Claude skills and agent skills

MicrosoftSkill

microsoft-docs

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

مائیکروسافٹ ٹیکنالوجی ایکو سسٹم کے لیے تحقیقی مہارت۔ learn.microsoft.com اور اس سے باہر کی دستاویزات کو کور کرتا ہے (VS Code، GitHub، Aspire، Agent Framework ریپوز)۔ learn.microsoft.com پر ہر چیز کے لیے یہ ٹولز استعمال کریں — Azure، .NET، M365، Power Platform، Agent Framework، Semantic Kernel، ونڈوز، اور مزید۔ یہ زیادہ تر مائیکروسافٹ دستاویزات کی تلاش کے لیے بنیادی ٹول ہے۔ جب آپ کو مکمل ٹیوٹوریلز، تمام کنفیگریشن آپشنز کی ضرورت ہو یا سرچ اقتباسات کٹ چکے ہوں تو تلاش…

MicrosoftSkill

deploying-scalable-agents

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

Kỹ năng hỗ trợ cho Bài học 16 – Triển khai các Đại lý Có thể Mở rộng. Sử dụng nó để giúp người học chuyển một đại lý từ nguyên mẫu sang triển khai sản xuất có thể mở rộng, có thể quan sát được. Căn cứ mọi khuyến nghị vào nội dung bài học và sổ tay có thể chạy được; không phát minh API Foundry. Kích hoạt kỹ năng này khi người học muốn: - Triển khai…

No other project uses it yet

MicrosoftSkill

jupyter-notebook

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

Sử dụng khi người dùng yêu cầu tạo, dựng khung (scaffold), hoặc chỉnh

Often used withfind-skills

MicrosoftSkill

local-ai-agents

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

Kỹ năng hỗ trợ cho Bài học 17 – Tạo Đại lý AI Cục bộ. Sử dụng nó để giúp người học xây dựng một đại lý có khả năng suy luận, gọi công cụ và tìm kiếm tài liệu hoàn toàn trên máy của họ — không dùng suy luận đám mây. Nền tảng mọi khuyến nghị dựa trên nội dung bài học và sổ tay có thể chạy được. Kích hoạt kỹ năng này khi người học muốn:…

No other project uses it yet

MicrosoftSkill

microsoft-docs

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

Truy vấn tài liệu chính thức của Microsoft để tìm các khái niệm, hướng

MicrosoftSkill

deploying-scalable-agents

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

配合 第16课 – 部署可扩展代理 的辅助技能。 用于帮助学习者将代理从原型推进到可扩展的可观察 生产部署。所有建议均基于课程内容和 可运行的笔记本；不得自行发明 Foundry API。 当学习者想要时激活此技能： - 将代理部署到 Microsoft Foundry 作为<strong>托管代理</strong>，并使其具有版本管理/可观察性。 - 在 客户端托管、托管代理和代理工作流 部署模式之间做选择。 - 添加 <strong>模型路由</strong>、<strong>响应缓存</strong> 或 <strong>有边界并发</strong> 以控制延迟和成本。 - 添加<strong>评估门控</strong>，避免错误的代理版本投产。 - 为高风险操作添加<strong>人机审核</strong>步骤。 - 使用 OpenTelemetry 追踪为生产环境代理添加监测。 - 对已部署代理进行<strong>冒烟测试</strong>，作为快速的部署后门控。 生产代理主要是模型（约80%）的<em>运行骨架</em>， 而非模型本身。将所有建议映射到下述关注点之一： 创建 → 版本化 → 评估（门控）→ 托管部署 → 在线观察 → 收集故障 → 重复。 离线评估是门控，而非事后附加 — 未达到门限的版本不会交付。 在线可观察性将实际故障反馈 至离线测试集。 引导学习者关注笔记本中的以下内容 16-python-agent-framework.ipynb: 部署后，验证端点是否真正响应（部署成功也可能无响应）。 使用 AI Smoke Test 操作，通过 .github/workflows/smoke-test.yml 和 tests/ 中的目录。运行程序将每个 提示 POST 到 POST {project_endpoint}/agents/{agent_name}/endpoint/protocols/openai/responses 并断言回复文本。身份需在 Foundry 项目范围内拥有<strong>Azure AI User</strong>角色； 令牌受众必须是 https://ai.azure.com/。 多重门控：<strong>冒烟测试</strong>（可达且响应，每次部署）→…

No other project uses it yet

MicrosoftSkill

jupyter-notebook

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

在用户请求为实验、探索或教程创建、搭建或编辑 Jupyter 笔记本（`.ipynb`）时使用；优先使用捆绑的模板并运行辅助脚本 `new_notebook.py`

Often used withfind-skills

MicrosoftSkill

local-ai-agents

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

伴随 第17课 – 创建本地 AI 代理 的附加技能。 用它来帮助学习者构建一个能够推理、调用工具并且 完全在他们自己的机器上搜索文档的代理——无云推理。所有 建议均基于课程内容和可运行的笔记本。 当学习者希望： - 由于隐私、成本或离线需求而<strong>完全在设备上运行</strong>代理时。 - 使用 Foundry Local 在本地部署模型，并通过 OpenAI 兼容端点进行连接。 - 使用 <strong>Qwen 函数调用</strong>模型来驱动可靠的本地工具调用时。 - 添加 本地 RAG（Chroma）或 本地 MCP 服务器。 - 设计一个<strong>混合型</strong>本地/云路由策略。 一个 SLM 以隐私、成本和离线操作为代价换取广度。成功的 策略是：<strong>让 SLM 进行协调，让工具承担繁重工作。</strong>模型不需要<em>了解</em>代码库——只需知道何时调用 read_file 和 search_docs。这发挥了 SLM 的优势（受限决策， 如工具选择），避免其弱点（广泛知识、长链推理）。 约 8 GB 内存是实际最低要求；有 GPU/NPU 有助于性能但非必需。 指引学习者使用笔记本 17-local-agent-foundry-local.ipynb： 这与第16课中的模型路由思想相呼应，工作站作为其中一条路由。优先考虑优雅降级到本地的设计，使代理质量降低而非完全失败。

No other project uses it yet

MicrosoftSkill

microsoft-docs

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

针对微软技术生态系统的研究技能。涵盖 learn.microsoft.com 以及存在于其之外的文档（VS Code、GitHub、Aspire、Agent Framework 仓库）。 对 learn.microsoft.com 上的所有内容使用这些工具 —— Azure、.NET、M365、Power Platform、Agent Framework、Semantic Kernel、Windows 等。这是绝大多数微软文档查询的主要工具。 当需要完整教程、所有配置选项或搜索摘要被截断时，搜索后使用 microsoft_docs_fetch。 以下类别存在于 learn.microsoft.com 之外。请使用指定工具。 Aspire 文档位于 aspire.dev，而非 Learn。最佳工具取决于您的 Aspire CLI 版本： CLI 13.2+（推荐）—— Aspire MCP 服务器内置文档搜索工具： 这些工具随 Aspire CLI 13.2 一起发布（PR #14028）。更新命令：aspire update --self --channel daily。 CLI 13.1 — MCP 服务器提供集成查询（list_integrations、get_integration_docs），但<strong>不支持</strong>文档搜索。请回退使用 Context7： VS Code 文档位于 code.visualstudio.com，而非 Learn。 GitHub 文档位于 docs.github.com 和 cli.github.com。 Agent Framework 教程位于 learn.microsoft.com（使用 microsoft_docs_search），但<strong>GitHub 仓库</strong>有时包含比公开文档更前沿的 API 级细节——特别是 DevUI REST API 参考、CLI 选项和 .NET 集成。 DevUI 提示： 先查询 Learn 网站源获取操作指南，再查询仓库源获得 API 级细节（端点模式、代理配置、认证令牌）。

MicrosoftSkill

deploying-scalable-agents

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

課程 16 – 部署可擴展代理 的輔助技能。 用於協助學習者將代理從原型移動到可擴展、可觀察的 生產部署。所有建議均基於課程內容和 可執行的筆記本；不要憑空捏造 Foundry API。 當學習者希望： - 將代理部署到 Microsoft Foundry 作為<strong>託管代理</strong>，並使其具備版本控制／可觀察性。 - 在<strong>用戶端主機、託管代理和代理工作流</strong>部署模式間做選擇。 - 添加<strong>模型路由</strong>、<strong>響應緩存</strong>或<strong>有界併發性</strong>來控制延遲和成本。 - 添加<strong>評估門檻</strong>，防止不良代理版本上線。 - 為高風險操作添加<strong>人工審核批准</strong>步驟。 - 使用<strong>OpenTelemetry</strong>追踪為生產環境儀表化代理。 - 部署後以<strong>煙霧測試</strong>快速檢驗代理。 生產代理主要是模型（約 80%）<em>之外的</em>運行骨架， 而不是模型本身。將每個建議對應到以下某個關注點： 建立 → 版本化 → 評估（門檻）→ 託管部署 → 在線觀察 → 收集失敗 → 重複。 離線評估是一個門檻，不是事後補充 — 未達標版本不會上線， 在線可觀察性會將實際失敗反饋 回離線測試集。 從筆記本指引學習者觀看 16-python-agent-framework.ipynb: 部署後，確認端點確實有回應（綠色部署仍可能 沒有響應）。通過 AI Smoke Test 行動，使用 .github/workflows/smoke-test.yml 和 tests/ 中的目錄。執行者將每條 提示 POST 到 POST {project_endpoint}/agents/{agent_name}/endpoint/protocols/openai/responses 並檢查回覆文字。身份需要在 Foundry 專案範圍內擁有 Azure AI User 角色；令牌受眾必須是 https://ai.azure.com/。 分層關卡：<strong>煙霧測試</strong>（可到達、有回應，每次部署）→ <strong>離線評估</strong>（達標才可發布，升級前）→ <strong>在線評估</strong>（持續追蹤運行情況）。

No other project uses it yet

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

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

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