“Microsoft Copilot” 共 287 个结果
io.github.github/awesome-copilot/reviewing-oracle-to-postgres-migration
对照已知行为差异（空字符串、refcursor、类型强转、排序/排序规则、UNION ALL 优化器风险、物化视图刷新要求、时间戳、并发事务等）识别 Oracle 到 PostgreSQL 的迁移风险。在规划数据库迁移、审查迁移产物，或验证集成测试是否覆盖 Oracle/PostgreSQL 差异时使用。
io.github.github/awesome-copilot/geofeed-tuner
当用户提到 IP 地理定位馈送、RFC 8805、geofeed，或想创建、调优、验证、发布 CSV 格式的自建 IP 地理定位馈送时使用。目标用户为网络运营商、ISP、移动运营商、云服务商、托管公司、IXP 或卫星服务商，涉及 IP 地理定位准确性或 geofeed 编写最佳实践。帮助创建、完善和改进 CSV 格式的 IP 地理定位馈送，给出超出 RFC 8805 合规要求的定制化建议。不适用于私有或内部 IP 地址管理，仅面向可公网路由的 IP。
io.github.github/awesome-copilot/sql-code-review
通用 SQL 代码审查助手，对所有 SQL 数据库（MySQL、PostgreSQL、SQL Server、Oracle）进行全面的安全性、可维护性与代码质量分析。聚焦 SQL 注入防护、访问控制、代码规范与反模式检测。与 SQL 优化提示互补，覆盖完整开发环节。
io.github.microsoft/vscode/integrated-browser
在开发 VS Code 内置浏览器（browserView）时使用，帮助理解其架构与心智模型。覆盖编辑器标签页中内嵌的 Chromium 浏览器、导航、遮罩/布局、会话，以及 src/vs/platform/browserView 和 src/vs/workbench/contrib/browserView 下的代理浏览器工具。
io.github.github/awesome-copilot/typescript-mcp-server-generator
使用 MCP TypeScript SDK v2（@modelcontextprotocol/server）生成包含 tools、resources 与规范配置的完整 TypeScript MCP 服务器项目
io.github.github/awesome-copilot/markstream-install
为 Vue、React、Svelte、Angular、Nuxt 和 Vue 2 应用安装并配置 Markstream 流式 Markdown 渲染器。用于包选型、最小化对等依赖、CSS 顺序、SSR 边界、流式模式以及渲染器配置。
io.github.microsoft/ai-agents-for-beginners/testing-course-samples
当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。
io.github.microsoft/fast/testing
在 FAST monorepo 运行或编写测试时使用本技能——本地测试执行、CI 工作流、Playwright fixture 与 WebUI 集成测试。
io.github.microsoft/skills-for-fabric/sqldw-consumption-cli
通过 CLI 对 Fabric Data Warehouse、Lakehouse SQL Endpoint 和 Mirrored Database 执行只读 T-SQL 查询。对任何 lakehouse 数据查询（行数、SELECT、过滤、聚合）的默认技能，除非用户明确要求 PySpark 或 Spark DataFrame。当用户想要：(1) 查询 warehouse/lakehouse 数据；(2) 统计行数或探索 lakehouse 表；(3) 发现 schema/列；(4) 生成 T-SQL 脚本；(5) 监控 SQL 性能；(6) 导出结果为 CSV/JSON。针对 Fabric notebook 单元格（%%sql 或其他 notebook magic）请使用 `spark-authoring-cli` 而非本技能。触发语：warehouse、SQL query、T-SQL、query warehouse、show warehouse tables、show lakehouse tables、query lakehouse、lakehouse table、how many rows、count rows、SQL endpoint、describe warehouse schema、generate T-SQL script、warehouse performance、export SQL data、connect to warehouse、lakehouse data、explore lakehouse。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents
把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。
io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses
将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses
将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.microsoft/playwright/playwright-test-results
从聚合的 DuckDB 数据库中查询 Playwright CI 测试结果。可回答关于不稳定（flaky）测试、失败率、慢测试，以及按运行/SHA/PR 维度的结果等问题，无需在 GitHub 制品中翻找。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses
将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents
把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。
io.github.microsoft/ai-agents-for-beginners/testing-course-samples
当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。
io.github.microsoft/generative-ai-for-beginners/azure-openai-to-responses
把 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端迁移到 v1 端点、流式输出、tools、结构化输出、多轮对话、EntraID 鉴权以及模型兼容性检查。专注 Python、专注 Azure OpenAI。适用：迁移到 responses API、从 chat completions 切换、升级 openai SDK、gpt-5 迁移、AzureOpenAI 切到 OpenAI client 等。不适用：从零新建应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅限 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.github/awesome-copilot/planning-oracle-to-postgres-migration-integration-testing
为 Oracle 到 PostgreSQL 数据库迁移中的 .NET 数据访问代码制定集成测试计划。分析单个项目，识别与数据库交互的仓储、DAO 和服务层，产出结构化测试计划。适用于为迁移后的项目规划集成测试覆盖、确定哪些数据访问方法需要测试，或准备 Oracle 到 PostgreSQL 的迁移验证。
io.github.microsoft/ai-agents-for-beginners/testing-course-samples
当被要求对课程的 notebook 与代码样例做验证、测试、冒烟测试或运行（针对真实的 Microsoft Foundry / Azure OpenAI 配置）时使用。涵盖环境准备（.env、az login、依赖包）、scripts/validate-notebooks.ps1 运行器、PASS/FAIL 结果解读，以及哪些课程需要额外资源（Azure AI Search、GitHub MCP、Foundry Local、Playwright）。
io.github.microsoft/ai-agents-for-beginners/local-ai-agents
使用 Microsoft Foundry Local 与 Qwen 函数调用模型，构建完全在开发者工作站上运行的本地优先 AI agent。涵盖小语言模型（SLM）、OpenAI 兼容的本地端点、沙箱化本地工具、基于 Chroma 的本地 RAG、本地 MCP server、云/本地混合路由，以及隐私/成本/离线的权衡取舍。基于《AI Agents for Beginners》第 17 课。适用于：本地运行 agent、离线 agent、端侧 agent、Foundry Local、Qwen 函数调用、本地工具调用、本地 RAG、Chroma 向量数据库、本地 MCP server、注重隐私的 agent、本地与云混合 agent、小语言模型 agent、本机上的工程助手。不适用于：大规模云端 agent 部署（用 deploying-scalable-agents / 第 16 课）、初次构建 agent 概念（第 01 课）、Foundry（云端）托管 agent、GPU 集群/服务端推理资源开通。
io.github.microsoft/ai-agents-for-beginners/azure-openai-to-responses
将 Python 应用从 Azure OpenAI Chat Completions 迁移到 Responses API。涵盖 AzureOpenAI/AsyncAzureOpenAI 客户端向 v1 端点的迁移、流式输出、工具、结构化输出、多轮对话、EntraID 认证与模型兼容性检查。聚焦 Python，针对 Azure OpenAI。适用于：迁移到 Responses API、从 chat completions 切换、openai responses、升级 openai SDK、Responses API 迁移、从 completions 转向 responses、gpt-5 迁移、azure openai python 迁移、chat completions 转 responses、AzureOpenAI 转 OpenAI 客户端、python azure openai 升级。不适用于：从零构建新应用（直接用 responses）、Node/TypeScript/C#/Java/Go 迁移（本 skill 仅支持 Python）、Azure 基础设施搭建（用 azure-prepare）、部署模型（用 microsoft-foundry）。
io.github.microsoft/ai-agents-for-beginners/deploying-scalable-agents
把可用的 agent 原型带至 Microsoft Foundry 上可扩展、可观测的生产部署。涵盖部署模式（客户端托管、托管 agent、agent 工作流）、agent 生命周期、模型路由、响应缓存、评估门禁、人工审批环节、基于 OpenTelemetry 的可观测性、成本优化，以及用 AI Smoke Test 动作对已部署 agent 做冒烟测试。基于《AI Agents for Beginners》第 16 课。适用于：将 agent 部署到生产、为 agent 扩容、Microsoft Foundry 托管 agent、Foundry Agent Service、模型路由、响应缓存、评估门禁、发布门禁、人工审批工作流、agent 可观测性、agent 追踪、agent 成本优化、对托管 agent 做冒烟测试、生产客服 agent。不适用于：初次构建 agent（请从第 01 课开始）、在本地设备上运行 agent（用 local-ai-agents / 第 17 课）、与 agent 无关的 Azure 基础设施开通、非 Foundry 的部署目标。
