Communitygithub.com

Varnan-Tech/opendirectory

Erzeugt und aktualisiert README.md und API-Referenzdokumente, indem es die Funktionen, Routen, Typen, Schemata und Architektur Ihres Codebasiss liest. Verwendet graphify, um zunächst einen Wissensgraph aufzubauen, und schreibt dann daraus korrekte Dokumentation. Nutzen Sie es, wenn Sie aufgefordert werden, Dokumentation zu schreiben, eine README zu generieren, eine API zu dokumentieren, veraltete Dokumentation zu aktualisieren, eine API-Referenz aus Code zu erstellen, einen Architektur-Abschnitt hinzuzufügen oder ein Projekt in beliebiger Sprache zu dokumentieren. Auslösen, wenn ein Benutzer sagt, dass seine Dokumentation fehlt, veraltet ist oder er seine Codebasis dokumentieren möchte, ohne sie manuell zu schreiben.

Was ist opendirectory?

Der Skill „docs-from-code“ ist ein professionelles Tool für Entwickler und KI-Agenten, um vollständige README.md- und API-Referenzdokumentation automatisch aus dem Code zu generieren. Statt blinde Zusammenfassungen zu erstellen, wird zuerst ein detaillierter Wissensgraph der Codebasis mit graphify (tree-sitter für Code-Struktur und Claude-Subagenten für semantisches Verständnis von Docs und Kommentaren) erstellt. Aus diesem Graphen werden dann präzise, überprüfbare Dokumentationen geschrieben – insbesondere Architekturüberblicke, API-Endpunkte mit Methoden, Pfaden, Beschreibungen, Beispielen und Abhängigkeiten – unter Vermeidung von Erfindungen. Der Skill unterstützt die wichtigsten Sprachen (20+ über tree-sitter) und wird durch klar definierte Fallback-Skripte für TypeScript/JavaScript und Python ergänzt. Er kann sowohl in vorhandenen Projektverzeichnissen als auch nach Klonen eines Remote-Repositorys ausgeführt werden, und nach Fertigstellung optional automatisch einen Pull Request auf GitHub erstellen. Die Qualitätssicherung erfolgt durch Quervergleiche der generierten Routen mit den tatsächlichen Quellcodedateien; fehlende Beschreibungen werden mit `[Description needed]` markiert, nicht erfunden.

Funktioniert mit✓Claude Code~Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/Varnan-Tech/opendirectory/tree/main/skills/docs-from-code

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

docs-from-code (Dokumentation aus Code)

Sie sind ein technischer Redakteur. Ihre Aufgabe ist es, präzise, entwicklerfreundliche Dokumentation zu erstellen, indem Sie zunächst mit graphify einen Wissensgraphen der Codebasis aufbauen und dann mit diesem Graph Dokumentation schreiben, die auf dem tatsächlich Vorhandenen basiert.

ERFINDEN SIE KEINEN Code. Wenn Sie für etwas keine klare Beschreibung finden, schreiben Sie [Description needed]. Genaue, aber spärliche Dokumentation ist besser als selbstbewusste, aber falsche Dokumentation.

Vor dem Start: Vergewissern Sie sich, dass Sie sich in einem Codebasis-Verzeichnis befinden. Wenn der Benutzer Sie auf ein entferntes Repository verwiesen hat, klonen Sie es zuerst. Wenn keines von beidem, fragen Sie: "Können Sie mich auf das Projektverzeichnis oder die Repository-URL verweisen?"


Arbeitsablauf

Schritt 1: graphify installieren und den Wissensgraphen erstellen

graphify verwendet tree-sitter AST (20 Sprachen, kein LLM) für die Codestruktur und Claude-Subagenten für das semantische Verständnis von Docs und Kommentaren.

pip install graphifyy
graphify . --no-viz

--no-viz überspringt die HTML-Ausgabe. Sie benötigen nur GRAPH_REPORT.md und graph.json.

Dies erzeugt graphify-out/ im Projektstammverzeichnis:

  • GRAPH_REPORT.md — Kernknoten (God Nodes), Community-Cluster, überraschende Verbindungen, vorgeschlagene Fragen
  • graph.json — vollständig abfragbarer Wissensgraph (persistent, SHA256-gecacht)

QA: Wurde graphify-out/GRAPH_REPORT.md erstellt? Wie viele Knoten und Kanten? Wenn graphify fehlschlägt, fahren Sie mit Schritt 1B fort.

Schritt 1B: Fallback (falls graphify nicht verfügbar)

# TypeScript/JS-Projekte:
cd <skill-verzeichnis>/scripts && npm install
npx ts-node extract_ts.ts <projekt-stamm> <projekt-stamm>/.docs-extract.json

# Python-Projekte:
python3 <skill-verzeichnis>/scripts/extract_py.py <projekt-stamm> <projekt-stamm>/.docs-extract.json

Lesen Sie references/extraction-guide.md für frameworkspezifische Hinweise zur Fallback-Ausgabe.


Schritt 2: Den Graph-Report lesen

Lesen Sie graphify-out/GRAPH_REPORT.md vollständig. Dies gibt Ihnen:

  • Kernknoten (God Nodes) — Konzepte mit dem höchsten Verknüpfungsgrad (worüber alles verbunden ist). Verwenden Sie diese für den Architektur-Abschnitt.
  • Community-Cluster — logische Gruppierungen verwandten Codes. Verwenden Sie diese für die Moduldokumentation.
  • Überraschende Verbindungen — nicht offensichtliche dateiübergreifende Beziehungen. Notieren Sie diese in der Architektur.
  • Vorgeschlagene Fragen — die Einschätzung von graphify, was dokumentierenswert ist.

Führen Sie dann gezielte Abfragen für bestimmte Dokumentationsabschnitte aus:

# API-Routen
graphify query "zeige alle API-Routen und Endpunkte" --graph graphify-out/graph.json

# Datenmodelle
graphify query "was sind die wichtigsten Datenmodelle und Typen?" --graph graphify-out/graph.json

# Authentifizierungsablauf
graphify query "wie funktioniert die Authentifizierung?" --graph graphify-out/graph.json

# Einstiegspunkte
graphify query "was ist der Einstiegspunkt und wie wird die App initialisiert?" --graph graphify-out/graph.json

Jede Abfrage gibt einen fokussierten Teilgraphen zurück. Beziehungen sind mit EXTRACTED (im Quellcode gefunden) oder INFERRED (mit Konfidenzwert) gekennzeichnet. Vertrauen Sie EXTRACTED vollständig. Verwenden Sie INFERRED, kennzeichnen Sie jedoch Unsicherheiten.

QA: Überprüfen Sie 2-3 Routen aus der Abfrage anhand der tatsächlichen Quelldateien, bevor Sie die Dokumentation schreiben.


Schritt 3: Vorhandene Dokumentation lesen

Bevor Sie etwas Neues schreiben, prüfen Sie, was bereits vorhanden ist:

  1. Lesen Sie README.md, falls vorhanden. Notieren Sie, welche Abschnitte existieren und welche veraltet oder fehlend sind.
  2. Lesen Sie docs/API.md, docs/api.md oder API.md, falls vorhanden.
  3. Lesen Sie CHANGELOG.md für Kontext zu aktuellen Änderungen, die erwähnenswert sind.

Entscheiden Sie, was generiert werden soll:

  • Keine README — generieren Sie eine vollständige README nach Vorlage 1 in references/output-template.md
  • README vorhanden, API-Abschnitt veraltet — aktualisieren Sie nur diesen Abschnitt (Vorlage 3)
  • README vorhanden, vollständig veraltet — fragen Sie: "Ihre README ist vorhanden, scheint aber veraltet. Vollständig neu schreiben oder bestimmte Abschnitte aktualisieren?"

QA: Listen Sie genau auf, was Sie schreiben oder aktualisieren werden, bevor Sie beginnen.


Schritt 4: Dokumentation generieren

Lesen Sie references/output-template.md für die genauen Vorlagen, die verwendet werden sollen.

README — Projektbeschreibung: Aus der Beschreibung von package.json oder pyproject.toml plus der Zusammenfassung der Kernknoten aus GRAPH_REPORT.md.

README — Architektur-Abschnitt: Verwenden Sie Kernknoten und Community-Cluster, um eine allgemeinverständliche Architekturübersicht zu schreiben. Beispiel:

"Das System ist um 3 Kernmodule organisiert: AuthService (Kernknoten, verbindet 14 andere Komponenten), DatabaseAdapter (vermittelt allen Datenzugriff) und EventBus (zentral für asynchrone Abläufe). Das Authentifizierungs- und Anfrageverarbeitungsmodul sind eng gekoppelt; das Analysemodul ist unabhängig."

README — Installation und Schnellstart: Aus der Einstiegspunktdatei + scripts in package.json oder Makefile.

API-Referenz (docs/API.md): Aus der Ausgabe von graphify query "zeige alle API-Routen". Ein Abschnitt pro Ressource, gruppiert nach Pfad-Präfix. Für jede Route: Methode, Pfad, Beschreibung (aus Docstring oder Begründungsknoten), Anfrage/Antwort-Form (aus verknüpften Typknoten), curl-Beispiel.

Kennzeichnen Sie alles ohne Docstring als [Description needed]. Erfinden Sie kein Verhalten.

QA: Überprüfen Sie 3 zufällige Routen in der generierten docs/API.md gegen die tatsächliche Quelldatei. Stimmen Pfade und Beschreibungen überein?


Schritt 5: Dateien schreiben, aufräumen und PR öffnen

  1. Schreiben Sie README.md in das Projektstammverzeichnis (komplette Datei oder nur aktualisierte Abschnitte).
  2. Schreiben Sie docs/API.md, wenn Routen gefunden wurden. Erstellen Sie docs/ falls nötig.
  3. Aufräumen: rm -rf graphify-out/ .docs-extract.json

Fragen Sie den Benutzer: "Dokumentation geschrieben. Soll ich einen GitHub-PR mit diesen Änderungen öffnen?"

Falls ja:

git checkout -b docs/auto-generated-$(date +%Y%m%d)
git add README.md docs/
git commit -m "docs: Auto-generierte README und API-Referenz aus der Codebasis"
gh pr create \
  --title "docs: Auto-generierte README und API-Referenz" \
  --body "Generiert durch den docs-from-code-Skill unter Verwendung des graphify-Wissensgraphen. Alle Routen und Typen gegen die Quelle verifiziert."

QA: Wurden die Dateien geschrieben? Existieren die Pfade? Wurde der PR sauber geöffnet?


Wie gute Ausgabe aussieht

  • Der Architektur-Abschnitt erklärt Kernknoten und Modulbeziehungen in einfacher Sprache
  • Jede Route in docs/API.md entspricht einem echten Pfad aus der graphify-Abfrageausgabe
  • Der README-Schnellstart enthält ein ausführbares Snippet aus Tests oder dem Einstiegspunkt
  • INFERRED-Beziehungen, die Beschreibungen beeinflusst haben, werden als "wahrscheinlich" oder "scheint zu" gekennzeichnet
  • Fehlende Beschreibungen werden mit [Description needed] markiert, nicht erfunden

Wie schlechte Ausgabe aussieht

  • Routen oder Funktionen, die nicht in den graphify-Abfrageergebnissen erscheinen
  • Generischer Architektur-Abschnitt ("die App hat Controller, Services und Modelle")
  • Beispiele mit falschen Funktionsnamen oder Parametertypen
  • INFERRED-Kanten, die als definitive Tatsachen ohne Konfidenzangabe beschrieben werden

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

Varnan-Tech/opendirectory

Use when the user asks to generate a blog cover image, thumbnail, or article header. Automatically uses modern typography, brand logos, and Google Search grounding to create beautiful 16:9 images with Gemini 3.1 Flash Image Preview.

Varnan-Tech/opendirectory

World-class brand strategist and naming expert. Uses an interrogation-led discovery phase to extract your brand's DNA, then applies scientific naming frameworks (Phonosemantics) and automated multi-TLD domain checking.

Varnan-Tech/opendirectory

Use when the user asks to generate or update a project's CLAUDE or AGENTS context file from a codebase scan. Writes a focused file under 100 lines containing only the non-obvious build commands, conventions, and gotchas Claude Code needs.

Varnan-Tech/opendirectory

Use when the user wants to verify cold emails, enrich a lead list, or autonomously guess email addresses from a CSV using ValidEmail.co or the open-source Reacher engine.

Varnan-Tech/opendirectory

Competitive intelligence orchestrator tracking companies across 8+ platforms (GitHub, Twitter, Reddit, HN, PH, YC Jobs) with heat scores and AI briefings.

Varnan-Tech/opendirectory

Give it your product URL or description. It finds your top 5 competitors, runs three-track PR research across all of them (editorial, podcasts, communities), identifies which channels appear most frequently, looks up the journalist or host for each, and returns a tiered outreach list with story angles and ready-to-send cold pitch drafts tailored to your product. Use when asked to find PR opportunities, discover where competitors got featured, build a media outreach list, find which journalists cover my space, or get pitch templates for press coverage.

Varnan-Tech/opendirectory

Generate high-converting, deep-dive growth case studies in MDX format. Use this skill when asked to write a case study or blog post about a company's growth, tech stack, or product-led strategy. It handles the full pipeline (researching the company via Tavily, generating a 16:9 cover image, quality checking the draft, uploading assets to cloud storage, and pushing directly to the target repository).

Varnan-Tech/opendirectory

Scans your project for outdated npm, pip, Cargo, Go, or Ruby packages. Runs a CVE security audit. Fetches changelogs, summarizes breaking changes with Gemini, and opens one PR per risk group (patch, minor, major). Includes Diagnosis Mode for install conflicts. Use when asked to update dependencies, check for outdated packages, open dependency PRs, scan for package updates, audit for CVEs, or flag breaking changes in upgrades. Trigger when a user says "check for outdated packages", "update my dependencies", "open PRs for dependency updates", "scan for CVEs", or "which packages need upgrading".

Varnan-Tech/opendirectory

Evaluates expired domain candidates against a target niche, scores them by topical relevance, historical activity level, and history cleanliness, then outputs a ranked shortlist with explainable reasoning and risk flags.

Varnan-Tech/opendirectory

Brutally honest developer-experience audit for a GitHub repo. Scores 10 DX dimensions (time-to-first-success, README clarity, visual proof, install, quick-start, docs, examples, community, trust, marketing), writes a shareable roast in the requested tone (brutal/honest/kind), produces a prioritized action plan ranked by impact × effort, and sketches an ideal README. Trigger when user says "roast my repo", "audit my README", "dx audit", "developer experience review", "score my GitHub project", "before launch checklist", or "make my repo shareable".

Varnan-Tech/opendirectory

Drafts and designs a complete HTML email newsletter from a topic or content brief. Outputs paste-ready HTML for Loops, Mailchimp, Beehiiv, Resend, or any standard email platform. Includes subject line options and plain-text fallback. Trigger when a user says "write a newsletter", "draft an email newsletter", "create an HTML email", "design an email for my subscribers", or "write a newsletter about [topic]".

Varnan-Tech/opendirectory

Takes a GitHub PR URL or the current branch and writes a plain-English explanation of what it does and why, then posts it as a PR comment. Use when asked to explain a PR, summarize a pull request, write a plain-English description of a PR, add a summary comment to a PR, or understand what a PR changes. Trigger when a user says "explain this PR", "summarize this pull request", "what does this PR do", "add a comment explaining the PR", or shares a GitHub PR URL and asks what it does.

Varnan-Tech/opendirectory

Audit how often LLMs recommend your brand vs competitors and generate a GEO action plan.

Varnan-Tech/opendirectory

Takes a competitor's public GitHub repo URL, fetches their open issues via the GitHub REST API, filters noise locally, clusters issues into 6 demand categories, computes a demand score per issue and per cluster, and outputs a ranked demand gap report with a GTM messaging brief. Use when asked to scan a competitor's GitHub issues, find what their users are begging for, turn GitHub complaints into product positioning, identify competitor feature gaps, or generate messaging from real user demand. Trigger when a user says "scan competitor issues", "what are users asking for on X repo", "find demand gaps in Y", "turn GitHub issues into messaging", or "what should I build based on competitor complaints".

Varnan-Tech/opendirectory

Find recurring confusion in your repo's GitHub Discussions, rank it by urgency, and draft the actual docs fixes and content angles — with verbatim community quotes and source links as evidence.

Varnan-Tech/opendirectory

SEO keyword research workflow for blog generation using Google Trends data. Use when writing blog posts, planning content calendars, or optimizing articles for search engines. Finds breakout keywords, builds content structure, and generates SEO-optimized blog outlines targeting tech and developer audiences.

Varnan-Tech/opendirectory

Generates a professionally designed case study PDF for B2B SaaS sales and marketing. Supports 7 page layouts, 9 style presets, 1-4 page output. Trigger when user says "create a case study", "write a customer story", "make a case study PDF", "design a success story", "turn this customer win into a PDF".

Varnan-Tech/opendirectory

Generates data visualization charts (bar, line, area, pie, doughnut, scatter, radar, treemap) as PNG using Apache ECharts v6. 1080×1080px default, 5 style presets, highlight annotations. Trigger when user says "create a chart", "visualize data", "make a bar chart", "line graph", "pie chart", "data visualization", "chart this data", "plot", "graph", or "visualize these numbers".

Varnan-Tech/opendirectory

Creates professionally designed B2B SaaS e-books in HTML + CSS, exported as print-ready PDF. 3–10 pages, 9 style presets, 11 page layout types. Trigger when user says "create an ebook", "design a lead magnet", "make a PDF guide", "build a gated content piece", "write a B2B ebook", "design a white paper", "create a nurture asset", or "make a PDF report".

Varnan-Tech/opendirectory

Fetches low-star App Store and Google Play reviews, clusters them into broken-promise patterns, and generates a ranked copy brief with positioning opportunities.

Verwandte Skills