suggest-awesome-github-copilot-skills
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リポジトリから関連するGitHub Copilotスキルを提案し、既存スキルとの重複を避けながら、更新が必要な古いスキルも特定します。
description の原文を見る
Suggest relevant GitHub Copilot skills from the awesome-copilot repository based on current repository context and chat history, avoiding duplicates with existing skills in this repository, and identifying outdated skills that need updates.
SKILL.md 本文
Awesome GitHub Copilot Skills の提案
現在のリポジトリコンテキストを分析し、GitHub awesome-copilot リポジトリから、このリポジトリでまだ利用できない関連する Agent Skills を提案します。Agent Skills は、awesome-copilot リポジトリの skills フォルダ内に配置された自己完結型のフォルダであり、各フォルダには指示とオプションのバンドルアセットを含む SKILL.md ファイルが含まれています。
プロセス
- 利用可能なスキルの取得: awesome-copilot README.skills.md からスキル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。 - ローカルスキルのスキャン:
.github/skills/フォルダ内の既存スキルフォルダを検出 - 説明の抽出: ローカルの
SKILL.mdファイルから front matter を読み取ってnameとdescriptionを取得 - リモートバージョンの取得: 各ローカルスキルについて、raw GitHub URL を使用して awesome-copilot リポジトリから対応する
SKILL.mdを取得します(例:https://raw.githubusercontent.com/github/awesome-copilot/main/skills/<skill-name>/SKILL.md) - バージョン比較: ローカルスキルコンテンツをリモートバージョンと比較して、以下を特定します:
- 最新のスキル(完全一致)
- 古いスキル(コンテンツが異なる)
- 古いスキルの主な違い(説明、指示、バンドルアセット)
- コンテキスト分析: チャット履歴、リポジトリファイル、および現在のプロジェクトニーズを確認
- 既存スキルの比較: このリポジトリで既に利用可能なスキルと照合
- 関連性の一致: 利用可能なスキルを識別されたパターンと要件と比較
- オプションの提示: 関連するスキルを説明、理由、可用性ステータス(古いスキルを含む)と共に表示
- 検証: 提案されたスキルが、既存スキルではまだカバーされていない価値を追加することを確認
- 出力: 提案、説明、および awesome-copilot スキルとローカルスキルの両方へのリンクを含む構造化テーブルを提供します。ユーザーの特定のスキルのインストールまたは更新の要求を待機します。指示されない限り、インストール または更新を実行しないでください。
- アセットのダウンロード/更新: 要求されたスキルについては、自動的に以下を実行します:
- 新しいスキルを
.github/skills/フォルダにダウンロードし、フォルダ構造を保持します - awesome-copilot から最新バージョンに置き換えることで、古いスキルを更新します
SKILL.mdとバンドルアセット(スクリプト、テンプレート、データファイル)の両方をダウンロードします- ファイルの内容を調整しません
#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に#runInTerminalツールでcurlを使用することができます#todosツールを使用して進捗を追跡します
- 新しいスキルを
コンテキスト分析の基準
🔍 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)
- フレームワークの指標(ASP.NET、React、Azure、Next.js など)
- プロジェクトタイプ(Web アプリケーション、API、ライブラリ、ツール、インフラストラクチャ)
- 開発ワークフロー要件(テスト、CI/CD、デプロイメント)
- インフラストラクチャとクラウドプロバイダー(Azure、AWS、GCP)
🗨️ チャット履歴コンテキスト:
- 最近のディスカッションと課題
- 機能要求または実装ニーズ
- コードレビューパターン
- 開発ワークフロー要件
- 特殊なタスクニーズ(図作成、評価、デプロイメント)
出力形式
awesome-copilot スキルとリポジトリの既存スキル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 スキル | 説明 | バンドルアセット | インストール済み | 類似ローカルスキル | 提案理由 |
|---|---|---|---|---|---|
| gh-cli | リポジトリとワークフローを管理するための GitHub CLI スキル | なし | ❌ いいえ | なし | GitHub ワークフロー自動化機能を強化します |
| aspire | 分散アプリケーション開発のための Aspire スキル | 9個の参照ファイル | ✅ はい | aspire | 既存の Aspire スキルでカバーされています |
| terraform-azurerm-set-diff-analyzer | Terraform AzureRM プロバイダーの変更を分析 | 参照ファイル | ⚠️ 古い | terraform-azurerm-set-diff-analyzer | 新しい検証パターンで指示が更新されました - 更新を推奨 |
ローカルスキル検出プロセス
.github/skills/ディレクトリ内のすべてのフォルダをリスト- 各フォルダについて、
SKILL.mdfront matter を読み取ってnameとdescriptionを抽出 - 各スキルフォルダ内のバンドルアセットをリスト
- 機能を備えた既存スキルの包括的なインベントリを構築
- このインベントリを使用して、重複した提案を回避
バージョン比較プロセス
- 各ローカルスキルフォルダについて、リモート
SKILL.md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/skills/<skill-name>/SKILL.md
- パターン:
#fetchツールを使用してリモートバージョンを取得- ファイルコンテンツ全体(front matter と本文を含む)を比較
- 特定の違いを特定します:
- Front matter の変更(name、description)
- 指示の更新(ガイドライン、例、ベストプラクティス)
- バンドルアセットの変更(新規、削除、または変更されたアセット)
- 古いスキルの主な違いを文書化
- 更新が必要かどうかを判断する類似度を計算
スキル構造要件
Agent Skills 仕様に基づいて、各スキルは以下を含むフォルダです:
SKILL.md: front matter(name、description)と詳細な指示を含むメイン指示ファイル- オプションのバンドルアセット: スクリプト、テンプレート、参照データ、および
SKILL.mdから参照されるその他のファイル - フォルダ命名: 小文字とハイフン(例:
azure-deployment-preflight) - 名前の一致:
SKILL.mdfront matter のnameフィールドはフォルダ名と一致する必要があります
Front Matter 構造
awesome-copilot のスキルは SKILL.md で以下の front matter 形式を使用します:
---
name: 'skill-name'
description: 'Brief description of what this skill provides and when to use it'
---
要件
fetchツールを使用して awesome-copilot リポジトリスキルドキュメンテーションからコンテンツを取得githubRepoツールを使用して個別スキルコンテンツをダウンロード用に取得- ローカルファイルシステムをスキャンして
.github/skills/ディレクトリ内の既存スキルを検出 - ローカル
SKILL.mdファイルから YAML front matter を読み取って名前と説明を抽出 - ローカルスキルをリモートバージョンと比較して古いスキルを検出
- このリポジトリの既存スキルと比較して重複を回避
- 現在のスキルライブラリカバレッジのギャップに焦点
- 提案されたスキルがリポジトリの目的とテクノロジースタックと一致することを検証
- 各提案について明確な理由を提供
- awesome-copilot スキルと類似するローカルスキルの両方へのリンクを含める
- 古いスキルを明確に識別し、特定の違いを記録
- バンドルアセット要件と互換性を検討
- テーブルと分析を超える追加情報またはコンテキストを提供しません
アイコンリファレンス
- ✅ インストール済みで最新
- ⚠️ インストール済みだが古い(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
古いスキルが特定された場合:
- ⚠️ ステータスで出力テーブルに含める
- 「提案理由」列に特定の違いを文書化
- 主な変更を記録して更新を推奨
- ユーザーが更新をリクエストすると、ローカルスキルフォルダ全体をリモートバージョンに置き換える
.github/skills/ディレクトリのフォルダの位置を保持- 更新された
SKILL.mdと共に、すべてのバンドルアセットがダウンロードされることを確認
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
- 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
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。
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。
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。
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。
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。
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。