One search for your own team's files and the public ecosystem. See how real projects write their agent instructions, and bring the good ideas home.
MicrosoftSkillmicrosoft/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/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
MicrosoftSkillmicrosoft/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）→…
MicrosoftSkillmicrosoft/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`
MicrosoftSkillmicrosoft/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/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
MicrosoftSkillmicrosoft/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）。
MicrosoftSkillmicrosoft/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/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
MicrosoftSkillmicrosoft/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
MicrosoftSkillmicrosoft/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/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
MicrosoftSkillmicrosoft/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`
MicrosoftSkillmicrosoft/ai-agents-for-beginners/translations/zh-TW/.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
MicrosoftCopilot instructionsmicrosoft/autogen/.github/copilot-instructions.md
AutoGen is a multi-language framework for creating AI agents that can act autonomously or work alongside humans. The project has separate Python and .NET implementations with their own development workflows.
MicrosoftCLAUDE.mdmicrosoft/playwright-mcp/CLAUDE.md
Semantic commit messages: label(scope): description Labels: fix, feat, chore, docs, test, devops Never add Co-Authored-By agents in commit message. Branch naming for issue fixes: fix-<issue-number> See .claude/skills/release.md.
MicrosoftSkillmicrosoft/graphrag/.agents/skills/update-deps/SKILL.md
Update this GraphRAG uv-workspace monorepo's dependencies and repair the resulting breakages so every check and test passes again. Use when asked to update, upgrade, or bump dependencies/packages/versions, refresh or regenerate the lockfile, migrate to a new major of pandas/numpy/pydantic/pyarrow, resolve dependency-related test or lint failures, or run a "dependency sweep" — even if the user only names a single package. Covers editing pyproject.toml version specifiers across the root dev-deps and every packages/* member, re-locking with uv, and fixing code and tests for library API changes (e.g. pandas 3.0). USE FOR: update dependencies, upgrade packages, bump versions, dependency sweep, uv lock, uv sync, refresh lockfile, migrate pandas/numpy, "deps broke the tests", pyproject bump.
MicrosoftCopilot instructionsmicrosoft/WSL/.github/copilot-instructions.md
ALWAYS reference these instructions first and fallback to search or bash commands only when you encounter unexpected information that does not match the info here. WSL is the Windows Subsystem for Linux - a compatibility layer for running Linux binary executables natively on Windows. This repository contains the core Windows components that enable WSL functionality. Use WIL (Windows Implementation Libraries) macros — never bare if (FAILED(hr)): - THROWIFFAILED(hr) — throw on HRESULT failure - THROWHRIF(hr, condition) — conditional throw -…
MicrosoftAGENTS.mdmicrosoft/vcpkg/AGENTS.md
No summary in the file. Open it to read it.
MicrosoftSkillmicrosoft/vcpkg/.github/skills/analyze-ci-failures/SKILL.md
Analyze collected vcpkg CI failure evidence, classify regressions and known failures, identify root causes, recommend actions, and generate a report by package and triplet.
Plain text files in a repository that tell a coding agent how the project works: commands to run, conventions to follow and things to avoid. CLAUDE.md, AGENTS.md, cursor rules and skills are the common kinds.
CLAUDE.md is read by Claude Code. AGENTS.md is an open format that Codex, Cursor and other agents read. Many projects keep one and point the other at it.
A folder with a SKILL.md that describes one capability, such as filling PDFs or reviewing code. The agent loads it only when the task calls for it.
Your agents already can, over MCP, limited to the files you're allowed to read. Searching them from this page is coming.
