skill Skill
description: 今日のClaude Codeセッションログから振り返り本（FlipBook）を自動生成して開く
Want an agent-native computer in the browser? Try HappyCapy.
Cloud sandbox for AI agents · No setup · Run autonomous workflows from your browser
Affiliate link — we may earn a commission at no extra cost to you.
Why use this skill
skill is most useful when you want an agent workflow that is more structured than an ad-hoc prompt. Instead of restating the same expectations every time, a dedicated SKILL.md file gives the assistant a repeatable brief. In this case, the core value is clarity: the repo already frames the workflow around frontend skills tasks, and the skill source gives you a portable starting point you can evaluate, adapt, and reuse. The inferred platform for this skill is Claude Code Skills, which helps you judge whether it is likely to feel native in your current agent ecosystem or whether it is better treated as a general reference.
That matters because AI assistants are better when the operating context is explicit. A good skill turns hidden team expectations into visible instructions. It can name preferred tools, describe failure modes, define what “done” looks like, and reduce the amount of corrective prompting you need after the first draft. For developers exploring the wider SKILL.md ecosystem, this page helps answer the practical question: is this skill specific and maintained enough to be worth trying?
How to evaluate and use it
Start with the source repo and the preview below. The preview tells you whether the instructions are actionable or just aspirational. Strong skills usually describe triggers, recommended tools, steps, and known pitfalls. Weak skills tend to stay generic. This one lives in gonta223/cc-books, which gives you a concrete repo context, update history, and direct ownership trail.
Once you confirm the scope looks right, test it on a small task before making it part of a larger workflow. If it improves consistency, keep it. If it is too broad, outdated, or conflicts with your own process, treat it as a reference rather than a drop-in rule. That is the healthiest way to use directory-discovered skills: not as magic plugins, but as reusable operational knowledge that still deserves judgment.
SKILL.md preview
Previewing the source is one of the fastest ways to judge whether a skill is truly useful. This snippet comes from the public file in the linked repository.
--- name: daily-flipbook description: 今日のClaude Codeセッションログから振り返り本（FlipBook）を自動生成して開く --- # Daily FlipBook Generator 今日のClaude Codeセッションログを読み取り、1日の振り返りをページめくりできる「本」として生成するスキル。 ## トリガー - `/daily-flipbook` で起動 - 「今日の振り返り本作って」「日記本生成して」等 ## 処理フロー ### Step 1: セッションログの収集 今日のClaude Codeセッションログを両方のパスから収集する: ```bash # パス1: デフォルト ~/.claude/projects/ # パス2: CLAUDE_CONFIG_DIR指定 ~/claude-data/projects/ ``` **必ず両方のパスを検索すること。片方だけで「見つからない」は禁止。** ログファイルはJSONL形式。以下のコマンドで今日のセッションを見つける: ```bash # 今日更新されたJSONLファイルを検索 find ~/.claude/projects/ -name "*.jsonl" -newer /tmp/today_marker -not -path "*/subagents/*" 2>/dev/null find ~/claude-data/projects/ -name "*.jsonl" -newer /tmp/today_marker -not -path "*/subagents/*" 2>/dev/null ``` 日付マーカーの作成: ```bash touch -t $(date +%Y%m%d)0000 /tmp/today_marker ``` ### Step 2: ログの解析 各JSONLファイルから以下を抽出: 1. **ユーザーのメッセージ** (`type: "user"`) → 何を依頼したか 2. **アシスタントの応答** (`type: "assistant"`) → 何を実行したか 3. **ツール使用** (`tool_use`) → Write, Edit, Bash等の実行内容 これらを時系列で整理し、以下の構造にまとめる: ``` - セッション1: [プロジェクト名] - やったこと: [概要] - 成果物: [ファイル、コミット等] - 学び: [気づき、発見] - セッション2: ... ``` ### Step 3: 本の構成を決定 収集した情報から本の構成を自動生成: | ページ | 内容 | |--------|------| | 表紙 | 日付 + タイトル（「YYYY年MM月DD日の記録」） | | はじめに | 今日のサマリー（セッション数、主な成果） | | 各章 | セッションごとの詳細（やったこと、コード、学び） | | 最終ページ | 今日の振り返り + 明日へのアクション | **構成ルール:** - 1セッションにつき1見開き（2ページ） - 最大6章（12ページ）まで。それ以上は重要度で選別 - コードブロック、引用、ティップスボックスを適宜使用 ### Step 4: FlipBook HTMLを生成 テンプレート（`index.html`）をベースに、`pages` 配列を差し替えたHTMLを生成する。 出力先: `/tmp/claude/daily-flipbook/YYYY-MM-DD.html` 使用可能なCSSクラス: - `.page-title` — 大見出し - `.chapter-label ...