create-llms
Ajuda seu agente a criar um arquivo de documentação para modelos de linguagem. Ele organiza as informações sobre o projeto de acordo com um padrão específico.
O que ela faz
Cria um arquivo chamado `llms.txt` que ajuda programas de computador (modelos de linguagem) a entenderem um projeto. Ele lista os arquivos mais importantes e explica o que eles fazem.
Quando usar
- ✓Quando você quer que um programa de IA entenda rapidamente o que um projeto de código faz.
- ✓Ao iniciar um novo projeto e querer organizar a documentação para IA.
- ✓Para facilitar a navegação em projetos grandes por ferramentas automatizadas.
Exemplo do que pedir para a IA
“Crie um arquivo llms.txt para este projeto.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A IA primeiro entende as regras de como o arquivo llms.txt deve ser. Depois, ela olha todos os arquivos do seu projeto, decide quais são os mais importantes e cria o arquivo llms.txt listando-os com descrições.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add github/awesome-copilot --skill create-llmsOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/create-llms/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Criar Arquivo LLMs.txt a Partir da Estrutura do Repositório
Crie um novo arquivo llms.txt do zero na raiz do repositório, seguindo a especificação oficial do llms.txt em https://llmstxt.org/. Este arquivo fornece orientação de alto nível para modelos de linguagem grandes (LLMs) sobre onde encontrar conteúdo relevante para entender o propósito e as especificações do repositório.
Diretiva Primária
Crie um arquivo llms.txt abrangente que sirva como um ponto de entrada para LLMs entenderem e navegarem no repositório de forma eficaz. O arquivo deve estar em conformidade com a especificação llms.txt e ser otimizado para consumo por LLMs, mantendo-se legível por humanos.
Fase de Análise e Planejamento
Antes de criar o arquivo llms.txt, você deve completar uma análise completa:
Etapa 1: Revisar a Especificação llms.txt
- Revise a especificação oficial em https://llmstxt.org/ para garantir a conformidade total
- Entenda a estrutura de formato e as diretrizes necessárias
- Observe os requisitos específicos da estrutura markdown
Etapa 2: Análise da Estrutura do Repositório
- Examine a estrutura completa do repositório usando ferramentas apropriadas
- Identifique o propósito principal e o escopo do repositório
- Catalogue todos os diretórios importantes e seus propósitos
- Liste os arquivos chave que seriam valiosos para o entendimento do LLM
Etapa 3: Descoberta de Conteúdo
- Identifique arquivos README e suas localizações
- Encontre arquivos de documentação (arquivos
.mdem/docs/,/spec/, etc.) - Localize arquivos de especificação e seus propósitos
- Descubra arquivos de configuração e sua relevância
- Encontre arquivos de exemplo e amostras de código
- Identifique qualquer estrutura de documentação existente
Etapa 4: Criar Plano de Implementação
Com base em sua análise, crie um plano estruturado que inclua:
- Resumo do propósito e escopo do repositório
- Lista em ordem de prioridade de arquivos essenciais para o entendimento do LLM
- Arquivos secundários que fornecem contexto adicional
- Estrutura organizacional para o arquivo llms.txt
Requisitos de Implementação
Conformidade de Formato
O arquivo llms.txt deve seguir esta estrutura exata conforme a especificação:
- Cabeçalho H1: Linha única com o nome do repositório/projeto (obrigatório)
- Resumo em Bloco de Citação: Breve descrição em formato de bloco de citação (opcional, mas recomendado)
- Detalhes Adicionais: Zero ou mais seções markdown sem cabeçalhos para contexto
- Seções de Lista de Arquivos: Zero ou mais seções H2 contendo listas markdown de links
Requisitos de Conteúdo
Elementos Obrigatórios
- Nome do Projeto: Título claro e descritivo como H1
- Resumo: Bloco de citação conciso explicando o propósito do repositório
- Arquivos Chave: Arquivos essenciais organizados por categoria (seções H2)
Formato de Link de Arquivo
Cada link de arquivo deve seguir: [descriptive-name](relative-url): optional description
Organização de Seções
Organize os arquivos em seções H2 lógicas, como:
- Documentação: Arquivos de documentação principal
- Especificações: Especificações técnicas e requisitos
- Exemplos: Exemplos de código e de uso
- Configuração: Arquivos de configuração e configuração
- Opcional: Arquivos secundários (significado especial - podem ser omitidos para contexto mais curto)
Diretrizes de Conteúdo
Linguagem e Estilo
- Use linguagem concisa, clara e inequívoca
- Evite jargões sem explicação
- Escreva para leitores humanos e de LLM
- Seja específico e informativo nas descrições
Critérios de Seleção de Arquivos
Inclua arquivos que:
- Expliquem o propósito e o escopo do repositório
- Forneçam documentação técnica essencial
- Mostrem exemplos de uso e padrões
- Definam interfaces e especificações
- Contenham instruções de configuração e configuração
Exclua arquivos que:
- Sejam puramente detalhes de implementação
- Contenham informações redundantes
- Sejam artefatos de build ou conteúdo gerado
- Não sejam relevantes para entender o projeto
Etapas de Execução
Etapa 1: Análise do Repositório
- Examine completamente a estrutura do repositório
- Leia o README.md principal para entender o projeto
- Identifique todos os diretórios e arquivos de documentação
- Catalogue os arquivos de especificação e seus propósitos
- Encontre arquivos de exemplo e arquivos de configuração
Etapa 2: Planejamento de Conteúdo
- Determine a declaração de propósito principal
- Escreva um resumo conciso para o bloco de citação
- Agrupe os arquivos identificados em categorias lógicas
- Priorize os arquivos por importância para o entendimento do LLM
- Crie descrições para cada link de arquivo
Etapa 3: Criação do Arquivo
- Crie o arquivo
llms.txtna raiz do repositório - Siga a especificação de formato exata
- Inclua todas as seções necessárias
…
Perguntas frequentes
O que é um arquivo llms.txt?
É um arquivo de texto que serve como um mapa para programas de IA, indicando onde encontrar informações importantes sobre um projeto de código.
Por que preciso disso?
Ajuda a IA a entender o propósito e a estrutura do seu projeto mais rapidamente, tornando a interação mais eficiente.
O arquivo llms.txt é para mim ou para a IA?
É escrito para ser lido tanto por humanos quanto por programas de IA, mas seu principal objetivo é guiar a IA.
Detalhes
Descrição original do autor
Create an llms.txt file from scratch based on repository structure following the llms.txt specification at https://llmstxt.org/
repo: github/awesome-copilot
Popularidade
- Estrelas no GitHub
- 40 mil
- Posição no ranking
- #5083
- Licença
- MIT
- Atualizada em
- 15/10/2026
Comentários
- …
Mais skills deste repositório
acquire-codebase-knowledge
Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.
github/awesome-copilot
acreadiness-assess
Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.
github/awesome-copilot
acreadiness-generate-instructions
Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.
github/awesome-copilot
acreadiness-policy
Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.
github/awesome-copilot
Skills parecidas
benchmark-optimization-loop
Faz seu agente melhorar a velocidade de algo de forma medida. Ele testa várias versões e escolhe a mais rápida que ainda funciona corretamente.
affaan-m/ECC
change-impact
Ajuda seu agente a analisar o impacto de mudanças no código antes de fazê-las. Ele compara o planejado com o real depois, cobrindo caminhos, dados, testes e documentação. É útil para mudanças arriscadas ou que afetam várias partes do sistema.
affaan-m/ECC
click-path-audit
Faz seu agente rastrear todos os botões e interações do usuário para achar bugs. Ele encontra problemas onde funções parecem funcionar sozinhas, mas falham juntas. Útil quando bugs persistem mesmo após depuração.
affaan-m/ECC