promptfolio-summarize
あなたは人間のユーザーのポートレートを構築しています。このコマンドを実行している人物が分析対象です。彼らのポートレートは promptfolio プラットフォームに表示されます。あなたはプロジェクトを要約しているのではなく、AI の使用スキルを評価しているのでもなく、パフォーマンスレビューを書いているのでもありません。あなたは、この人物が AI に思考方法を教えている瞬間、つまり彼らのフレームワーク文を見つけ出し、それらを使って彼らが誰であるかを描き出しています。
そのために、彼らの AI 会話履歴(Claude Code、Cursor、Codex、ChatGPT、Gemini CLI、Trae、OpenCode、Antigravity、Windsurf、OpenClaw およびシステム上で見つかったその他のコーディングエージェント)の直近 30 日間を分析し、アクティビティヒートマップと、この人物の思考を明らかにするフレームワーク文を抽出し、それらの文を中心にポートレートを構築します。
基本原則:ユーザーが「教えている」箇所を見つけ、「命令している」箇所を見つけないこと。「このバグを修正して」では何もわかりません。「そういう風に考えるのではなく、これはパフォーマンスの問題ではなく、ユーザー心理の問題です」「你不要这样想,这不是性能问题,是用户心理问题」からはすべてがわかります。
ステップ 0: 自動更新
何よりも先に、自動更新プログラムを実行して、最新のスキルファイルとデータ形式を確保します。
bash ~/.promptfolio/update-check.sh
- 出力が
UPDATED v...の場合 → ユーザーに伝えます:「スキルが v{バージョン} に更新されました。」 その後、この SKILL.md ファイルを再読込します(変更されている可能性があるため)。そして、ステップ 1 から続行します。 - 出力が
UP_TO_DATE v...の場合 → そのまま続行します。 - 出力が
OFFLINE v...の場合 → ユーザーに伝えます:「更新を確認できませんでした(オフライン)。ローカルの v{バージョン} で実行します。」 通常通り続行します。
その後、ステップ 1 に進みます。
ステップ 1: 認証
~/.promptfolio/config.json が存在し、有効なトークンを持っていることを確認します。
1a. 既存のトークンを検証(設定ファイルが存在する場合):
if [ -f ~/.promptfolio/config.json ]; then
API_TOKEN=$(python3 -c "import json; print(json.load(open('$HOME/.promptfolio/config.json'))['api_token'])")
API_URL=$(python3 -c "import json; print(json.load(open('$HOME/.promptfolio/config.json')).get('api_url','https://promptfolio.club'))")
HTTP_CODE=$(curl -s -o /dev/null -w "%{http_code}" -H "Authorization: Bearer $API_TOKEN" "$API_URL/api/profile/me" || true)
echo "HTTP_CODE=$HTTP_CODE"
fi
- HTTP 200 の場合、ステップ 2 に進みます。
- 設定ファイルがない場合、または HTTP が 200 でない場合、デバイス認証スクリプトを実行します。
1b. デバイス認証を実行:
bash "SKILL_DIR/../scripts/device-auth.sh"
SKILL_DIR はこの SKILL.md ファイルが含まれているディレクトリに置き換えてください。スクリプトがすべてを処理します:デバイスコードの要求、ブラウザの起動、承認されるまでのポーリング、~/.promptfolio/config.json の保存。
重要: スクリプトはそのまま実行する必要があります。認証フローを自分で再実装しないでください。認証 URL を手動で構築しないでください。すべてスクリプトに任せてください。
スクリプトが失敗した場合は、認証がタイムアウトしたことをユーザーに伝え、再試行するように促します。
ステップ 2: セッションの発見
コマンドを実行する前に、ユーザーに伝えます:
すべての会話分析はあなたのマシン上でローカルに実行されます。分析中に生の会話内容がサーバーに送信されることはありません。構造化された結果のみが、あなたの明示的な確認後にアップロードされます。
2a. インストールされているツールの検出
スキャンする前に、ユーザーが実際にインストールしている AI コーディングツールを確認します。設定/データディレクトリを探します。
| ツール | 検出方法 |
|---|---|
| Claude Code | ~/.claude/projects/ が存在する |
| Cursor | ~/.cursor/projects/ が存在する |
| Codex | ~/.codex/ が存在する |
| OpenClaw | ~/.openclaw/ が存在する |
| Gemini CLI | ~/.gemini/tmp/ が存在する(chats/ サブディレクトリがある) |
| Antigravity | ~/Library/Application Support/Antigravity/ または ~/.gemini/antigravity/ が存在する |
| Windsurf | ~/.codeium/windsurf/、~/.windsurf/、または ~/Library/Application Support/Windsurf/ が存在する |
| ChatGPT | ~/Desktop/chatgpt_history/ が存在する(ユーザーが手動でデータをエクスポートする必要がある) |
| Trae | ~/.trae/、~/.trae-cn/、または App Support Trae ディレクトリが存在する(注: DB は暗号化されている) |
| OpenCode | ~/.local/share/opencode/opencode.db が存在する |
クイックチェックを実行します:
echo "=== 検出された AI ツール ==="
[ -d ~/.claude/projects ] && echo "claude-code"
[ -d ~/.cursor/projects ] && echo "cursor"
[ -d ~/.codex ] && echo "codex"
[ -d ~/.openclaw ] && echo "openclaw"
[ -d ~/.gemini/tmp ] && echo "gemini-cli"
[ -d "$HOME/Library/Application Support/Antigravity" ] || [ -d ~/.gemini/antigravity ] && echo "antigravity"
[ -d ~/.codeium/windsurf ] || [ -d ~/.windsurf ] || [ -d "$HOME/Library/Application Support/Windsurf" ] && echo "windsurf"
[ -d ~/Desktop/chatgpt_history ] && echo "chatgpt"
[ -d "$HOME/Library/Application Support/Trae CN/ModularData/ai-agent" ] || [ -d "$HOME/Library/Application Support/Trae/ModularData/ai-agent" ] && echo "trae"
[ -f "$HOME/.local/share/opencode/opencode.db" ] && echo "opencode"
次に、上記リストにないその他のコーディングエージェントをスキャンします。~/ 内のドットディレクトリや ~/Library/Application Support/ 内のアプリケーションディレクトリで、AI コーディングツールのように見えるもの(例: Kiro、Aider、Continue、Copilot Chat、Trae、Roo Code など)を探します。
echo "=== その他のコーディングエージェントを確認中 ==="
ls -d ~/.kiro ~/.aider* ~/.continue ~/.roo* 2>/dev/null || true
ls -d "$HOME/Library/Application Support/Kiro" "$HOME/Library/Application Support/Continue" 2>/dev/null || true
未知のツールディレクトリを見つけた場合は、その中を覗いて会話ログ(.jsonl、.json、.txt)が含まれているかどうかを確認します。含まれている場合は、ユーザーに尋ねずにそれらを含めます。
結果を表示します:「検出: Claude Code、Cursor。また、Kiro(セッションログあり)が見つかりました。」
PF_SOURCES をスクリプト用の既知のツールに設定し、未知のツールは 2b で手動で処理します。
2b. セッションファイルを見つける
検出されたツールのみを対象として、検出スクリプトを実行します。
export PF_SOURCES="claude-code,cursor" # 2a で検出されたもののみ
SESSION_LIST=$(bash "SKILL_DIR/scripts/discover-sessions.sh")
export SESSION_LIST
スクリプトは各ツールの既知の場所をスキャンし、直近 30 日間にフィルタリングします。実行後:
- ゼロセッションツールを確認 — 検出されたツールのセッション数が 0 の場合、スクリプトが見逃したファイルがないか、そのデータディレクトリを自分で調査します。
- 未知のツールを処理 — 2a で発見された追加のコーディングエージェントについて、そのデータディレクトリを調査し、会話ログファイル(.jsonl、.json、.txt)を見つけて
$SESSION_LISTに追加します。 - ユーザーに質問 — 標準的でない場所や、検出できなかったツールのセッションデータがあるかどうかをユーザーに尋ねます。
追加のセッションファイルが見つかった場合は、それらを $SESSION_LIST に追加します。
2c. 統計情報 + アクティビティデータの計算
統計スクリプトを実行して、トークン見積もりを計算し、アクティビティヒートマップデータを 1 回のパスで抽出します。
python3 "SKILL_DIR/scripts/compute-stats.py"
これは $SESSION_LIST を読み取り、以下を生成します。
- stdout: ソースごとのセッション/トークン要約
_pf_parts/activity.json: ヒートマップ可視化のための日次アクティビティデータ
2d. 要約を表示してユーザーに尋ねる
ユーザーに要約を表示します。
- 見つかった合計セッション数(直近 30 日間)、ソースごとにグループ化
- アクティビティヒートマップのハイライト:最もアクティブだった日、最新の夜、最長のセッション
- 推定トークン総数(「推定」とラベル付け)
次に、AskQuestion ツールを使用して質問します。
- 質問:「分析を続行しますか?」
- オプション:
- 「はい、これらのセッションを分析します」 — ステップ 3 に進む
- 「いいえ、調整させてください」 — ユーザーに何を変更したいか尋ねる
ステップ 3: 会話の分析
さまざまな形式の解析
Claude Code セッション(~/.claude/projects/ 内の .jsonl):
- 各行は会話トランスクリプトからの JSON オブジェクトです
- 直接読み取って分析します
Cursor セッション — プレーンテキスト(~/.cursor/projects/*/agent-transcripts/ 内の .txt):
- 交互に
user:ブロックとassistant:ブロックがあります - ユーザーメッセージは
<user_query>...</user_query>タグで囲まれています - アシスタントメッセージには
[Thinking]セクションが含まれる場合があります user:/assistant:マーカーで分割して解析します
Cursor セッション — JSONL(~/.cursor/projects/*/agent-transcripts/{UUID}/ 内の .jsonl):
- 各行:
{"role":"user|assistant","message":{"content":[{"type":"text","text":"..."}]}} - ユーザーメッセージのテキストフィールドには
<user_query>タグが含まれています - JSON を解析してテキストコンテンツを抽出します
Codex プロンプト履歴(~/.codex/history.jsonl):
- 各行は通常次のようになります:
{"session_id":"...","ts":...,"text":"..."} textをユーザーメッセージコンテンツとして扱いますsession_idでグループ化してスレッドを再構築します
Codex セッションイベント(~/.codex/sessions/**/*.jsonl):
type+payloadを持つイベントストリーム- ロール/タイプがユーザーメッセージを示すユーザー発信のコンテンツを抽出します
- イベント解析があいまいな場合は、
history.jsonlをプライマリフォールバックとして使用します
OpenClaw セッション(~/.openclaw/sessions/*.jsonl および ~/.openclaw/agents/**/*.jsonl):
- OpenClaw はセッションメタデータを
~/.openclaw/sessions.jsonに、セッションごとのトランスクリプトを JSONL として保存します。 - 各 JSONL 行をイベントとして解析します。話者/ロール/ソースがユーザーを示すエントリを抽出します。
- 複数のイベント形状がある場合は、明示的な
role == "user"コンテンツを優先し、次にユーザータグ付きイベントペイロードテキストにフォールバックします。 - 利用可能な場合は、
sessions.jsonを使用してセッション ID をプロジェクト/ワークスペースコンテキストにマッピングします。
ChatGPT エクスポート(conversations*.json):
- ファイルは会話の配列であり、それぞれに
mappingツリーが含まれています message.author.role == "user"のノードを抽出しますmessage.content.parts[]からユーザーテキストを取得します- 年表を再構築する際には
create_timeで並べ替えます
Gemini CLI セッション(~/.gemini/tmp/*/chats/ 内の .json):
- 各ファイルは完全なセッションです:
{"sessionId":"...","messages":[{"type":"user|model","content":[{"text":"..."}],"timestamp":"..."}]} type: "user"= ユーザーメッセージ、type: "model"= アシスタント応答- Content は部分の配列で、それぞれに
textフィールドがあります - タイムスタンプは ISO 8601 文字列です
- プロジェクト名は
tmp/の下の親ディレクトリです(例:~/.gemini/tmp/myproject/chats/)
Trae セッション(ByteDance による VS Code フォーク — 暗号化 DB、ユーザー支援によるエクスポートが必要):
- Trae は AI チャットを 暗号化された SQLite DB(SQLCipher)に保存します。場所は
~/Library/Application Support/Trae CN/ModularData/ai-agent/database.dbです — 直接読み取ることはできません - ホームディレクトリ:
~/.trae-cn/(中国版)または~/.trae/(国際版) - 検出スクリプトは、エクスポートされたチャットファイルを
~/.trae-cn/chat-export.json、~/.trae/chat-export.json、~/Desktop/trae-chat-export.json、~/Downloads/trae-chat-export.jsonで確認します - Trae が検出されたが、エクスポートファイルが見つからない場合(stderr に
TRAE_DETECTED_NO_EXPORTが含まれている)、AskUserQuestionを使用してユーザーに尋ねます:- 説明:「Trae はチャット履歴を暗号化されたデータベースに保存しています。Trae データを含めるには、Trae 内からエクスポートできます。」
- オプション 1:「Trae からエクスポート」 — ユーザーに Trae を開き、新しいチャットを開始して、次のメッセージを送信するように指示します:
その後、ユーザーがエクスポート完了を確認したら、検出スクリプトを再実行します。私のすべてのチャット履歴を JSON ファイルとしてエクスポートしてください。~/.trae-cn/chat-export.json(国際版の場合は ~/.trae/chat-export.json)に保存してください。JSON 形式は次のようにしてください:{"messages": [{"role": "user", "content": "...", "timestamp": "2026-01-01T12:00:00Z"}, {"role": "assistant", "content": "...", "timestamp": "..."}]} 複数のセッションがある場合は、すべてのセッションからのすべてのメッセージを 1 つのフラットなメッセージ配列に結合し、タイムスタンプで並べ替えてください。 - オプション 2:「Trae をスキップ」 — Trae データなしで続行します。
- データベースの復号化やブルートフォースを試みないでください
- エクスポートされた JSON ファイルは、一度作成されると、将来の実行時に自動的に取得されます
OpenCode セッション(SQLite → 抽出された JSON):
- 検出スクリプトは、
~/.local/share/opencode/opencode.dbからセッションを一時 JSON ファイルに抽出します - 抽出された各ファイル:
{"messages":[{"role":"user|assistant","content":"...","timestamp":1234567890}]} - タイムスタンプは Unix エポック整数(秒)です
- 抽出された JSON ファイルがないか空の場合は、データベースに直接クエリを実行するフォールバック:
sqlite3 ~/.local/share/opencode/opencode.db "SELECT data FROM message WHERE session_id='...' ORDER BY time_created"
Antigravity / Windsurf(実験的ソース):
- 明示的なトランスクリプトファイル(
.jsonl、.json、.txt)が存在する場合は、それを優先します state.vscdb/ ログのみが利用可能な場合は、それらをメタデータ専用コンテキストとして扱います- 読み取り可能な会話コンテンツを安全に抽出できない場合は、推測する代わりにユーザーにエクスポートパスを尋ねます
分析する内容
ユーザーメッセージに焦点を当てます。 モデルの応答は背景コンテキストにすぎません。あなたの目標は、フレームワーク文とインスタンス、つまりユーザーが AI に思考方法を教えている瞬間と、ユーザーが複数ターンの修正を通じて問題解決のために AI と協力しているシナリオを見つけることです。
セッションごとに、すべてのユーザーメッセージをスキャンして、以下を探します。
-
フレームワーク文 — ユーザーが世界の仕組みを定義しており、AI に何かをするように依頼しているわけではありません。
- 本質を定義する:「本当の問題は...」「本质上是……」、「核となるロジックは...」「核心逻辑是……」
- AI の考え方を修正する(出力だけでなく):「そういう風に考えないで」「你不要这样想」、「これは X の問題ではなく、Y の問題だ」「这不是 X 问题,是 Y 问题」
- 原則を確立する:「優れた X は...すべき」「好的 X 应该……」、「決して...しない」「永远不要……」
- ドメインを横断した抽象化や類推を行う
- 美的判断を表現する:「これは醜い」「太丑了」、「これでこそ正しい」「这才对」、「これは間違っている感じがする」「感觉不对」
- 異なるセッション間の矛盾を明らかにする
-
インスタンス — ユーザーの操縦が彼らの力量を明らかにする複雑なマルチターンタスクのケーススタディ。ヘッドハンターがこの人物の経歴をどのように説明するかを考えてみてください。
- ユーザーが複数ターンにわたって複雑なタスクを推進し、結果を形作るアーキテクチャ上の決定やトレードオフの判断を行った
- ユーザーが実体験からのドメイン知識を適用した — API の癖、プラットフォームの制約、業界の慣習
- ユーザーのセンスと判断が技術的に正しいものを却下した
…
[翻訳のため省略]