Microsoft 技能创建器

创建针对 Microsoft 技术的混合技能，将核心知识本地存储，同时允许通过 Learn MCP 动态查找更深入的详细信息。

关于技能

技能是模块化包，通过专业知识和特定工作流程扩展代理的能力。一个技能可以将通用代理转变为针对特定领域的专家代理。

技能结构

技能名称/
├── SKILL.md (必需)     # 前置元数据（名称、描述）+ 指令
├── references/             # 根据需要加载到上下文中的文档
├── sample_codes/           # 可工作的代码示例
└── assets/                 # 输出中使用的文件（模板等）

关键原则

• 前置元数据至关重要：name 和 description 决定了技能的触发时机——务必清晰全面
• 简洁是关键：只包含代理尚不了解的信息；上下文窗口是共享的
• 不重复：信息要么放在 SKILL.md 中，要么放在参考文件中，不能两者都放

Learn MCP 工具

创建流程

步骤 1：调研主题

使用 Learn MCP 工具分三个阶段建立深入理解：

阶段 1 – 范围发现：

microsoft_docs_search(query="{technology} 概述 是什么")
microsoft_docs_search(query="{technology} 概念 架构")
microsoft_docs_search(query="{technology} 入门教程")

阶段 2 – 核心内容：

microsoft_docs_fetch(url="...")  # 从阶段 1 获取页面
microsoft_code_sample_search(query="{technology}", language="{lang}")

阶段 3 – 深入探索：

microsoft_docs_search(query="{technology} 最佳实践")
microsoft_docs_search(query="{technology} 故障排除 错误")

调研清单

调研后，验证：

• 能用一段话解释该技术的作用
• 已识别出 3-5 个关键概念
• 有基础用法的可工作代码
• 了解最常见的 API 模式
• 已准备好用于深入主题的搜索查询

步骤 2：与用户澄清

展示发现并提出问题：

1. “我发现了这些关键领域：[列表]。哪些最重要？”
2. “代理将使用此技能主要执行哪些任务？”
3. “代码示例应优先使用哪种编程语言？”

步骤 3：生成技能

使用来自 skill-templates.md 的相应模板：

生成的技能结构

{技能名称}/
├── SKILL.md                    # 核心知识 + Learn MCP 指导
├── references/                 # 详细的本地文档（如果需要）
└── sample_codes/               # 可工作的代码示例
    ├── getting-started/
    └── common-patterns/

步骤 4：平衡本地与动态内容

当满足以下条件时，存储在本地：

• 基础性（任何任务都需要）
• 频繁访问
• 稳定（不会更改）
• 难以通过搜索找到

当满足以下条件时，保持动态查找：

• 详尽参考（内容太大）
• 特定版本
• 情境性（仅用于特定任务）
• 索引良好（易于搜索）

内容指南

步骤 5：验证

1. 审查：本地内容是否足够完成常见任务？
2. 测试：建议的搜索查询是否能返回有用的结果？
3. 验证：代码示例是否能无错运行？

常见调研模式

对于 SDK/库

"{名称} 概述" → 用途、架构
"{名称} 入门 快速入门" → 设置步骤
"{名称} API 参考" → 核心类/方法
"{名称} 示例 范例" → 代码模式
"{名称} 最佳实践 性能" → 优化

对于 Azure 服务

"{服务} 概述 功能" → 能力
"{服务} 快速入门 {语言}" → 设置代码
"{服务} REST API 参考" → 端点
"{服务} SDK {语言}" → 客户端库
"{服务} 定价 限制 配额" → 约束

对于框架/平台

"{框架} 架构 概念" → 心智模型
"{框架} 项目结构" → 约定
"{框架} 教程 演练" → 端到端流程
"{框架} 配置 选项" → 定制

示例：创建“Semantic Kernel”技能

调研

microsoft_docs_search(query="semantic kernel 概述")
microsoft_docs_search(query="semantic kernel 插件 函数")
microsoft_code_sample_search(query="semantic kernel", language="csharp")
microsoft_docs_fetch(url="https://learn.microsoft.com/semantic-kernel/overview/")

生成的技能

semantic-kernel/
├── SKILL.md
└── sample_codes/
    ├── getting-started/
    │   └── hello-kernel.cs
    └── common-patterns/
        ├── chat-completion.cs
        └── function-calling.cs

生成的 SKILL.md

---
name: semantic-kernel
description: 使用 Microsoft Semantic Kernel 构建 AI 代理。用于 .NET 或 Python 中具有插件、规划器和记忆的 LLM 驱动应用。
---

# Semantic Kernel

用于将 LLM 集成到应用中，并提供插件、规划器和记忆功能的编排 SDK。

## 关键概念

- **内核 (Kernel)**：管理 AI 服务和插件的中央编排器
- **插件 (Plugins)**：AI 可以调用的函数集合
- **规划器 (Planner)**：编排插件函数以实现目标的序列
- **记忆 (Memory)**：用于 RAG 模式的向量存储集成

## 快速开始

参见 [getting-started/hello-kernel.cs](sample_codes/getting-started/hello-kernel.cs)

## 了解更多

| 主题 | 如何查找 |
|-------|-------------|
| 插件开发 | `microsoft_docs_search(query="semantic kernel plugins custom functions")` |
| 规划器 | `microsoft_docs_search(query="semantic kernel planner")` |
| 记忆 | `microsoft_docs_fetch(url="https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-memory")` |