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

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）。

MicrosoftReads credentialsSkill

testing-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。

No other project uses it yet

MicrosoftReads credentialsAGENTS.md

ai-agents-for-beginners / zh-HK

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

本存儲庫包含「AI 初學者代理人」——一個全面的教育課程，教授建立 AI 代理人所需的一切。課程包含 18 課題（編號 00-18），涵蓋基礎知識、設計模式、框架、生產部署、本地/裝置代理人，以及 AI 代理人的安全性。 關鍵技術： - Python 3.12+ - 使用 Jupyter 筆記本進行互動學習 - AI 框架：Microsoft Agent Framework (MAF) - Azure AI 服務：Microsoft Foundry、Microsoft Foundry Agent Service V2 架構： - 基於課程的結構（00-15+ 目錄） - 每課包含：README 文件、代碼範例（Jupyter 筆記本）和圖片 - 通過自動翻譯系統支持多語言 - 每課有一個使用 Microsoft Agent Framework 的 Python 筆記本 用於 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（如 gpt-5-mini） 用於 Azure AI Search（第 05 課 - RAG）： - AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Search 端點 -…

No other project uses it yet

MicrosoftReads credentialsSkill

azure-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 max_output_tokens 最低為 16。低於 16 的值會回傳…

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

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 credentialsAGENTS.md

ai-agents-for-beginners / zh-MO

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

本儲存庫包含「初學者 AI 代理人」— 一個全面的教育課程，教授建構 AI 代理人所需的一切。課程由 18 課（編號 00-18）組成，涵蓋基礎、設計模式、框架、產品部署、本地/裝置代理人與 AI 代理人安全性。 關鍵技術： - Python 3.12 以上 - 用於互動學習的 Jupyter 筆記本 - AI 框架：Microsoft 代理框架（MAF） - Azure AI 服務：Microsoft Foundry、Microsoft Foundry 代理服務 V2 架構： - 以課程為基礎的結構（00-15+ 資料夾） - 每課包含：README 文件、程式碼範例（Jupyter 筆記本）與圖片 - 透過自動翻譯系統支援多語言 - 每課一個使用 Microsoft 代理框架的 Python 筆記本 對於 Microsoft Foundry（必需）： - 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（第五課 - RAG）： - AZURE_SEARCH_SERVICE_ENDPOINT - Azure AI Search 端點 - AZURE_SEARCH_API_KEY - Azure AI Search…

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 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