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

generate-custom-instructions-from-codebase

GitHub Copilot向けの移行・コード進化手順ジェネレーターです。2つのプロジェクトバージョン(ブランチ、コミット、リリース)間の差分を解析し、技術移行・大規模リファクタリング・フレームワークバージョンアップグレード時にCopilotが一貫性を保てるよう、精度の高い指示を自動生成します。

description の原文を見る

Migration and code evolution instructions generator for GitHub Copilot. Analyzes differences between two project versions (branches, commits, or releases) to create precise instructions allowing Copilot to maintain consistency during technology migrations, major refactoring, or framework version upgrades.

SKILL.md 本文

マイグレーションおよびコード進化命令生成ツール

設定変数

${MIGRATION_TYPE="Framework Version|Architecture Refactoring|Technology Migration|Dependencies Update|Pattern Changes"}
<!-- マイグレーションまたは進化のタイプ -->

${SOURCE_REFERENCE="branch|commit|tag"}
<!-- ソース参照ポイント(変更前の状態) -->

${TARGET_REFERENCE="branch|commit|tag"}  
<!-- ターゲット参照ポイント(変更後の状態) -->

${ANALYSIS_SCOPE="Entire project|Specific folder|Modified files only"}
<!-- 分析範囲 -->

${CHANGE_FOCUS="Breaking Changes|New Conventions|Obsolete Patterns|API Changes|Configuration"}
<!-- 変更の主な側面 -->

${AUTOMATION_LEVEL="Conservative|Balanced|Aggressive"}
<!-- Copilotの提案に対するオートメーションレベル -->

${GENERATE_EXAMPLES="true|false"}
<!-- 変換例を含めるかどうか -->

${VALIDATION_REQUIRED="true|false"}
<!-- 適用前に検証が必要かどうか -->

生成されたプロンプト

"2つのプロジェクト状態間のコード進化を分析し、GitHub Copilot用の正確なマイグレーション命令を生成します。これらの命令は、将来の変更時に同じ変換パターンを自動的に適用するようCopilotをガイドします。以下の方法論に従ってください:

### フェーズ1:比較状態分析

#### 構造的変更の検出
- ${SOURCE_REFERENCE}と${TARGET_REFERENCE}間のフォルダ構造を比較
- 移動、リネーム、または削除されたファイルを識別
- 設定ファイルの変更を分析
- 新しい依存関係と削除された依存関係を文書化

#### コード変換分析
${MIGRATION_TYPE == "Framework Version" ? 
  "- フレームワークバージョン間のAPI変更を識別
   - 使用されている新機能を分析
   - 廃止されたメソッド/プロパティを文書化
   - 構文または規約の変更を記録" : ""}

${MIGRATION_TYPE == "Architecture Refactoring" ? 
  "- アーキテクチャパターンの変更を分析
   - 導入された新しい抽象化を識別
   - 責務の再編成を文書化
   - データフローの変更を記録" : ""}

${MIGRATION_TYPE == "Technology Migration" ? 
  "- 1つのテクノロジーから別のテクノロジーへの置き換えを分析
   - 機能的同等性を識別
   - APIおよび構文の変更を文書化
   - 新しい依存関係と設定を記録" : ""}

#### 変換パターンの抽出
- 適用された反復的な変換を識別
- 古い形式から新しい形式への変換規則を分析
- 例外と特殊なケースを文書化
- 変更前/変更後の対応マトリックスを作成

### フェーズ2:マイグレーション命令生成

以下の構造を持つ`.github/copilot-migration-instructions.md`ファイルを作成します:

\`\`\`markdown
# GitHub Copilotマイグレーション命令

## マイグレーションコンテキスト
- **タイプ**: ${MIGRATION_TYPE}
- **元のバージョン**: ${SOURCE_REFERENCE} 
- **ターゲットバージョン**: ${TARGET_REFERENCE}
- **日付**: [GENERATION_DATE]
- **範囲**: ${ANALYSIS_SCOPE}

## 自動変換ルール

### 1. 必須変換
${AUTOMATION_LEVEL != "Conservative" ? 
  "[AUTOMATIC_TRANSFORMATION_RULES]
   - **古いパターン**: [OLD_CODE]
   - **新しいパターン**: [NEW_CODE]
   - **トリガー**: このパターンを検出する時期
   - **アクション**: 自動的に適用する変換" : ""}

### 2. 検証が必要な変換
${VALIDATION_REQUIRED == "true" ? 
  "[TRANSFORMATIONS_WITH_VALIDATION]
   - **検出されたパターン**: [DESCRIPTION]
   - **提案される変換**: [NEW_APPROACH]
   - **必要な検証**: [VALIDATION_CRITERIA]
   - **代替案**: [ALTERNATIVE_OPTIONS]" : ""}

### 3. API対応表
${CHANGE_FOCUS == "API Changes" || MIGRATION_TYPE == "Framework Version" ? 
  "[API_CORRESPONDENCE_TABLE]
   | 古いAPI | 新しいAPI | 注記 | 例 |
   | --------- | --------- | --------- | -------------- |
   | [OLD_API] | [NEW_API] | [CHANGES] | [CODE_EXAMPLE] | " : ""} |

### 4. 採用する新しいパターン
[DETECTED_EMERGING_PATTERNS]
- **パターン**: [PATTERN_NAME]
- **使用法**: [WHEN_TO_USE] 
- **実装**: [HOW_TO_IMPLEMENT]
- **メリット**: [ADVANTAGES]

### 5. 避けるべき廃止パターン
[DETECTED_OBSOLETE_PATTERNS]
- **廃止パターン**: [OLD_PATTERN]
- **回避理由**: [REASONS]
- **代替案**: [NEW_PATTERN]
- **マイグレーション**: [CONVERSION_STEPS]

## ファイルタイプ別命令

${GENERATE_EXAMPLES == "true" ? 
  "### 設定ファイル
   [CONFIG_TRANSFORMATION_EXAMPLES]
   
   ### メインソースファイル
   [SOURCE_TRANSFORMATION_EXAMPLES]
   
   ### テストファイル
   [TEST_TRANSFORMATION_EXAMPLES]" : ""}

## 検証とセキュリティ

### 自動チェックポイント
- 各変換後に実行する検証
- 変更を検証するために実行するテスト
- 監視するパフォーマンス指標
- 実行する互換性チェック

### 手動エスカレーション
人間の介入が必要な状況:
- [COMPLEX_CASES_LIST]
- [ARCHITECTURAL_DECISIONS]
- [BUSINESS_IMPACTS]

## マイグレーション監視

### 追跡指標
- 自動的にマイグレーションされたコードのパーセンテージ
- 必要な手動検証の数
- 自動変換のエラー率
- ファイルあたりの平均マイグレーション時間

### エラー報告
Copilotへの誤った変換の報告方法:
- ルール改善のためのフィードバックパターン
- 文書化する例外
- 命令に対する調整

\`\`\`

### フェーズ3:コンテキスト例の生成

${GENERATE_EXAMPLES == "true" ? 
  "#### 変換例
   識別された各パターンについて、以下を生成します:
   
   \`\`\`
   // 変更前(${SOURCE_REFERENCE})
   [OLD_CODE_EXAMPLE]
   
   // 変更後(${TARGET_REFERENCE})
   [NEW_CODE_EXAMPLE]
   
   // COPILOT命令
   このパターン[TRIGGER]を見たとき、以下の手順に従って[NEW_PATTERN]に変換します:[STEPS]
   \`\`\`" : ""}

### フェーズ4:検証と最適化

#### 命令のテスト
- テストコードに命令を適用
- 変換の一貫性を検証
- 結果に基づいてルールを調整
- 例外とエッジケースを文書化

#### 反復的な最適化  
${AUTOMATION_LEVEL == "Aggressive" ? 
  "- オートメーションを最大化するようにルールを絞り込み
   - 検出の誤検知を削減
   - 変換精度を改善
   - 学習した教訓を文書化" : ""}

### 最終結果

GitHub Copilotが以下を実現できるようにするマイグレーション命令:
1. **将来の変更時に**同じ変換を自動的に適用
2. **新しく採用された規約との**一貫性を維持  
3. **廃止されたパターンを回避**し、自動的に代替案を提案
4. **取得した経験を活かして**将来のマイグレーションを加速
5. **反復的な変換を自動化して**エラーを削減

これらの命令は、Copilotをインテリジェントなマイグレーションアシスタントに変え、あなたのテクノロジー進化の決定を一貫して確実に再現することができます。
"

典型的なユースケース

フレームワークバージョンマイグレーション

Angular 14からAngular 17、ReactクラスコンポーネントからHooks、.NET FrameworkからNET Coreへの移行を文書化するのに最適です。破壊的な変更を自動的に識別し、対応する変換規則を生成します。

テクノロジースタックの進化

jQueryからReact、RESTからGraphQL、SQLからNoSQLへのような、テクノロジーの完全な置き換え時に必須です。パターンマッピング付きの包括的なマイグレーションガイドを作成します。

アーキテクチャのリファクタリング

モノリスからマイクロサービスへ、MVCからクリーンアーキテクチャへ、ComponentからComposable Architectureへなど、大規模なリファクタリングに最適です。アーキテクチャの知識を保持し、将来の同様の変換に活かします。

デザインパターンの現代化

リポジトリパターン、依存性注入、Observerからリアクティブプログラミングへの採用など、新しいパターンの導入に有用です。根拠と実装の違いを文書化します。

ユニークなメリット

🧠 人工知能の強化

従来のマイグレーションドキュメントとは異なり、これらの命令は将来のコード変更時にあなたのテクノロジー進化の決定を自動的に再現するようにGitHub Copilotを「トレーニング」します。

🔄 知識の資産化

特定のプロジェクト経験を再利用可能なルールに変換し、マイグレーション専門知識の喪失を回避し、同様の将来のマイグレーションを加速します。

🎯 コンテキスト対応の精度

一般的なアドバイスではなく、プロジェクトの進化から得た実際の変更前/変更後の例を含む、あなたの特定のコードベースに合わせた命令を生成します。

自動化された一貫性

新しいコードの追加が自動的に新しい規約に従い、アーキテクチャの逆戻りを防ぎ、コード進化の一貫性を維持することを保証します。

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