Claude skills and agent skills

MicrosoftSkill

jupyter-notebook

microsoft/ai-agents-for-beginners/translations/zh-HK/.agents/skills/jupyter-notebook/SKILL.md

當使用者要求建立、搭建或編輯 Jupyter 筆記本（`.ipynb`）以進行實驗、探索或教學範例時使用；優先使用隨附的範本，並執行輔助腳本

Often used withfind-skills

MicrosoftSkill

local-ai-agents

microsoft/ai-agents-for-beginners/translations/zh-HK/.agents/skills/local-ai-agents/SKILL.md

與課程 17 – 建立本地 AI 代理 的輔助技能。 幫助學習者在他們自己的機器上構建一個能推理、調用工具並搜尋 文件的代理 — 完全不依賴雲端推理。每一項建議都基於課程內容和可運行的筆記本。 讓 SLM 負責協調，並讓工具承擔繁重工作。 模型不需要 <em>知道</em> 程式碼庫 — 它只需要知道什麼時候調用 策略：讓 SLM 來協調，並讓工具負責繁重工作。 模型不需要<em>知道</em>代碼庫——它只需知道何時呼叫 model does not need to know the codebase — it needs to know when to call read_file 和 search_docs。這符合 SLM 的優勢（有界決策 如工具選擇）並避開其弱點（廣泛知識、長多跳推理）。 約需 8 GB RAM 是現實的最低需求；GPU/NPU 有助益但非必須。 指向學習者筆記本 17-local-agent-foundry-local.ipynb: 此方法反映第 16 課的模型路由概念，將工作站作為其中一條路由。優先考慮可回退到本地的設計，讓代理程式在品質上漸進下降，而非完全失效。

No other project uses it yet

MicrosoftSkill

microsoft-docs

microsoft/ai-agents-for-beginners/translations/zh-HK/.agents/skills/microsoft-docs/SKILL.md

查詢官方微軟文件，以尋找涵蓋 Azure、.NET、代理框架、Aspire、VS Code、GitHub 等的概念、教學和範例程式碼。預設使用

MicrosoftReads credentialsSkill

testing-course-samples

microsoft/ai-agents-for-beginners/translations/zh-HK/.agents/skills/testing-course-samples/SKILL.md

驗證課程筆記本和程式碼範例是否可在即時的 Microsoft Foundry / Azure OpenAI 環境中執行。此倉庫包含一個執行器，位置為 scripts/validate-notebooks.ps1， 該執行器會以無頭模式執行所有 Python 筆記本並列印通過/失敗矩陣。 不要用於 AI 煙霧測試 GitHub Action（該 Action 驗證 <em>已部署</em> 的托管代理 — 請參閱 tests/README.md）。此工具 在本地端運行筆記本。 此腳本將執行結果的複本、筆記本日誌及 results.json 寫入 $env:TEMP\aiab-nbval，並以失敗數量作為退出碼結束。 短暫失敗（共用訂閱 HTTP 429 限速、偶發的 AzureCliCredential 權杖問題或逾時）會自動重試 （-Retries，預設 2 次，並使用 -RetryDelaySeconds 延遲，預設 20 秒）。若 模型部署經常出現 429，請檢查訂閱之 GlobalStandard TPM 配額（az cognitiveservices usage list -l <region>）— 單一部署增量無助於當 <em>訂閱</em> 配額用盡時。

No other project uses it yet

MicrosoftReads credentialsSkill

azure-openai-to-responses

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/azure-openai-to-responses/SKILL.md

權威指南 — 請嚴格遵循 本技能協助遷移使用 Azure OpenAI Chat Completions 的 Python 程式碼庫 至統一的 Responses API。請嚴格按照這些指示執行。 請勿即興映射參數或自行創建 API 結構。 當用戶希望執行下列操作時啟用此技能： - 將 Python 應用程式從 Azure OpenAI Chat Completions 遷移至 Responses API - 將 Python OpenAI SDK 用法升級至針對 Azure OpenAI 的最新 API 結構 - 為 GPT-5 或更新版本需要在 Azure 上使用 Responses 的模型準備 Python 程式碼 - 從 AzureOpenAI/AsyncAzureOpenAI 切換至使用標準的 OpenAI/AsyncOpenAI 客戶端及 v1 端點 - 修正與 AzureOpenAI 建構函式或 api_version 相關的棄用警告 遷移前，請確認您的 Azure OpenAI 部署支援 Responses API。 <strong>注意</strong>：Azure OpenAI 上的 max_output_tokens 最小值為 16。小於 16 將返回 400 錯誤。簡易測試請使用…

MicrosoftSkill

deploying-scalable-agents

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/deploying-scalable-agents/SKILL.md

與第16課 – 部署可擴展代理相輔相成的技能。 用於幫助學習者將代理從原型階段推進到可擴展且可觀察的 生產部署。所有建議均基於課程內容和 可運行的筆記本；不要編造 Foundry API。 在學習者希望進行以下操作時啟用此技能： - 將代理部署到 Microsoft Foundry 作為<strong>託管代理</strong>並使其具版本控制/可觀察性。 - 在<strong>客戶端託管、託管代理和代理工作流</strong>部署模式間進行選擇。 - 添加<strong>模型路由</strong>、<strong>響應緩存</strong>或<strong>有界併發</strong>以控制延遲和成本。 - 添加<strong>評估門檻</strong>，以防止錯誤代理版本上線。 - 添加<strong>人工審批</strong>步驟，用於高風險操作。 - 用<strong>OpenTelemetry</strong>追蹤儀器化代理，以實現生產可觀察性。 - <strong>煙霧測試</strong>已部署的代理作為快速的後部署檢查。 生產代理主要是環繞模型（約80%）的運營骨架， 而非模型本身。將每個建議對應到以下關注點之一： create → version → evaluate (gate) → deploy hosted → observe online → collect failures → repeat。 離線評估是一道門檻，而非事後考量 — 版本通過門檻才能發佈。 在線可觀察性將真實失敗反饋至離線測試集。 指引用戶到筆記本中的以下內容 16-python-agent-framework.ipynb： 部署後，驗證端點確實有回應（部署成功不代表一定有回應）。 使用AI 煙霧測試 操作，透過 .github/workflows/smoke-test.yml 搭配 tests/ 目錄。執行器將每個提示 POST 到 POST {project_endpoint}/agents/{agent_name}/endpoint/protocols/openai/responses， 並對回復文本做斷言。身份需在 Foundry 專案範圍擁有 Azure AI User 角色；令牌受眾必須是 https://ai.azure.com/。

No other project uses it yet

MicrosoftSkill

jupyter-notebook

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/jupyter-notebook/SKILL.md

當使用者要求建立、搭建或編輯用於實驗、探索或教學的 Jupyter 筆記本 (`.ipynb`) 時使用；優先採用內建範本並執行輔助腳本

Often used withfind-skills

MicrosoftSkill

local-ai-agents

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/local-ai-agents/SKILL.md

與 第17課 – 創建本地 AI 代理 配套的技能。 用於幫助學習者構建一個能夠推理、調用工具並在他們自己的機器上完全獨立搜尋文檔的代理 — 無需雲端推論。所有建議均基於課程內容和可運行的筆記本。 學習者希望在以下情況下啟動此技能： - 完全<strong>在設備上運行</strong>代理，考慮到隱私、成本或離線需求。 - 使用 Foundry Local 於本地提供模型，並通過 OpenAI 相容端點連接。 - 使用 <strong>Qwen 函數調用</strong>模型驅動可靠的本地工具調用。 - 添加 本地 RAG（Chroma）或 本地 MCP 服務器。 - 設計 <strong>混合</strong> 本地/雲端路由策略。 SLM 在範圍上做出取捨，換取隱私、成本和離線操作。取勝的策略是：讓 SLM 進行編排，工具來做重工作。 模型不需要<em>了解</em>代碼庫 — 它只需知道何時調用 read_file 和 search_docs。這發揮了 SLM 的優勢（有限決策如工具選擇），避開了它的弱點（廣泛知識，長距多跳推理）。 ~8 GB RAM 是現實可行的最低要求；GPU/NPU 有助於性能，但非必需。 引導學習者參考筆記本 17-local-agent-foundry-local.ipynb： 這與第16課中的模型路由思路相呼應，工作站作為其中一條路由。設計優先考慮回退到本地，讓代理表現下降而非徹底失效。

No other project uses it yet

MicrosoftSkill

microsoft-docs

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/microsoft-docs/SKILL.md

查詢官方 Microsoft 文件，以尋找涵蓋 Azure、.NET、Agent Framework、Aspire、VS Code、GitHub

MicrosoftReads credentialsSkill

testing-course-samples

microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/testing-course-samples/SKILL.md

驗證課堂筆記本和程式碼範例是否能夠在實際運行的 Microsoft Foundry / Azure OpenAI 環境中執行。此版本庫附帶一個執行器 scripts/validate-notebooks.ps1， 可無頭方式執行所有 Python 筆記本並列印出 PASS/FAIL 矩陣。 請<strong>勿</strong>將此用於 AI Smoke Test GitHub Action（該動作驗證<em>已部署</em> 的主機代理 — 請參考 tests/README.md）。這個功能 是在本機運行筆記本。 腳本會將執行過的複本、每支筆記本的日誌及 results.json 寫入 $env:TEMP\aiab-nbval，並以失敗數目作為退出碼。 短暫失敗（共享訂閱的 HTTP 429 限流，偶爾的 AzureCliCredential 令牌異常，或逾時）會自動重試 （-Retries，預設 2 次，搭配 -RetryDelaySeconds 延遲，預設 20 秒）。如果某個 模型部署經常遇到 429，請檢查訂閱的 GlobalStandard TPM 配額（az cognitiveservices usage list -l <region>）——提升單一 部署容量不會有用，因為是<em>整個訂閱</em>配額用盡了。

No other project uses it yet

MicrosoftReads credentialsSkill

azure-openai-to-responses

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/azure-openai-to-responses/SKILL.md

權威指南 — 請嚴格遵循 本技能將使用 Azure OpenAI Chat Completions 的 Python 代碼庫 遷移到統一的 Responses API。請精確遵循這些指令。 不得自行即興映射參數或創建 API 形態。 當用戶想要： - 將 Python 應用從 Azure OpenAI Chat Completions 遷移到 Responses API - 升級 Python OpenAI SDK 使用方式，改用針對 Azure OpenAI 的最新 API 形態 - 為需要 Azure Responses 的 GPT-5 或更新模型準備 Python 代碼 - 從 AzureOpenAI / AsyncAzureOpenAI 切換到使用標準的 OpenAI / AsyncOpenAI 客戶端，搭配 v1 端點 - 修正與 AzureOpenAI 建構子或 api_version 相關的棄用警告 遷移前，請確認您的 Azure OpenAI 部署支援 Responses API。 <strong>注意</strong>：Azure OpenAI 上 max_output_tokens 的<strong>最小值為 16</strong>。低於 16…

MicrosoftSkill

deploying-scalable-agents

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/deploying-scalable-agents/SKILL.md

第16課 - 部署可擴充代理 的配套技能。 用它來協助學習者將代理從原型轉移到可擴展、可觀察的生產部署。 將每一項建議都根植於課程內容和可運行筆記本；不得自行創造 Foundry API。 當學習者想要： - 將代理部署到 Microsoft Foundry 作為<strong>託管代理</strong>，並使其版本化/可觀察。 - 在<strong>用戶端託管、託管代理及代理工作流程</strong>部署模式中進行選擇。 - 添加<strong>模型路由</strong>、<strong>回應快取</strong>或<strong>有界並行性</strong>來控制延遲與成本。 - 添加一個<strong>評估門檻</strong>，以防止錯誤的代理版本被部署。 - 添加一個<strong>人機介入的核准</strong>步驟，針對高風險操作。 - 以<strong>OpenTelemetry</strong>追蹤為代理進行生產環境的觀察性儀表。 - 進行<strong>冒煙測試</strong>作為快速的部署後門檻。 生產代理主要是在模型之外的運作框架（約佔80%）， 而非模型本身。將每個建議對應到以下關注點之一： create → version → evaluate (gate) → deploy hosted → observe online → collect failures → repeat。 離線評估是一道門檻，而非事後考量 — 版本不會上線，除非通過此門檻。 在線可觀察性會將真實失敗反饋至離線測試集。 從筆記本指向學習者這些 16-python-agent-framework.ipynb： 部署後，驗證端點確實有回應（綠燈部署仍可能無聲無息）。 透過 AI Smoke Test 動作使用 .github/workflows/smoke-test.yml 搭配 tests/ 中的目錄。執行器會將每個 提示以 POST 發送至 POST {project_endpoint}/agents/{agent_name}/endpoint/protocols/openai/responses， 並對回覆文字斷言。身份需具備 Foundry 專案範圍內的<strong>Azure AI User</strong>角色；Token 受眾必須是 https://ai.azure.com/。

No other project uses it yet

MicrosoftSkill

jupyter-notebook

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/jupyter-notebook/SKILL.md

當使用者要求建立、搭建或編輯 Jupyter 筆記本（`.ipynb`）用於實驗、探索或教學時使用；優先使用隨附範本並執行輔助腳本 `new_notebook.py`

Often used withfind-skills

MicrosoftSkill

local-ai-agents

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/local-ai-agents/SKILL.md

伴隨 Lesson 17 – Creating Local AI Agents 的輔助技能。 用於協助學習者打造一個能獨立在自己機器上推理、調用工具及搜尋文件的代理 — 完全無雲端推理。所有建議都基於課程內容與可執行筆記本。 當學習者希望： - 完全在設備端執行代理，為了隱私、成本或離線需求。 - 使用 Foundry Local 本地部署模型，並透過 OpenAI 兼容端點連接。 - 使用 Qwen 函數呼叫 模型來驅動可靠的本地工具調用。 - 新增 本地 RAG（Chroma）或 本地 MCP 伺服器。 - 設計一個 <strong>混合</strong> 本地/雲端路由策略。 SLM 以隱私、成本與離線操作換取廣度。致勝策略是：讓 SLM 負責協調，讓工具執行繁重任務。 模型不需要<em>了解</em>整個程式碼庫，只需知道何時呼叫 read_file 和 search_docs。這符合 SLM 的強項（例如界定決策如工具選擇），避開其弱項（廣泛知識、長距多跳推理）。 8GB 記憶體為實際最低需求；GPU/NPU 有助於性能但非必需。 指引學習者閱讀筆記本 17-local-agent-foundry-local.ipynb： 這呼應了 Lesson 16 的模型路由概念，將工作站列為其中一條路徑。優先設計可回退至本地的方案，讓代理效能降低而非直接失效。

No other project uses it yet

MicrosoftSkill

microsoft-docs

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/microsoft-docs/SKILL.md

Microsoft 技術生態系統的研究技能。涵蓋 learn.microsoft.com 以及存在於其之外的文檔（VS Code、GitHub、Aspire、Agent Framework 倉庫）。 使用這些工具搜尋 learn.microsoft.com 上的所有內容 — 包括 Azure、.NET、M365、Power Platform、Agent Framework、Semantic Kernel、Windows 等。這是大多數 Microsoft 文件查詢的主要工具。 在需要完整教學、所有配置選項或搜尋摘要被截斷時，請於搜尋後使用 microsoft_docs_fetch。 以下類別存在於 learn.microsoft.com 之外。請改用指定工具。 Aspire 文件位於 aspire.dev，非 Learn。最佳工具取決於你的 Aspire CLI 版本： CLI 13.2+（推薦）— Aspire MCP 伺服器包含內建的文件搜尋工具： 這些功能隨 Aspire CLI 13.2 版本發布（PR #14028）。更新指令：aspire update --self --channel daily。 CLI 13.1 — MCP 伺服器提供整合查詢（list_integrations、get_integration_docs），但<strong>不提供</strong>文件搜尋。請使用 Context7 作為備用： VS Code 文件位於 code.visualstudio.com，非 Learn。 GitHub 文件位於 docs.github.com 與 cli.github.com。 Agent Framework 教學在 learn.microsoft.com（使用 microsoft_docs_search），但 GitHub 倉庫 提供的 API 細節往往比已發布文件更新 — 特別是 DevUI REST API 參考、CLI 選項及…

MicrosoftReads credentialsSkill

testing-course-samples

microsoft/ai-agents-for-beginners/translations/zh-TW/.agents/skills/testing-course-samples/SKILL.md

驗證課程筆記本和程式範例是否能在即時的 Microsoft Foundry / Azure OpenAI 環境中執行。此儲存庫提供一個運行器，位於 scripts/validate-notebooks.ps1， 它會無頭方式執行每個 Python 筆記本並印出通過／失敗矩陣。 此腳本會寫出執行後的複本、每筆記本的日誌，及 results.json 於 $env:TEMP\aiab-nbval，並以失敗數量作為退出碼。 短暫失敗（共用訂閱 HTTP 429 限流、偶發的 AzureCliCredential 令牌異常，或逾時）會自動重新嘗試 （-Retries，預設 2 次，搭配 -RetryDelaySeconds 回溯，預設 20 秒）。若 模型部署經常出現 429，請檢查訂閱的 GlobalStandard TPM 配額（az cognitiveservices usage list -l <region>）— 單一部署容量增加並無助於訂閱<em>整體</em>配額耗盡的情況。

No other project uses it yet

OpenAIReads credentialsSkill

docs-editor

openai/openai-cookbook/.codex/skills/docs-editor/SKILL.md

Review and edit OpenAI Cookbook notebooks, Markdown, and MDX for technical accuracy, clarity, grammar, consistency, runnable examples, and repository publication requirements. Use for editorial reviews, pre-merge documentation checks, or notebook Markdown-cell sweeps in openai-cookbook.

No other project uses it yet

OpenAISkill

expense-review-policy

openai/openai-cookbook/examples/agents_api/apps/document_review/skills/expense-review-policy/SKILL.md

Review invoices and contracts against accounts-payable policy before human approval.

No other project uses it yet

OpenAISkill

bootstrap-realtime-eval

openai/openai-cookbook/examples/evals/realtime_evals/skills/bootstrap-realtime-eval/SKILL.md

Bootstrap a new realtime eval folder inside this cookbook repo by choosing the right harness from examples/evals/realtime_evals, scaffolding prompt/tools/data files, generating a useful README, and validating it with smoke, full eval, and test runs. Use when a user wants to start a new crawl, walk, or run realtime eval in this repository.

No other project uses it yet

ClineSkill

cline-sdk

cline/cline/.agents/skills/cline-sdk/SKILL.md

Comprehensive Cline SDK skill for building AI agents. Covers the Agent runtime, ClineCore sessions, custom tools, plugins, events, LLM providers, scheduling, multi-agent teams, and production deployment. Use for any task involving @cline/sdk or its sub-packages.