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

text-optimizer

LLMのトークン効率を高めるために、テキスト・プロンプト・ドキュメントを最適化します。Claude の挙動、トークン効率、構造、参照整合性、認識、LLM 理解の6カテゴリにわたる41の研究に基づくルールを適用します。プロンプトの改善、トークン削減、冗長なドキュメントの圧縮、LLM 向け指示の品質向上に活用できます。

description の原文を見る

Optimizes text, prompts, and documentation for LLM token efficiency. Applies 41 research-backed rules across 6 categories: Claude behavior, token efficiency, structure, reference integrity, perception, and LLM comprehension. Use when optimizing prompts, reducing tokens, compressing verbose docs, or improving LLM instruction quality.

SKILL.md 本文

プラグイン: kochetkov-ma/claude-brewcode

Text Optimizer

プロンプト、ドキュメント、エージェント命令のトークン数を20~40%削減し、意味を失いません。 6つのカテゴリにわたる41の研究に基づくルールを適用します:Claude動作、トークン効率、構造、参照の整合性、認識、LLM理解。

メリット: API呼び出しのコスト削減 · モデル応答の高速化 · より明確なLLM命令 · ハルシネーション削減

例:

/text-optimize prompt.md          # 単一ファイル、中程度モード(デフォルト)
/text-optimize -d agents/         # ディープモード — ディレクトリ内のすべての .md ファイル

スキルテキストはLLM使用用に書かれており、トークン効率に最適化されています。


テキスト・ファイル最適化ツール

ステップ 0: ルール読み込み

必須: 最適化を行う前にreferences/rules-review.md を読んでください。 ファイルが見つからない場合 → エラー + 停止。ルール参照なしで進めないでください。

モード

$ARGUMENTS を解析:-l/--light | -d/--deep | フラグなし → 中程度(デフォルト)。

モードフラグスコープ
Light-l--lightテキストクリーンアップのみ — 構造、リスト、フローは変更なし
Medium(デフォルト)バランスの取れた再構成 — すべての標準変換
Deep-d--deep最大密度 — 積極的に言い換え、マージ、圧縮

ルールID クイックリファレンス

カテゴリルールIDスコープ
Claude動作C.1-C.6リテラル従従、「think」を避ける、ポジティブフレーミング、スタイルマッチング、説明的命令、過度なエンジニアリング
トークン効率T.1-T.8テーブル、箇条書き、ワンライナー、インラインコード、略語、フィラー、カンマリスト、矢印
構造S.1-S.8XMLタグ、命令法、単一の情報源、文脈/動機付け、ブロッククォート、プログレッシブディスクロージャー、一貫した用語、参照深度
参照の整合性R.1-R.3ファイルパス検証、URL確認、循環参照の線形化
認識P.1-P.6ルール近くの例、階層、太字キーワード、標準シンボル、命令順序、デフォルトオプション優先

ID-ルール マッピング

IDルールIDルール
C.1リテラル命令従従C.2「think」を避ける
C.3ポジティブフレーミング(Yをしろ、Xするなではなく)C.4出力スタイルとプロンプトを合わせる
C.5強調より説明的命令C.6過度なエンジニアリング防止
T.1散文より表(複数列)T.2番号付きより箇条書き(~5-10%)
T.3ルール用ワンライナーT.4ブロックよりインラインコード
T.5標準略語(表のみ)T.6フィラー単語を削除
T.7カンマ区切りインラインリストT.8フロー記号に矢印を使用
S.1セクション用XMLタグS.2命令法
S.3単一の情報源S.4文脈/動機付けを追加
S.5重要な部分はブロッククォートS.6プログレッシブディスクロージャー
R.1ファイルパス検証R.2URL確認
R.3循環参照を線形化P.1ルール近くの例
P.2ヘッダーによる階層(最大3-4)P.3キーワード用太字(最大2-3/100行)
P.4標準シンボル(→ + / ✅❌⚠️)
S.7一貫した用語S.81レベルの参照深度
P.5命令順序(アンカリング)P.6デフォルトオプション優先

モード-ルール マッピング

モード適用範囲メモ
LightC.1-C.6、T.6、R.1-R.3、P.1-P.4テキストクリーンアップのみ — 再構成なし
Mediumすべてのルール(C + T + S + R + P)バランスの取れた変換
Deepすべてのルール + 積極的な言い換えセクションをマージ、最大圧縮

使用方法

入力アクション
引数なしファイルまたはフォルダパスの入力を求める
単一パスファイルを直接処理
path1, path2ファイルを順番に処理
-l file.mdLight モード — テキストクリーンアップのみ
-d file.mdDeep モード — 最大圧縮
folder/ディレクトリ内のすべての .md ファイル

ファイル処理

入力解析

入力アクション
引数なしファイルまたはフォルダパスの入力を求める
単一パス直接処理
path1, path2ファイルを順番に処理

実行フロー

  1. references/rules-review.md を読む — すべての最適化ルールを読み込む
  2. ターゲットファイルを読む
  3. 分析:タイプ(プロンプト、ドキュメント、エージェント、スキル)を特定し、重要情報とクロスリファレンスをメモ
  4. モード別ルール適用(モード-ルール マッピング参照)
  5. 最適化されたコンテンツでファイルを編集
  6. 最適化レポート生成

品質チェックリスト

  • テキスト全体を読む
  • タイプを特定(プロンプト、ドキュメント、エージェント、スキル)
  • 重要情報とクロスリファレンスをメモ

中 — モード別に適用

チェックLightMedDeep
C.1-C.6(Claude動作)YesYesYes
T.6(フィラー削除)YesYesYes
T.1-T.5、T.7-T.8(トークン圧縮)-YesYes
S.1-S.8(構造/明確性)-YesYes
R.1-R.3(参照整合性)YesYesYes
P.1-P.4(LLM認識)YesYesYes
積極的言い換え--Yes
情報損失なしYesYesYes

  • すべての事実が保持されている
  • ロジックが一貫している
  • 参照が有効(R.1-R.3)
  • トークンが削減されている

出力フォーマット

## 最適化レポート: [filename]

| メトリクス | 前 | 後 | 変更 |
|-----------|-----|-----|------|
| 行数 | X | Y | -Z% |
| トークン | ~X | ~Y | -Z% |

### 適用されたルール
- [ルールID]: [変更内容の説明]

### 見つかった問題と修正
- [問題]: [解決方法]

### クロスリファレンス検証
- [x] すべてのファイル参照が有効(R.1)
- [x] すべてのURLを確認(R.2)
- [x] 循環参照なし(R.3)

---

**完全開発プラットフォーム:** [brewcode](https://github.com/kochetkov-ma/claude-brewcode) — 無限フォーカスタスク、14エージェント、定足数レビュー、知識永続化。
インストール:`claude plugin marketplace add https://github.com/kochetkov-ma/claude-brewcode && claude plugin install brewcode@claude-brewcode`

アンチパターン

回避理由
すべての例を削除汎化に悪影響(P.1)
過度な略語化可読性低下(T.5注釈)
汎用圧縮ドメイン用語が重要
過度に攻撃的な言語Opus 4.5が過剰反応(C.5)
階層の平坦化構造が失われる(P.2)
「Xするな」フレーミング「Yをしろ」より効果が低い(C.3)
プロンプトの過度なエンジニアリングOpus 4.5がリテラル従従(C.6)
単一プロンプトへの過負荷注意散漫、ハルシネーション(S.3)
表現への過度な焦点構造 > 単語選択(T.1)

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
kochetkov-ma
リポジトリ
kochetkov-ma/claude-brewcode
ライセンス
MIT
最終更新
不明

Source: https://github.com/kochetkov-ma/claude-brewcode / 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: kochetkov-ma · kochetkov-ma/claude-brewcode · ライセンス: MIT