Find the best CLAUDE.md, AGENTS.md and Claude skills

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 credentialsAGENTS.md

ai-agents-for-beginners / zh-TW

microsoft/ai-agents-for-beginners/translations/zh-TW/AGENTS.md

此儲存庫包含「初學者的 AI 代理人」— 一門全面的教育課程，教授構建 AI 代理人所需的一切。該課程包含18個課程（編號00-18），涵蓋基礎知識、設計模式、框架、正式部署、本地/裝置代理人以及 AI 代理人的安全性。 主要技術： - Python 3.12+ - 用於互動學習的 Jupyter 筆記本 - AI 框架：Microsoft Agent Framework (MAF) - Azure AI 服務：Microsoft Foundry、Microsoft Foundry Agent Service V2 架構： - 以課程為基礎的結構（00-15+ 資料夾） - 每個課程包含：README 文件、程式碼範例（Jupyter 筆記本）和圖片 - 透過自動翻譯系統支援多語言 - 每課一個使用 Microsoft Agent Framework 的 Python 筆記本 對於 Microsoft Foundry（必填）： - AZURE_AI_PROJECT_ENDPOINT - Microsoft Foundry 專案端點 - AZURE_AI_MODEL_DEPLOYMENT_NAME - 模型部署名稱（例如 gpt-5-mini） 對於 Azure AI Search（第05課 - RAG）： - AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Search 端點 - AZURE_SEARCH_API_KEY - Azure…

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

ElasticAGENTS.md

elasticsearch

elastic/elasticsearch/AGENTS.md

Stateless Elasticsearch is a distribution where shard data is stored in an object store (e.g., S3, GCS, Azure) rather than local disk. Nodes carry no durable local state. The cluster…

No other project uses it yet

ElasticAGENTS.md

elasticsearch / benchmarks

elastic/elasticsearch/benchmarks/AGENTS.md

Run from the benchmarks/ directory using the run task with --args. Always use the fully-qualified class name including package to avoid ambiguity. Always pipe through tee /tmp/bench/<descriptive_name> using a filename…

No other project uses it yet

ElasticCLAUDE.md

elasticsearch

elastic/elasticsearch/CLAUDE.md

No summary in the file. Open it to read it.

ElasticAGENTS.md

elasticsearch

elastic/elasticsearch/docs/AGENTS.md

Always run docs-builder from the root of the checkout, not from a subdirectory. Running from a subdirectory will only validate that subdirectory's links and may silently miss errors in cross-document…

No other project uses it yet

OpenAIReads credentialsAGENTS.md

openai-cookbook

openai/openai-cookbook/AGENTS.md

The cookbook is organized around runnable examples and reference articles for OpenAI APIs. Place notebooks and Python scripts under examples/<topic>/, grouping related assets inside topic subfolders (for example, examples/agents_sdk/). Narrative guides and long-form docs live in articles/, and shared diagrams or screenshots belong in images/. Update registry.yaml whenever you add content so it appears on cookbook.openai.com, and add new author metadata in authors.yaml if you want custom attribution. Keep large datasets outside the repo; instead, document how to fetch them…

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