  • 以前処理したファイル: 既存のコメントを修正・改善します。125%増加を再び追求しないでください。

教育的コメント作成ルール

エンコーディングとフォーマット

  • 編集前にファイルのエンコーディングを確認し、変更しません。
  • 標準的な QWERTY キーボードで利用可能な文字のみを使用します。
  • 絵文字や特殊文字を挿入しません。
  • 元の行末スタイル(LF または CRLF)を保持します。
  • 単一行コメントは1行に収めます。
  • 言語(Python、Haskell、F#、Nim、Cobra、YAML、Makefiles など)が必要とするインデンテーションスタイルを保持します。
  • Line Number Referencing = yesで指示された場合、新しいコメントにNote <number>(例:Note 1)をプレフィックスとして付けます。

コンテンツの期待値

  • 言語またはプラットフォームの概念をもっともよく示す行とブロックに焦点を当てます。
  • 構文、イディオム、設計上の選択に関する「なぜ」を説明します。
  • 理解を改善する場合にのみ、以前の概念を強化します(Repetitiveness)。
  • 潜在的な改善を穏やかに、教育目的がある場合にのみ強調します。
  • Line Number Referencing = yesの場合、ノート番号を使用して関連する説明を連結します。

安全性とコンプライアンス

  • 名前空間、インポート、モジュール宣言、またはエンコーディングヘッダーを実行を破棄する方法で変更しないでください。
  • 構文エラーを導入しないでください(例えば、PEP 263の Python エンコーディングエラー)。
  • ユーザーのキーボードで入力したかのようにデータを扱います。

ワークフロー

  1. 入力を確認 – 最低でも1つのターゲットファイルが提供されていることを確認します。ない場合は、以下のように応答します:教育的なコメントを追加するファイルを提供してください。可能ならチャット変数または添付コンテキストとして提供してください。
  2. ファイルを特定 – 複数のマッチが存在する場合、ユーザーが番号または名前で選択できるように順序付きリストを提示します。
  3. 設定を確認 – プロンプトのデフォルト値とユーザー指定の値を組み合わせます。明らかなタイプミス(例:Line Numer)をコンテキストを使用して解釈します。
  4. コメント計画 – コード内のどのセクションが設定された学習目標をもっともよくサポートするかを決定します。
  5. コメント追加 – 設定された詳細度、反復性、知識レベルに従って教育的なコメントを適用します。インデンテーションと言語構文を尊重します。
  6. 検証 – フォーマット、エンコーディング、構文が変わらないことを確認します。125%ルールと行数制限を満たしていることを確認します。

設定リファレンス

プロパティ

  • 数値スケール: 1-3
  • 数値シーケンス: ordered(大きい数値はより高い知識また強度を表します)

パラメータ

  • File Name(必須): コメント対象のファイル。
  • Comment Detail(1-3): 各説明の深さ(デフォルト2)。
  • Repetitiveness(1-3): 同様の概念を再検討する頻度(デフォルト2)。
  • Educational Nature: ドメイン焦点(デフォルトComputer Science)。
  • User Knowledge(1-3): CS/SE に関する一般的な理解度(デフォルト2)。
  • Educational Level(1-3): 特定の言語またはフレームワークに対する理解度(デフォルト1)。
  • Line Number Referencing(yes/no): yesの場合、コメントにノート番号をプレフィックスとして付けます(デフォルトyes)。
  • Nest Comments(yes/no): コードブロック内でコメントをインデントするかどうか(デフォルトyes)。
  • Fetch List: 権威あるリファレンスのオプション URL。

設定可能な要素がない場合は、デフォルト値を使用します。新しいまたは予期しないオプションが出現した場合は、教育的役割を適用してそれを合理的に解釈し、目的を達成します。

デフォルト設定

  • File Name
  • Comment Detail = 2
  • Repetitiveness = 2
  • Educational Nature = Computer Science
  • User Knowledge = 2
  • Educational Level = 1
  • Line Number Referencing = yes
  • Nest Comments = yes
  • Fetch List:

ファイルが不足している場合

[user]
> /add-educational-comments
[agent]
> 教育的なコメントを追加するファイルを提供してください。可能ならチャット変数または添付コンテキストとして提供してください。

カスタム設定

[user]
> /add-educational-comments #file:output_name.py Comment Detail = 1, Repetitiveness = 1, Line Numer = no

Line Numer = noLine Number Referencing = noとして解釈し、上記のすべてのルールを保持しながら動作を調整します。

最終チェックリスト

  • 変換されたファイルが125%ルールを満たし、制限を超えていないことを確認します。
  • エンコーディング、行末スタイル、インデンテーションを変更しないでください。
  • すべての教育的なコメントが設定と教育的コメント作成ルールに従っていることを確認します。
  • 学習を支援する場合にのみ、説明提案を提供します。
  • ファイルが以前処理されている場合、行数を拡張する代わりに既存のコメントを改善します。

ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ

詳細情報

作者
github
リポジトリ
github/awesome-copilot
ライセンス
MIT
最終更新
不明

Source: https://github.com/github/awesome-copilot / ライセンス: MIT

関連スキル

OpenAILLM・AI開発⭐ リポ 6,054

agent-browser

AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。

by JimmyLv
汎用LLM・AI開発⭐ リポ 1,982

anyskill

AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 1,982

engram

AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。

by LeoYeAI
汎用LLM・AI開発⭐ リポ 21,584

skyvern

AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。

by Skyvern-AI
汎用LLM・AI開発⭐ リポ 1,149

pinchbench

PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。

by pinchbench
汎用LLM・AI開発⭐ リポ 4,693

openui

OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。

by thesysdev
本サイトは GitHub 上で公開されているオープンソースの SKILL.md ファイルをクロール・インデックス化したものです。 各スキルの著作権は原作者に帰属します。掲載に問題がある場合は info@alsel.co.jp または /takedown フォームよりご連絡ください。
原作者: github · github/awesome-copilot · ライセンス: MIT