المهارات json-to-llm-context
📦

json-to-llm-context

آمن

ضغط JSON إلى سياق جاهز للنماذج اللغوية

تفريغات JSON الخام تهدر الرموز_tokens وتربك النماذج. تقوم هذه المهارة بتحويل JSON المعقد إلى ملخصات موجزة تحافظ على الكيانات والعلاقات والبيانات الرئيسية مع تقليل استخدام الرموز_tokens بنسبة تصل إلى 80%.

يدعم: Claude Codex Code(CC)
🥉 76 برونزي
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

استخدام "json-to-llm-context". استجابة مستخدم API مع ملف شخصي متداخل ومصفوفة أدوار وبيانات وصفية

النتيجة المتوقعة:

User[123]: Tom

Summary
- Status: active.
- Profile: email a@b.com (verified).

Collections
- Roles: 2 total; values: admin and editor.

استخدام "json-to-llm-context". مصفوفة طلبات التجارة الإلكترونية مع عناصر متعددة

النتيجة المتوقعة:

Orders

Summary
- Count: 3 total.

Collections
- Orders: 3 total; statuses: paid 2, pending 1; examples: Order[A12] with status: paid and total: 42, and Order[A13] with status: pending and total: 18.

استخدام "json-to-llm-context". تكوين متداخل معقد مع أقسام متعددة

النتيجة المتوقعة:

Context

Summary
- Environment: production.
- Version: 2.1.0.

Details
- Database: host db.example.com, port 5432.
- Cache: enabled with TTL 3600.

Collections
- Features: 5 total; values: authentication, logging, monitoring, analytics, and notifications.

التدقيق الأمني

آمن
v1 • 3/10/2026

Static analysis initially flagged 101 patterns due to Markdown code examples containing backtick syntax, but all findings are false positives. The skill is a legitimate JSON formatting tool that reads structured data and outputs human-readable summaries without external commands, network calls, or file system modifications beyond configured input/output. No security concerns identified after contextual review.

4
الملفات التي تم فحصها
1,271
الأسطر التي تم تحليلها
4
النتائج
1
إجمالي عمليات التدقيق
مشكلات منخفضة المخاطر (4)
SKILL.md:33-40references/rules.md:9-10
Documentation误报 - Markdown Code Examples
Static scanner detected 88 instances of 'Ruby/shell backtick execution' in SKILL.md and references/rules.md. These are FALSE POSITIVES - all backticks appear within Markdown code blocks showing bash command EXAMPLES for users, not actual executable code. The skill documentation demonstrates usage patterns like `python3 scripts/json_to_readable_context.py --input payload.json`, which are instructional text, not executable code paths.
scripts/json_to_readable_context.py:546
误报 - JSON Serialization Not Cryptography
Static scanner flagged 'Weak cryptographic algorithm' at line 78 of the Python script. This is a FALSE POSITIVE - line 546 uses json.dumps() for JSON serialization, which is standard data formatting, not cryptography. The script transforms JSON data into readable text, not cryptographic operations.
scripts/json_to_readable_context.py:301-307
误报 - Email/Phone Keys Not Cryptographic
Static scanner flagged 'Certificate/key files' at lines 302 and 307. This is a FALSE POSITIVE - these lines check for 'email' and 'phone' keys in dictionaries as hints to identify user-related objects, not cryptographic key material. The code is: user_hints = {'email', 'username', 'profile'} and order_hints = {'total', 'currency', 'items'}.
scripts/json_to_readable_context.py:1-50
误报 - Obfuscation Heuristic False Positive
Static scanner flagged '[HEURISTIC] Multiple bracket chains (12) - JSFuck/obfuscation pattern'. This is a FALSE POSITIVE - the Python script uses legitimate bracket notation for dictionary access and list operations, such as value.get('status'), obj.items(), and list comprehensions. This is standard Python syntax, not obfuscation.
تم تدقيقه بواسطة: claude

درجة الجودة

64
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
27
المجتمع
97
الأمان
91
الامتثال للمواصفات

ماذا يمكنك بناءه

تحسين استجابات API

يتلقى مطور الواجهة الخلفية استجابات JSON كبيرة من واجهات برمجة التطبيقات REST ويحتاج إلى تضمين هذه البيانات في مطالبات لـ Claude Code. بدلاً من لصق JSON الخام الذي يستهلك آلاف الرموز_tokens، يستخدم هذه المهارة لإنشاء ملخصات مدمجة تحافظ على جميع المعلومات ذات المعنى.

تحضير سياق استعلام قاعدة البيانات

يقوم محلل البيانات بتصدير أعمدة jsonb من PostgreSQL التي تحتوي على هياكل متداخلة معقدة ويريد تحليل البيانات باستخدام Claude. يستخدم هذه المهارة لتحويل مخرجات قاعدة البيانات الخام إلى ملخصات مقروءة تجعل علاقات الكيانات والحالات واضحة على الفور.

تلخيص ملفات التكوين

يعمل مهندس DevOps مع ملفات تكوين كبيرة متداخلة بتنسيق JSON ويحتاج إلى فهم البنية دون قراءة مئات الأسطر. يستخدم هذه المهارة لإنشاء ملخصات منظمة تجمع الإعدادات بشكل منطقي وتسلط الضوء على القيم الرئيسية.

جرّب هذه الموجهات

ضغط JSON الأساسي 
Please compress this API response into readable context for my LLM: [paste JSON here]
الحفاظ على الحقول الحرجة 
Use json-to-llm-context to process this data while preserving the status, profile.email, and orders fields: [paste JSON]
توسيع تفصيلي للمصفوفات 
Run json-to-llm-context with --expand collections --max-samples 5 to show detailed array contents: [paste JSON]
الوضع الصارم للبيانات المهمة 
Process this JSON in strict mode with --strict --show-paths to trace every value back to its source location: [paste JSON]

أفضل الممارسات

  • ابدأ بالإعدادات الافتراضية، ثم اضبط --max-depth و--max-samples بناءً على تعقيد الإخراج - تحتاج الحمولات الأعمق حدوداً أعلى
  • استخدم --preserve للحقول الحرجة مثل المعرفات أو الحالة أو الطوابع الزمنية التي يجب أن تظهر دائماً في الملخص بغض النظر عن موقعها
  • فعّل --show-paths عند التصحيح أو عندما تحتاج إلى تتبع القيم الملخصة مرة أخرى إلى مواقعها الأصلية في JSON
  • اختر النمط المقسم للمطالبات المهيكلة للنماذج اللغوية حيث يمكن الرجوع إلى الأقسام، أو النمط المسطح للملخصات المضمنة البسيطة

تجنب

  • لا تستخدم هذه المهارة للملفات الثنائية مثل PDF أو DOCX أو الصور - إنها تعالج فقط JSON المهيكل أو نص jsonb
  • تجنب تعيين --max-depth مرتفعاً جداً على الحمولات العميقة جداً حيث قد ينتج عن هذا إخراج طويلAlmost بنفس طول JSON الأصلي
  • لا تعتمد على الضغط الافتراضي للمستندات التنظيمية أو القانونية حيث يلزم رؤية كاملة للحقل - استخدم وضع --strict بدلاً من ذلك
  • لا تلصق أبداً الأسرار أو بيانات الاعتماد في حمولات JSON على الرغم من أن الأداة تعالجها محلياً - قم بتعقيم البيانات الحساسة قبل المعالجة

الأسئلة المتكررة

ما أنواع JSON التي يمكن لهذه المهارة معالجتها؟
تعالج المهارة أي JSON صالح بما في ذلك استجابات REST API وتصديرات jsonb من PostgreSQL وملفات التكوين المتداخلة وهياكل البيانات المعقدة مع المصفوفات والكائنات. إنها لا تعالج النص غير المهيكل أو التنسيقات الثنائية أو المستندات النصية.
كم يمكنني توقع تقليل الرموز_tokens؟
يقلل الضغط النموذجي استخدام الرموز_tokens بنسبة 60-80% مقارنة بتفريغات JSON الخام. يعتمد التخفيض الدقيق على بنية البيانات الخاصة بك - sehen الحمولات ذات الحقول المتكررة والقيم الفارغة أو المصفوفوفات الطويلة أعلى نسب الضغط.
ماذا يحدث للحقول المهمة أثناء الضغط؟
بشكل افتراضي، تحتفظ الأداة بمفاتيح مهمة مثل المعرف والاسم والحالة والبريد الإلكتروني والطوابع الزمنية. استخدم علامة --preserve للحفاظ قسراً على حقول أو مسارات محددة مثل --preserve status,profile.email لضمان عدم حذف البيانات الحرجة أبداً.
هل يمكنني التحكم في مستوى التفصيل في الإخراج؟
نعم. استخدم --max-depth للتحكم في عمق التداخل، و--max-samples لتقييد عناصر المصفوفة المعروضة، و--max-string-len اقتطاع حقول النص الطويلة. تحتفظ علامة --strict بهيكل حرفي أكثر إذا كان الضغط الافتراضي عدوانياً جداً.
ما هو الفرق بين أنماط الإخراج المقسم والمسطح؟
يجميع النمط المقسم الإخراج في أقسام الملخص والتفاصيل والمجموعات مما يساعد النماذج اللغوية على الرجوع إلى أجزاء محددة من بياناتك. يصدر النمط المسطح عنواناً أبسط مع قوائم نقطية بدون تجميع أقسام، وهو يعمل بشكل جيد للحمولات الصغيرة أو الملخصات المضمنة.
هل يتم إرسال بياناتي إلى أي مكان أثناء المعالجة؟
لا. تعالج المهارة جميع JSON محلياً على جهازك. إنها تقرأ من الملفات أو الإدخال القياسي، وتُعالج البيانات باستخدام نصوص Python، وتُخرج إلى ملف قياسي أو ملف محلي. لا يتم إجراء طلبات الشبكة ولا تغادر البيانات بيئتك.

تفاصيل المطور

المؤلف

vc999999999

الترخيص

MIT

المستودع

https://github.com/vc999999999/json-to-llm-context/tree/main/json-to-llm-context

مرجع

main

بنية الملفات

📁 agents/

📄 openai.yaml

📁 references/

📄 rules.md

📁 scripts/

📄 json_to_readable_context.py

📄 SKILL.md