Getting it into your agent
One page per mod, every tool's command on it. A separate URL per tool would split the same page into five that compete with each other.
npx skills add gpsnmeajp/ai-character-checker --skill general-prompt-fortifiergit clone --depth 1 https://github.com/gpsnmeajp/ai-character-checkerWrote this? Show the measurements
A badge with what this costs and how it scanned, read live from this page, so it follows the numbers instead of freezing them. Markdown for a README, HTML for a documentation site or a project page.
[](https://agentmods.dev/skills/gpsnmeajp/ai-character-checker/general-prompt-fortifier)<a href="https://agentmods.dev/skills/gpsnmeajp/ai-character-checker/general-prompt-fortifier"><img src="https://agentmods.dev/badge/skills/gpsnmeajp/ai-character-checker/general-prompt-fortifier/github.svg" alt="Measured on agentmods" height="20"></a>Or the 80×15 button, for a site that already has a row of RSS and ATOM ones. Only the verdict fits; the numbers stay here.
<a href="https://agentmods.dev/skills/gpsnmeajp/ai-character-checker/general-prompt-fortifier"><img src="https://agentmods.dev/badge/skills/gpsnmeajp/ai-character-checker/general-prompt-fortifier.svg" alt="Reviewed on agentmods" width="80" height="20"></a>What it costs to keep this loaded
Counted locally with the o200k_base tokenizer, which is exact for GPT models; Claude uses its own tokenizer and its counts differ. Treat this as one consistent yardstick across the catalogue rather than a bill. Prices are per million input tokens.
| Model | Per session | Once invoked |
|---|---|---|
| Fable 5.1 | $0.00034 | $0.04959 |
| Opus 5 | $0.00017 | $0.02479 |
| Sonnet 5 | $0.00007 | $0.00992 |
| Haiku 4.5 | $0.00003 | $0.00496 |
Grade A, and why
general-prompt-fortifier scanned grade A with 0 findings against 26 rules in 11 categories — prompt injection, anti-refusal, data exfiltration, privilege escalation, supply chain, agent snooping, system-prompt leakage, SSRF and excessive agency — measured 12d ago.
A static scan of the body, not an audit. Every finding is printed with the line that produced it so you can judge whether it matters here. A mod is markdown that instructs an agent; that is exactly why what it instructs is worth reading.
Nothing flagged
None of the 26 patterns this scan looks for appear in this file: no shell pipes, no recursive deletes, no credential paths, no hidden text, no instruction-override or anti-refusal phrasing, no agent-config snooping. That is not a guarantee, it is the absence of the things that are checkable.
How it starts
The opening of the file, as written. The whole thing — 358 lines — stays where its author put it; the contents beside it link to each section on GitHub.
General Prompt Fortifier
— 汎用プロンプト 崩壊耐性強化スキル
概要
このスキルは、分類器・レビューツール・分析器・エージェントなど、 あらゆる汎用プロンプトを 11の強化技法 で再構成し、 小規模SLMから大規模推論モデルまで、幅広い言語モデルで 崩壊しにくいプロンプトに変換する。
character-prompt-fortifier との関係
本スキルは character-prompt-fortifier と共通の理論的基盤を持つ。 LLMの物語性生成器としての性質を利用するアプローチは同一であり、 本スキルはそこからキャラクター要素（口調・世界観・関係性・連鎖耐性）を 除去し、汎用プロンプト全般に適用可能にした派生版である。
| 項目 | character-prompt-fortifier | 本スキル |
|---|---|---|
| 対象 | AIキャラクタープロンプト | 汎用プロンプト全般 |
| 技法数 | 12 | 11（関係性の組み込みを除外） |
| 自述の主体 | キャラクター | プロンプトの「役割」 |
| キャラクター要素 | 口調・世界観・関係性・連鎖耐性 | なし |
| 理論的基盤 | 共通 | 共通 |
理論的位置づけに関する注意
本スキルが前提とする強化技法体系は、作者独自の仮説的モデルに基づくものであり、 学術的・科学的に実証されたものではない。使用している工学的用語は概念の借用であり、 元の工学的定義とは異なる場合がある。出力結果はあくまで参考情報として扱うこと。 この旨をユーザーへの出力に含めること。
参照ファイルガイド
本スキルの SKILL.md 本体には11技法の概要・フロー・ガードレールを記載している。 11技法の理論的背景・具体的実装方法・出力プロンプトのテンプレートは参照ファイルにのみ記載されている ため、 強化の実行には参照ファイルの読み込みが不可欠である。
| ファイル | 内容 | 読み込みタイミング |
|---|---|---|
references/theory-and-techniques.md |
11技法の理論的背景、LLMが物語性生成器である原理、クロスモデル耐性の原理 | Phase 3（11技法の適用）の前に読み込む。 技法の概要はSKILL.md本体にあるが、「なぜその技法が有効か」の理論的基盤がないと適用判断の精度が低下する |
references/output-guide.md |
セクション別の詳細設計ガイド、入出力例の作成フロー、モデル規模別の考慮事項、ガードレール出力テンプレート | Phase 3で出力プロンプトを構成する際に読み込む。 セクション構造・入出力例のフォーマット・ガードレール出力はこのファイルにしかない |
このスキルが解決する問題
汎用プロンプトは、以下の構造的脆弱性を持つことが多い：
- 第三者記述の外在性 — 「このシステムは〜する」という記述は、 LLMにとって「解釈すべき指示」であり、解釈の余地が崩壊の入り口になる
- 禁止ルールの外骨格性 — 「〜してはいけない」は外部拘束であり、 高性能モデルほど回避を試みる
- 根拠なき仕様の脆弱性 — 「なぜそうするのか」が書かれていない仕様は、 推論モデルが独自に理由を推測し、想定外の動作に至る
- モデル依存性 — 特定のモデルで調整されたプロンプトは、 別のモデルで予測不能な挙動を示す
- スコープの曖昧さ — 何をするか・何をしないかの境界が曖昧なプロンプトは、 長い対話の中でドリフトする
本スキルは LLMが物語性生成器である という原理的性質を利用し、 プロンプト自体を「役割の自述」として構成することで、 これらの脆弱性を構造的に解消する。
11の強化技法（概要）
詳細は
references/theory-and-techniques.mdを参照。 理論的背景（LLMが物語性生成器である原理、クロスモデル耐性の原理）もそちらに含まれる。
| # | 技法名 | 核心 |
|---|---|---|
| 1 | 一人称自述形式 | プロンプト全体を「私は〜」の自述に変換。LLMの物語継続能力を活用 |
| 2 | 制約の内在化 | 禁止ルールを「私は〜しない。なぜなら〜」の原則に変換 |
| 3 | 理由付け | すべての仕様に「なぜなら」を付与。推論モデルへの論理的反論の壁 |
| 4 | プロンプト名ヘッダー | 先頭に名前を配置しattentionをアンカー。SLMで特に有効 |
| 5 | XMLセクション＋Markdown | XMLで大セクション分割、内部はMarkdown。コンテキスト汚染を防止 |
| 6 | 機能的分離 | 「プロンプトの役割」と「言語モデルの機能」を明確に分離 |
| 7 | 限界の整理と分離 | 「設計上しないこと」と「構造的にできないこと」を明確に分離 |
| 8 | 入出力例(few-shot) | 3〜5個の入出力例で動作を実演。最強のアンカー |
| 9 | 自己監視・フォールバック | ドリフト検知→フォールバック動作を設計 |
| 10 | 判断の一貫性保全 | ユーザーの要望に流されず一貫した基準で判断 |
| 11 | 動作モード分離 | タスク遂行 > エラー処理 > 対話的支援の3モード＋優先順位 |
What ships with it
3 files beside SKILL.md in the same directory: the scripts, references and assets a skill reads on demand. Not counted in the per-session cost; read them before you install if any of them is executable.
What this file has done since we first saw it
Hashed on every crawl. A supply-chain change to an agent config is a question of when, not whether, so the history is kept rather than the latest state alone.
- 12d ago First seen · 358 lines · 34 tokens per session scan A 90e773e842c6
general-prompt-fortifier is a skill published in the GitHub repository gpsnmeajp/ai-character-checker (5 stars, last pushed 5mo ago), licensed CC0-1.0. It adds 34 tokens to every session and 4,959 once invoked, about $0.0002 per session on Opus 5. A static security scan graded it A with 0 findings. No closer match exists in the catalogue, so it is treated as the original; first seen 2026-08-31.
Other skills, from other repositories
llm-app-patterns
Production-ready patterns for building LLM applications. Covers RAG pipelines, agent architectures, prompt IDEs, and LLMOps monitoring. Use when designing AI applications, implementing RAG, building agents, or setting up LLM observability.
prompt-optimization
Improve a prompt on the evaluations workbench through a measured loop. Score the baseline first, then duplicate the target column, form a hypothesis from failing rows, edit the copy's prompt draft, run, compare pass rate and cost, and repeat until the numbers hold. Use when the user asks to optimize or improve a…
enhance-prompt
Transforms vague UI ideas into polished, Stitch-optimized prompts. Enhances specificity, adds UI/UX keywords, injects design system context, and structures output for better generation results.
prompt-engineer
Writes, refactors, and evaluates prompts for LLMs — generating optimized prompt templates, structured output schemas, evaluation rubrics, and test suites. Use when designing prompts for new LLM applications, refactoring existing prompts for better accuracy or token efficiency, implementing chain-of-thought or few-shot…
seedance-vocab-en
This skill should be used when an English Seedance 2.0 prompt needs clearer production wording, less generic prose, or precise vocabulary for camera, lighting, motion, VFX, audio, and constraints. Route blocked prompts through seedance-filter for context and boundary review.
ideogram4
Prompting patterns for Ideogram 4 text-to-image — best-in-class in-image text rendering and exact color/layout control via structured JSON captions. Use when generating images that need legible on-image text (title cards, thumbnails, logos, signage, CTAs), precise brand colors, or controlled spatial layout. Triggers…