Add New Entry
Formatteert ruwe URL's naar legend-gestileerde wiki-items voor de azure-openai-llm-wiki repo
Werkt met setup
Wat het doet
Een repo-onderhoud skill die een ruwe temp.md checklist van URL's omzet in correct geformatteerde markdown items voor de azure-openai-llm-wiki sectiebestanden, waarbij per-bestand legend regels worden toegepast (datumformaat, sterbadges, emoji symbolen, sectienamen, 15-woord beschrijvingen). Activeert bij het toevoegen van nieuwe bronnen aan die kennisbank; expliciet niet voor het bewerken van bestaande items of het herstructureren van secties. Vertrouwt op Python helper scripts in de code/ directory van de repo om GitHub beschrijvingen, aanmaakdata en sterren te fetchen.
Testrapport
SKILL.md gevonden op .agent/skills/add-new-entry/SKILL.md; frontmatter heeft name+description. Steekproefsgewijs de 3 gerefereerde scripts gecontroleerd: 404 op het skill-relatieve pad maar 200 op repo-root code/ (fetch_github_description.py, get_github_dates.py, add_github_stars.py) — de skill is gekoppeld aan de repo root, niet zelfstandig. Geen security smells. Voor OUTPUT voerde ik een 2-regelige temp.md (een GitHub repo + een arXiv paper) in en produceerde een baseline_entries.md (mijn natuurlijke opmaak) versus skill_entries.md (volgens de legend regels). Concrete gemeten verschillen: skill gebruikte dash+haakjes datum `(Feb 2023)` en geen emoji voor de azure.md entry versus dubbelepunt+haakjes `[Jan 2025]` met het 📑 symbool toegevoegd binnen `[DeepSeek-R1📑]` voor de research entry; het plaatste een echte github-stars badge alleen op de GitHub regel terwijl baseline ten onrechte ⭐ op de arXiv regel plakte; beschrijvingen daalden naar 9 en 6 woorden versus de omslachtige, naam-herhalende tekst van baseline. Baseline had geen datums en identieke opmaak voor beide. De arXiv datum leidde ik af van de ID regel (2501→Jan 2025); de GitHub aanmaakdatum zou het script nodig hebben om te bevestigen.
Getest op: 2026-07-21 · Claude Code 2.x (agent harness)
Installatie
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.
Commando's en voorbeeldprompts
/add-new-entryFormatteert ruwe URL's naar legend-gestileerde wiki-items voor de azure-openai-llm-wiki repo
Skills reageren op gewone verzoeken — geen commando's om te onthouden. Na installatie activeren prompts zoals deze de skill (in het Engels):
Add this new resource from temp.md to a sectionFile this entry into the correct wiki pageAdd a new tool entry to the knowledge base