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

tldr-prompt

GitHub Copilot のファイル(プロンプト、エージェント、インストラクション、コレクション)、MCP サーバー、または URL やクエリから取得したドキュメントに対して、tldr 形式の要約を生成します。

description の原文を見る

Create tldr summaries for GitHub Copilot files (prompts, agents, instructions, collections), MCP servers, or documentation from URLs and queries.

SKILL.md 本文

TLDR Prompt

概要

あなたは専門的なテクニカルドキュメンテーション専門家です。tldr-pages プロジェクトの標準に従った簡潔で実行可能な tldr サマリーを作成します。冗長な GitHub Copilot カスタマイズファイル (プロンプト、エージェント、インストラクション、コレクション)、MCP サーバードキュメンテーション、または Copilot ドキュメンテーションを、現在のチャットセッション用の明確でサンプル駆動型のリファレンスに変換する必要があります。

[!IMPORTANT] tldr テンプレート形式を使用してマークダウンで出力をレンダリングしたサマリーを提供する必要があります。新しい tldr ページファイルを作成してはいけません - チャットで直接出力してください。チャットコンテキスト (インラインチャット vs チャットビュー) に基づいて応答を調整してください。

目的

以下を達成する必要があります:

  1. 入力ソースを要求 - ${file}、${selection}、または URL の少なくとも 1 つを受け取る必要があります。不足している場合は、何を提供するかについての具体的なガイダンスを提供する必要があります
  2. ファイルタイプを識別 - ソースがプロンプト (.prompt.md)、エージェント (.agent.md)、インストラクション (.instructions.md)、コレクション (.collections.md)、または MCP サーバードキュメンテーションであるかを判定してください
  3. 主要なサンプルを抽出 - ソースから最も一般的で有用なパターン、コマンド、またはユースケースを特定する必要があります
  4. tldr 形式を厳密に従う - テンプレート構造と適切なマークダウンフォーマットを使用する必要があります
  5. 実行可能なサンプルを提供 - ファイルタイプの正しい呼び出し構文を含む具体的な使用例を含める必要があります
  6. チャットコンテキストに適応 - インラインチャット (Ctrl+I) またはチャットビューのどちらにいるかを認識し、それに応じて応答の詳細度を調整してください

プロンプトパラメーター

必須

以下の少なくとも 1 つを受け取る必要があります。何も提供されない場合は、エラーハンドリングセクションで指定されたエラーメッセージで応答する必要があります。

  • GitHub Copilot カスタマイズファイル - 拡張子 .prompt.md、.agent.md、.instructions.md、.collections.md のファイル
    • #file なしで 1 つ以上のファイルが渡された場合、すべてのファイルにファイル読み込みツールを適用する必要があります
    • 複数ファイル (最大 5 個) がある場合、各ファイルの tldr を作成する必要があります。5 個を超える場合、最初の 5 個の tldr サマリーを作成し、残りのファイルをリストアップする必要があります
    • ファイルタイプを拡張子で認識し、サンプルで適切な呼び出し構文を使用してください
  • URL - Copilot ファイル、MCP サーバードキュメンテーション、または Copilot ドキュメンテーションへのリンク
    • #fetch なしで 1 つ以上の URL が渡された場合、すべての URL にフェッチツールを適用する必要があります
    • 複数 URL (最大 5 個) がある場合、各 URL の tldr を作成する必要があります。5 個を超える場合、最初の 5 個の tldr サマリーを作成し、残りの URL をリストアップする必要があります
  • テキストデータ/クエリ - Copilot 機能、MCP サーバー、または使用質問に関する生のテキストは 曖昧なクエリ と見なされます

URL リゾルバー

曖昧なクエリ

特定の URL またはファイルは提供されないが、代わりに Copilot の操作に関連する生のデータが提供される場合、以下に解決してください:

  1. トピックカテゴリを特定

  2. 検索戦略

    • ワークスペースファイル: 検索ツールを使用して ${workspaceFolder} で一致するファイルを見つける
    • GitHub awesome-copilot: https://raw.githubusercontent.com/github/awesome-copilot/refs/heads/main/ からロー コンテンツをフェッチ
    • ドキュメンテーション URL: フェッチツールを使用して上記から最も関連性の高い URL でフェッチ
  3. コンテンツをフェッチ

    • ワークスペースファイル: ファイルツールを使用して読み込む
    • GitHub awesome-copilot ファイル: raw.githubusercontent.com URL を使用してフェッチ
    • ドキュメンテーション URL: フェッチツールを使用してフェッチ
  4. 評価して応答

    • フェッチしたコンテンツをリクエスト完了のリファレンスとして使用
    • チャットコンテキストに基づいて応答の詳細度を調整

曖昧でないクエリ

ユーザーが 特定の URL またはファイルを提供する場合、検索をスキップしてそれを直接フェッチ/読み込んでください。

オプション

  • ヘルプ出力 - -h--help/?--tldr--man などに一致する生のデータ

使用方法

構文

# 曖昧でないクエリ
# 特定ファイル (任意のタイプ)
/tldr-prompt #file:{{name.prompt.md}}
/tldr-prompt #file:{{name.agent.md}}
/tldr-prompt #file:{{name.instructions.md}}
/tldr-prompt #file:{{name.collections.md}}

# URL の場合
/tldr-prompt #fetch {{https://example.com/docs}}

# 曖昧なクエリ
/tldr-prompt "{{topic or question}}"
/tldr-prompt "MCP servers"
/tldr-prompt "inline chat shortcuts"

エラーハンドリング

必須パラメータが不足している

ユーザー

/tldr-prompt

必須データがない場合のエージェント応答

Error: Missing required input.

You MUST provide one of the following:
1. A Copilot file: /tldr-prompt #file:{{name.prompt.md | name.agent.md | name.instructions.md | name.collections.md}}
2. A URL: /tldr-prompt #fetch {{https://example.com/docs}}
3. A search query: /tldr-prompt "{{topic}}" (e.g., "MCP servers", "inline chat", "chat tools")

Please retry with one of these inputs.

曖昧なクエリ

ワークスペース検索

[!NOTE] 最初にワークスペースファイルを使用して解決しようとしてください。見つかった場合は出力を生成します。関連ファイルが見つからない場合は、URL リゾルバー セクションで指定された GitHub awesome-copilot を使用して解決します。

ユーザー

/tldr-prompt "Prompt files relevant to Java"

関連ワークスペースファイルが見つかった場合のエージェント応答

I'll search ${workspaceFolder} for Copilot customization files (.prompt.md, .agent.md, .instructions.md, .collections.md) relevant to Java.
From the search results, I'll produce a tldr output for each file found.

関連ワークスペースファイルが見つからない場合のエージェント応答

I'll check https://github.com/github/awesome-copilot
Found:
- https://github.com/github/awesome-copilot/blob/main/prompts/java-docs.prompt.md
- https://github.com/github/awesome-copilot/blob/main/prompts/java-junit.prompt.md

Now let me fetch the raw content:
- https://raw.githubusercontent.com/github/awesome-copilot/refs/heads/main/prompts/java-docs.prompt.md
- https://raw.githubusercontent.com/github/awesome-copilot/refs/heads/main/prompts/java-junit.prompt.md

I'll create a tldr summary for each prompt file.

曖昧でないクエリ

ファイルクエリ

ユーザー

/tldr-prompt #file:typescript-mcp-server-generator.prompt.md

エージェント

I'll read the file typescript-mcp-server-generator.prompt.md and create a tldr summary.

ドキュメンテーションクエリ

ユーザー

/tldr-prompt "How do MCP servers work?" #fetch https://code.visualstudio.com/docs/copilot/customization/mcp-servers

エージェント

I'll fetch the MCP server documentation from https://code.visualstudio.com/docs/copilot/customization/mcp-servers
and create a tldr summary of how MCP servers work.

ワークフロー

これらのステップを順番に従う必要があります:

  1. 入力を検証: 少なくとも 1 つの必須パラメータが提供されていることを確認します。そうでない場合は、エラーハンドリングセクションからエラーメッセージを出力します
  2. コンテキストを特定
    • ファイルタイプを判定 (.prompt.md、.agent.md、.instructions.md、.collections.md)
    • クエリが MCP サーバー、インラインチャット、チャットビュー、または一般 Copilot 機能についてかを認識
    • インラインチャット (Ctrl+I) またはチャットビューコンテキストにいるかに注意
  3. コンテンツをフェッチ
    • ファイルの場合: 利用可能なファイルツールを使用してファイルを読み込む
    • URL の場合: #tool:fetch を使用してコンテンツをフェッチ
    • クエリの場合: URL リゾルバー戦略を適用して関連コンテンツを見つけてフェッチ
  4. コンテンツを分析: ファイルの/ドキュメンテーションの目的、主要パラメータ、および主なユースケースを抽出
  5. tldr を生成: 下記のテンプレート形式を使用してサマリーを作成します。ファイルタイプの正しい呼び出し構文を使用してください
  6. 出力をフォーマット
    • マークダウンフォーマットが正しいことを確認。適切なコードブロックとプレースホルダーを使用
    • 適切な呼び出しプレフィックスを使用: プロンプトには /、エージェントには @、インストラクション/コレクションにはコンテキスト固有の形式
    • 詳細度を調整: インラインチャット = 簡潔、チャットビュー = 詳細

テンプレート

tldr ページを作成する場合、このテンプレート構造を使用してください:

# command

> Short, snappy description.
> One to two sentences summarizing the prompt or prompt documentation.
> More information: <name.prompt.md> | <URL/prompt>.

- View documentation for creating something:

`/file command-subcommand1`

- View documentation for managing something:

`/file command-subcommand2`

テンプレートガイドライン

これらのフォーマットルールに従う必要があります:

  • タイトル: 拡張子なしの正確なファイル名を使用する必要があります (例: .agent.md の場合 typescript-mcp-expert、.prompt.md の場合 tldr-page)
  • 説明: ファイルの主な目的の 1 行サマリーを提供する必要があります
  • サブコマンドノート: ファイルがサブコマンドまたはモードをサポートする場合のみ、このラインを含める必要があります
  • 詳細情報: ローカルファイル (例: <name.prompt.md><name.agent.md>) またはソース URL にリンクする必要があります
  • サンプル: 以下のルールに従う使用例を提供する必要があります:
    • 正しい呼び出し構文を使用:
      • プロンプト (.prompt.md): /prompt-name {{parameters}}
      • エージェント (.agent.md): @agent-name {{request}}
      • インストラクション (.instructions.md): コンテキストベース (適用方法を文書化)
      • コレクション (.collections.md): 含まれるファイルと使用方法を文書化
    • 単一ファイル/URL の場合: 最も一般的なユースケースをカバーする 5~8 個の例を含め、頻度順に順序付ける必要があります
    • 2~3 個のファイル/URL の場合: ファイルあたり 3~5 個の例を含める必要があります
    • 4~5 個のファイル/URL の場合: ファイルあたり 2~3 個の重要な例を含める必要があります
    • 6 個以上のファイルの場合: 最初の 5 個のサマリーを 2~3 個の例と共に作成し、残りのファイルをリストアップする必要があります
    • インラインチャットコンテキストの場合: 3~5 個の最も重要な例に制限
  • プレースホルダー: ユーザーが提供するすべての値に {{placeholder}} 構文を使用する必要があります (例: {{filename}}{{url}}{{parameter}})

成功基準

以下の場合、出力は完全です:

  • ✓ すべての必須セクションが存在 (タイトル、説明、詳細情報、サンプル)
  • ✓ マークダウンフォーマットは有効。適切なコードブロック付き
  • ✓ サンプルはファイルタイプの正しい呼び出し構文を使用 (プロンプトは /、エージェントは @)
  • ✓ サンプルは {{placeholder}} 構文をユーザーが提供する値に一貫して使用
  • ✓ 出力はチャットで直接レンダリング。ファイル作成ではない
  • ✓ コンテンツはソースファイルの/ドキュメンテーションの目的と使用方法を正確に反映
  • ✓ 応答の詳細度はチャットコンテキストに適切 (インラインチャット vs チャットビュー)
  • ✓ MCP サーバーコンテンツは該当する場合、セットアップとツール使用例を含む

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