MicrosoftSkilljupyter-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
Claude skills and agent skills
Skills real projects publish on GitHub, most starred first. Each one says what it will make an agent do before you copy it.
Most stars first · from page 19Worked for most · soon
MicrosoftSkillMicrosoftSkilllocal-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:…
MicrosoftSkillmicrosoft-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
MicrosoftSkilltesting-course-samples
microsoft/ai-agents-for-beginners/translations/vi/.agents/skills/testing-course-samples/SKILL.md
Xác thực rằng các sổ tay bài học và mẫu mã chạy trên một thiết lập Microsoft Foundry / Azure OpenAI trực tiếp. Kho lưu trữ cung cấp một trình chạy tại scripts/validate-notebooks.ps1 để thực thi mỗi sổ tay Python một cách không đầu cuối và in ra bảng PASS/FAIL. Không dùng cho AI Smoke Test GitHub Action (xác thực các tác nhân đã triển khai — xem tests/README.md). Kỹ năng này chạy các sổ tay cục bộ. Tập lệnh…
MicrosoftSkillazure-openai-to-responses
microsoft/ai-agents-for-beginners/translations/zh-CN/.agents/skills/azure-openai-to-responses/SKILL.md
权威指南 — 请严格遵循 该技能将使用 Azure OpenAI 聊天补全的 Python 代码库 迁移到统一的 Responses API。请严格遵循这些说明。 不要即兴映射参数或发明 API 形态。 当用户希望时启用此技能： - 将 Python 应用从 Azure OpenAI 聊天补全迁移到 Responses API - 升级 Python OpenAI SDK 的用法至针对 Azure OpenAI 的最新 API 形态 - 为需要 Azure 上 Responses 的 GPT-5 或更新模型准备 Python 代码 - 从 AzureOpenAI/AsyncAzureOpenAI 切换到带 v1 端点的标准 OpenAI/AsyncOpenAI 客户端 - 修复与 AzureOpenAI 构造函数或 api_version 相关的弃用警告 迁移前，请验证您的 Azure OpenAI 部署支持 Responses API。 <strong>注意</strong>：在 Azure OpenAI 上，maxoutputtokens 最小为 16。低于 16 会返回 400 错误。用于快速测试时请使用 50 以上。 如果返回 404，该部署的模型尚不支持…
MicrosoftSkilldeploying-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 {projectendpoint}/agents/{agentname}/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）→…
MicrosoftSkilljupyter-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`
MicrosoftSkilllocal-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 readfile 和 searchdocs。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。
MicrosoftSkillmicrosoft-docs
microsoft/ai-agents-for-beginners/translations/zh-CN/.agents/skills/microsoft-docs/SKILL.md
查询官方 Microsoft 文档，以查找有关 Azure、.NET、Agent Framework、Aspire、VS Code、GitHub
MicrosoftSkilltesting-course-samples
microsoft/ai-agents-for-beginners/translations/zh-CN/.agents/skills/testing-course-samples/SKILL.md
验证课程笔记本和代码示例是否能在实际运行的 Microsoft Foundry / Azure OpenAI 环境下执行。仓库提供了一个运行脚本位于 scripts/validate-notebooks.ps1， 它可以无头执行每个 Python 笔记本，并打印通过/失败矩阵。 该脚本会写出执行的副本、每个笔记本的日志、以及 results.json 到 $env:TEMP\aiab-nbval，并以失败数作为退出码。 临时失败（共享订阅的 HTTP 429 速率限制、偶发的 AzureCliCredential 令牌故障或超时）会自动重试 （-Retries，默认 2 次，带 -RetryDelaySeconds 退避，默认 20 秒）。如果某个 模型部署经常出现 429 错误，检查订阅的 GlobalStandard TPM 配额（az cognitiveservices usage list -l <region>）——单个 部署容量增加无效，因为是<em>订阅</em>配额用尽了。
MicrosoftSkillazure-openai-to-responses
microsoft/ai-agents-for-beginners/translations/zh-HK/.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 遷移至統一的 Responses API。請精確遵循這些指示。 不可隨意即興對應參數或發明 API 介面。 當使用者想要啟用本技能時： - 將 Python 應用程式從 Azure OpenAI Chat Completions 遷移至 Responses API - 將 Python OpenAI SDK 用法升級為最新的 Azure OpenAI API 格式 - 為 GPT-5 或更新版需要 Responses API 的模型準備 Python 程式碼 - 從 AzureOpenAI / AsyncAzureOpenAI 切換到帶 v1 端點的標準 OpenAI / AsyncOpenAI 用戶端 - 修正與 AzureOpenAI 構造函數或 api_version 相關的過時警告 遷移前，請確認你的 Azure OpenAI 部署支援 Responses API。 <strong>注意</strong>：Azure OpenAI 中 maxoutputtokens 最低為 16。低於 16 的值會回傳…
MicrosoftSkilldeploying-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 {projectendpoint}/agents/{agentname}/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）。
MicrosoftSkilljupyter-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
MicrosoftSkillmicrosoft-docs
microsoft/ai-agents-for-beginners/translations/zh-HK/.agents/skills/microsoft-docs/SKILL.md
查詢官方 Microsoft 文件，以尋找有關 Azure、.NET、Agent Framework、Aspire、VS Code、GitHub
MicrosoftSkilltesting-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。
MicrosoftSkillazure-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 maxoutputtokens 最小值為 16。小於 16 將返回 400 錯誤。簡易測試請使用…
MicrosoftSkilljupyter-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
MicrosoftSkilllocal-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 readfile 和 searchdocs。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。
MicrosoftSkillmicrosoft-docs
microsoft/ai-agents-for-beginners/translations/zh-MO/.agents/skills/microsoft-docs/SKILL.md
查詢官方 Microsoft 文件以尋找跨 Azure、.NET、Agent Framework、Aspire、VS Code、GitHub
MicrosoftSkilltesting-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。
About skills
What is a Claude skill?
A folder with a SKILL.md file: a name, a description of when to use it, and instructions. Claude loads a skill only when the task matches its description.
How do I use one I find here?
Copy the folder into your project's .claude/skills/ directory, or into your own skills folder to use it everywhere.
What do the warnings mean?
We read each file for commands that read secrets, delete things or pipe downloads into a shell, and say so before you copy it. No warning is not a promise that a file is safe.
Which skills worked for people?
Open a skill to see its discussion. Reports from people and their agents are coming.