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

suggest-awesome-github-copilot-instructions

現在のリポジトリのコンテキストとチャット履歴をもとに、awesome-copilotリポジトリから適切なGitHub Copilot instructionファイルを提案します。既存のinstructionとの重複を避けながら、更新が必要な古いinstructionも検出します。

description の原文を見る

Suggest relevant GitHub Copilot instruction files from the awesome-copilot repository based on current repository context and chat history, avoiding duplicates with existing instructions in this repository, and identifying outdated instructions that need updates.

SKILL.md 本文

Awesome GitHub Copilot Instructions の提案

現在のリポジトリコンテキストを分析し、このリポジトリにまだ存在しない GitHub awesome-copilot リポジトリ の関連する copilot-instruction ファイルを提案します。

プロセス

  1. 利用可能なInstructionsを取得: awesome-copilot README.instructions.md から instruction リストと説明を抽出します。#fetch ツールを使用する必要があります。
  2. ローカルInstructionsをスキャン: .github/instructions/ フォルダ内の既存 instruction ファイルを検出します
  3. 説明を抽出: ローカル instruction ファイルから front matter を読み込み、説明と applyTo パターンを取得します
  4. リモートバージョンを取得: ローカルの各 instruction について、awesome-copilot リポジトリから対応するバージョンを raw GitHub URL で取得します(例: https://raw.githubusercontent.com/github/awesome-copilot/main/instructions/<filename>
  5. バージョンを比較: ローカル instruction コンテンツをリモートバージョンと比較して以下を識別します:
    • 最新の instruction(完全一致)
    • 古い instruction(コンテンツが異なる)
    • 古い instruction での主要な違い(説明、applyTo パターン、コンテンツ)
  6. コンテキストを分析: チャット履歴、リポジトリファイル、現在のプロジェクトニーズを確認します
  7. 既存をチェック: このリポジトリに既に存在する instruction を確認します
  8. 関連性をマッチング: 利用可能な instruction を識別されたパターンと要件に対して比較します
  9. オプションを提示: 説明、根拠、利用可能状態を含む関連 instruction を古い instruction も含めて表示します
  10. 検証: 提案された instruction がこのリポジトリに既に存在するものではカバーされていない価値を追加することを確認します
  11. 出力: 提案、説明、awesome-copilot instruction と同等のローカル instruction の両方へのリンクを含む構造化テーブルを提供します AWAIT 特定の instruction のインストールまたは更新をユーザーがリクエストするまで待機します。指示がない限りインストールまたは更新を実行しないでください。
  12. アセットをダウンロード/更新: リクエストされた instruction に対して、自動的に:
    • 新しい instruction を .github/instructions/ フォルダにダウンロードします
    • 古い instruction を awesome-copilot から最新バージョンに置き換えて更新します
    • ファイルのコンテンツは調整しません
    • #fetch ツールを使用してアセットをダウンロードしますが、すべてのコンテンツが取得されることを確認するため #runInTerminal ツールで curl を使用することもできます
    • #todos ツールを使用して進捗を追跡します

コンテキスト分析基準

🔍 リポジトリパターン:

  • 使用されているプログラミング言語(.cs、.js、.py、.ts など)
  • フレームワークのインジケーター(ASP.NET、React、Azure、Next.js など)
  • プロジェクトタイプ(Web アプリ、API、ライブラリ、ツール)
  • 開発ワークフロー要件(テスト、CI/CD、デプロイメント)

🗨️ チャット履歴コンテキスト:

  • 最近の討論と課題
  • 技術固有の質問
  • コード規約の討論
  • 開発ワークフロー要件

出力形式

awesome-copilot instruction と既存のリポジトリ instruction を比較する構造化テーブルで分析結果を表示します:

Awesome-Copilot InstructionDescriptionAlready InstalledSimilar Local InstructionSuggestion Rationale
blazor.instructions.mdBlazor 開発ガイドライン✅ Yesblazor.instructions.md既存の Blazor instruction でカバー済み
reactjs.instructions.mdReactJS 開発標準❌ NoNone確立されたパターンで React 開発を強化します
java.instructions.mdJava 開発ベストプラクティス⚠️ Outdatedjava.instructions.mdapplyTo パターンが異なる: リモートは '**/*.java' 、ローカルは '*.java' - 更新を推奨

ローカルInstructions検出プロセス

  1. instructions/ ディレクトリ内のすべての *.instructions.md ファイルを一覧表示します
  2. 検出された各ファイルについて、front matter を読み込み descriptionapplyTo パターンを抽出します
  3. 既存 instruction とその適用可能ファイルパターンの包括的なインベントリを構築します
  4. このインベントリを使用して重複提案を回避します

バージョン比較プロセス

  1. 各ローカル instruction ファイルについて、リモートバージョンを取得するための raw GitHub URL を構築します:
    • パターン: https://raw.githubusercontent.com/github/awesome-copilot/main/instructions/<filename>
  2. #fetch ツールを使用してリモートバージョンを取得します
  3. ファイル全体のコンテンツ(front matter と本文を含む)を比較します
  4. 具体的な違いを特定します:
    • Front matter の変更(説明、applyTo パターン)
    • コンテンツの更新(ガイドライン、例、ベストプラクティス)
  5. 古い instruction の主要な違いを記録します
  6. 更新が必要かどうかを判断するために類似性を計算します

ファイル構造要件

GitHub ドキュメントに基づいて、copilot-instructions ファイルは以下である必要があります:

  • リポジトリ全体の instruction: .github/copilot-instructions.md(リポジトリ全体に適用)
  • パス固有の instruction: .github/instructions/NAME.instructions.md(front matter の applyTo を経由して特定のファイルパターンに適用)
  • コミュニティ instruction: instructions/NAME.instructions.md(共有と配布用)

Front Matter 構造

awesome-copilot の instruction ファイルは以下の front matter 形式を使用します:

---
description: 'この instruction が提供する内容の簡潔な説明'
applyTo: '**/*.js,**/*.ts' # オプション: ファイルマッチング用のglobパターン
---

要件

  • githubRepo ツールを使用して awesome-copilot リポジトリ instruction フォルダからコンテンツを取得します
  • .github/instructions/ ディレクトリ内の既存 instruction のためにローカルファイルシステムをスキャンします
  • ローカル instruction ファイルから YAML front matter を読み込み、説明と applyTo パターンを抽出します
  • ローカル instruction をリモートバージョンと比較して古い instruction を検出します
  • このリポジトリの既存 instruction と比較して重複を回避します
  • 現在の instruction ライブラリカバレッジのギャップに焦点を当てます
  • 提案された instruction がリポジトリの目的と標準と適合することを検証します
  • 各提案に明確な根拠を提供します
  • awesome-copilot instruction と同等のローカル instruction の両方へのリンクを含めます
  • 古い instruction を明確に特定し、特定の違いを記述します
  • テクノロジースタックの互換性とプロジェクト固有のニーズを考慮します
  • テーブルと分析以外の追加情報またはコンテキストは提供しません

アイコン リファレンス

  • ✅ インストール済みかつ最新版
  • ⚠️ インストール済みだが古い版(更新利用可能)
  • ❌ リポジトリにインストールされていない

更新処理

古い instruction が特定された場合:

  1. 出力テーブルに ⚠️ ステータスで含めます
  2. 「Suggestion Rationale」列に具体的な違いを記述します
  3. 主要な変更が記述された更新の推奨を提供します
  4. ユーザーが更新をリクエストしたときは、ローカルファイル全体をリモートバージョンに置き換えます
  5. ファイルロケーションを .github/instructions/ ディレクトリに保持します

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