菜单
このスキルは、ユーザーが「プロンプトをレビューして」「対話履歴を分析して」「理解度を診断して」 と依頼したとき、または /prompt-review で呼び出されたときに使用する。 過去のAIエージェント対話履歴（Claude Code, GitHub Copilot Chat, Cline, Roo Code, Windsurf, Antigravity, OpenCode）を読み取り、技術理解度・プロンプティングパターン・AI依存度を推定してレポートを生成する。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
README、AGENTS、CLAUDE、ツール別READMEを俯瞰し、重複・古い前提・読みにくい構成・不要ファイルを整理する。ドキュメント整備やリポジトリを読みやすくしたいときに使用。
AIエージェント履歴を安全に集計し、再利用できる skills / agents / rules / scripts 候補だけを抽出する。履歴本文を公開せず、秘密情報を先に検出して抽象化したいときに使用。
jj リポジトリで検証後に現在の変更を describe し、main bookmark を進め、origin/main へ push する。ユーザーが「コミットしてpush」と依頼したときに使用。
Add config to this macOS dotfiles repo. Use for env vars, fish abbreviations/functions/plugins, direct symlinked config files, tool integrations, shared agent config, and app config such as Neovim, Ghostty, Warp, Git, Bat, Atuin, tealdeer, and gh.
Add a package to this macOS dotfiles repo. Use when the user asks to install, add, or migrate a CLI package or GUI app, for example "add jq", "ripgrep を入れて", "lazygit 入れたい", "brew install foo を repo 管理に", "kubectl 追加して". Homebrew owns binaries here; update Brewfile, validate with brew bundle, apply with brew bundle, and verify the executable.
AWS アカウントの FinOps 調査・コスト削減分析。ReadOnly + MFA 環境での非対話認証突破、Cost Explorer の読み解き罠、RI/SP の誤認パターン、レポート数値の分母混在を避けるための学び集。
| name | prompt-review |
| description | このスキルは、ユーザーが「プロンプトをレビューして」「対話履歴を分析して」「理解度を診断して」 と依頼したとき、または /prompt-review で呼び出されたときに使用する。 過去のAIエージェント対話履歴（Claude Code, GitHub Copilot Chat, Cline, Roo Code, Windsurf, Antigravity, OpenCode）を読み取り、技術理解度・プロンプティングパターン・AI依存度を推定してレポートを生成する。 |
| disable-model-invocation | true |
| allowed-tools | Read, Write, Glob, Grep, Bash |
| context | fork |
ユーザーの過去のAIエージェント対話履歴を分析し、技術理解度・プロンプティングパターン・AI依存度を推定してレポートを生成する。レポートは日本語で reports/prompt-review-YYYY-MM-DD.md に書き出す。
$ARGUMENTS を解析し、以下のルールで引数を処理する:
30 → 過去30日分）sample-project 30）前処理スクリプト scripts/collect.py を実行してデータを収集する。 このスクリプトは Claude Code, GitHub Copilot Chat, Cline, Roo Code, Windsurf, Antigravity, OpenCode の ログを自動検出し、フィルタ済みのJSON を標準出力に返す。
$ARGUMENTS を解析し、Bash で以下のように実行する:
python "${CLAUDE_SKILL_DIR}/scripts/collect.py" [OPTIONS] > /tmp/prompt-review-data.json
30） → --days 30all または 0 → --days 0（全期間）sample-project） → --project sample-projectsample-project 30） → --project sample-project --days 30スクリプト実行後、/tmp/prompt-review-data.json を Read で読み込む。
出力JSON構造:
{
"summary": {
"total_messages": 2616,
"detected_tools": ["Claude Code", "GitHub Copilot Chat"],
"filter_days": null,
"filter_project": null
},
"sources": [
{
"tool": "Claude Code",
"status": "検出",
"messages": [
{"text": "プロンプト本文", "timestamp": "2025-09-29 03:16", "project": "sample-project"}
],
"period": "2025-09-29 03:16 〜 2026-03-12 04:58"
}
],
"project_stats": {
"example-api": {"count": 668, "tools": ["Claude Code"]},
"sample-project": {"count": 215, "tools": ["Claude Code"]}
},
"secret_warnings": [
{
"tool": "Claude Code",
"project": "sample-project",
"timestamp": "2025-10-01 12:00",
"type": "OpenAI API Key",
"masked_value": "<masked-secret>",
"prompt_excerpt": "APIキーは<redacted>..."
}
]
}
Read で /tmp/prompt-review-data.json を読み込んだら、以下の観点で messages 配列内のユーザープロンプトを分析する。各観点について具体的なエビデンス（実際のプロンプト断片の引用）を必ず含めること。
まず project_stats を使ってプロジェクト別のメッセージ数・使用ツールの一覧を把握する。
各プロジェクトのプロンプト内容を読み、そのプロジェクトで行われている作業内容を1行で要約する。
この情報はレポートの「2. プロジェクト別サマリー」セクションに出力する。
次に、短文の肯定応答を分析対象から除外する。
Claude Code はユーザーに「〜しますか？」と確認を求めることが多く、それに対するユーザーの短い肯定応答はプロンプティング能力や技術理解度の分析に価値がない。以下のようなメッセージは分析対象から除外すること:
判定基準: メッセージが短文（概ね20文字以下）で、上記のパターンに該当するもの。ただし、短文でも具体的な技術指示を含むもの（例:「30pxがいいです」「asyncで」）は除外しない。
プロンプトから言及されている技術概念を抽出し、3段階に分類:
分類のシグナル:
プロジェクト・ツールごとに:
時系列で:
secret_warnings 配列が空でない場合、レポートの冒頭（データソースサマリーの直後）に警告セクションを出力する。
スクリプトが検出した API Key、Token、Password、接続文字列等のシークレットを一覧で表示し、
ユーザーに対してキーのローテーション（再発行・無効化）を推奨する。
レポート内ではシークレットの値は絶対に平文で書かない。スクリプトがマスク済みの値（masked_value）を返すので、それをそのまま使う。
references/report-template.md のテンプレートに従い、日本語でレポートを生成する。
reports/ ディレクトリが存在しない場合は Bash で mkdir -p reports を実行reports/prompt-review-YYYY-MM-DD.md に書き出す（YYYYMMDDは実行日）<user> にマスク