SkillProof tested Claude skills

Add New Entry

Formatta URL grezzi in voci wiki stilizzate secondo la legenda per il repository azure-openai-llm-wiki

di kimtth · kimtth/azure-openai-llm-wiki

Richiede configurazione ★ 8.0/10

Add New Entry — Formatta URL grezzi in voci wiki stilizzate secondo la legenda per il repository azure-openai-llm-wiki

Cosa fa

Una skill di manutenzione del repository che trasforma una checklist di URL grezzi temp.md in voci markdown correttamente formattate per i file di sezione azure-openai-llm-wiki, applicando regole di legenda per file (formato data, badge stella, simboli emoji, nomi di sezione, descrizioni di 15 parole). Si attiva quando si aggiungono nuove risorse a quella base di conoscenza; esplicitamente non per modificare voci esistenti o ristrutturare sezioni. Si basa su script helper Python nella directory code/ del repository per recuperare descrizioni GitHub, date di creazione e conteggi di stelle.

Rapporto di test

SKILL.md trovato in .agent/skills/add-new-entry/SKILL.md; il frontmatter ha name+description. Controllati a campione i 3 script referenziati: 404 al percorso relativo alla skill ma 200 alla root del repository code/ (fetch_github_description.py, get_github_dates.py, add_github_stars.py) — la skill è accoppiata alla root del repository, non è autonoma. Nessun problema di sicurezza. Per l'OUTPUT ho fornito un temp.md di 2 righe (un repository GitHub + un paper arXiv) e ho prodotto un baseline_entries.md (la mia formattazione naturale) vs skill_entries.md (seguendo le regole della legenda). Differenze concrete misurate: la skill ha usato la data con trattino+parentesi `(Feb 2023)` e nessun emoji per la voce azure.md vs due punti+parentesi quadre `[Jan 2025]` con il simbolo 📑 aggiunto all'interno di `[DeepSeek-R1📑]` per la voce di ricerca; ha messo un vero badge github-stars solo sulla riga GitHub mentre la baseline ha erroneamente apposto ⭐ anche sulla riga arXiv; le descrizioni sono scese a 9 e 6 parole vs il testo verboso e ripetitivo della baseline. La baseline non aveva date e formattazione identica per entrambi. La data arXiv che ho derivato dalla regola ID (2501→Jan 2025); la data di creazione GitHub avrebbe richiesto lo script per la conferma.

Testato il: 2026-07-21 · Claude Code 2.x (agent harness)

Installazione

git clone --depth 1 https://github.com/kimtth/azure-openai-llm-wiki.git /tmp/add-new-entry-src
mkdir -p ~/.claude/skills
cp -R /tmp/add-new-entry-src/.agent/skills/add-new-entry ~/.claude/skills/add-new-entry
# REPO-COUPLED: the skill body runs `python code/<script>.py` (fetch_github_description.py,
# get_github_dates.py, add_github_stars.py) and edits section/*.md — these live in the cloned
# repo ROOT, not in the skill folder, so a standalone skill-dir install is incomplete.
# To actually run the workflow, work from inside /tmp/add-new-entry-src (or your own clone)
# where code/ and section/ exist, and create a local temp.md input file first.
# Deps: Python 3 + network access to GitHub and Semantic Scholar APIs.

Comandi e prompt di esempio

  • /add-new-entryFormatta URL grezzi in voci wiki stilizzate secondo la legenda per il repository azure-openai-llm-wiki

Gli skill si attivano con richieste in linguaggio naturale, senza comandi da ricordare. Dopo l'installazione, prompt come questi lo attivano (in inglese):

  • Add this new resource from temp.md to a section
  • File this entry into the correct wiki page
  • Add a new tool entry to the knowledge base

Rapporto completo →