Entwicklung Skills

Azure Machine Learning SDK v2 für Python. Verwenden für ML-Workspaces, Jobs, Modelle, Datensätze, Compute und Pipelines. Auslöser: „azure-ai-ml“, „MLClient“, „Workspace“, „Modell-Registry“, „Trainings-Jobs“, „Datensätze“.

Azure OpenAI SDK für .NET. Clientbibliothek für Azure OpenAI- und OpenAI-Dienste. Verwendung für Chat-Vervollständigungen, Einbettungen, Bildgenerierung, Audio-Transkription und Assistenten. Auslöser: „Azure OpenAI“, „AzureOpenAIClient“, „ChatClient“, „Chat-Vervollständigungen .NET“, „GPT-4“, „Einbettungen“, „DALL-E“, „Whisper“, „OpenAI .NET“.

Azure AI Projects SDK für .NET. High-Level-Client für Azure AI Foundry-Projekte, einschließlich Agents, Verbindungen, Datasets, Bereitstellungen, Auswertungen und Indizes. Verwenden für AI Foundry-Projektverwaltung, versionierte Agents und Orchestrierung. Auslöser: „AI Projects“, „AIProjectClient“, „Foundry-Projekt“, „versionierte Agents“, „Auswertungen“, „Datasets“, „Verbindungen“, „Bereitstellungen .NET“.

Azure AI Projects SDK für Java. Hochrangiges SDK für die Verwaltung von Azure AI Foundry-Projekten, einschließlich Verbindungen, Datensätzen, Indizes und Auswertungen. Auslöser: „AIProjectClient java", „azure ai projects java", „Foundry project java", „ConnectionsClient", „DatasetsClient", „IndexesClient".

Erstellen Sie KI-Anwendungen mit dem Azure AI Projects Python SDK (azure-ai-projects). Verwenden Sie es bei der Arbeit mit Foundry-Projektclients, beim Erstellen versionierter Agents mit PromptAgentDefinition, beim Ausführen von Evaluierungen, beim Verwalten von Verbindungen/Bereitstellungen/Datensätzen/Indizes oder bei der Verwendung OpenAI-kompatibler Clients. Dies ist das High-Level-Foundry-SDK – für Low-Level-Agent-Operationen verwenden Sie die azure-ai-agents-python-Fähigkeit.

Erstellen Sie KI-Anwendungen mit dem Azure AI Projects SDK für JavaScript (@azure/ai-projects). Verwenden Sie es bei der Arbeit mit Foundry-Projektclients, Agents, Verbindungen, Bereitstellungen, Datensätzen, Indizes, Auswertungen oder beim Abrufen von OpenAI-Clients.

Azure AI Text Analytics SDK für Stimmungsanalyse, Entitätserkennung, Schlüsselphrasen, Spracherkennung, PII und Healthcare-NLP. Verwenden Sie es für die Verarbeitung natürlicher Sprache auf Text. Auslöser: „Textanalyse", „Stimmungsanalyse", „Entitätserkennung", „Schlüsselphrase", „PII-Erkennung", „TextAnalyticsClient".

Azure AI Transcription SDK for Python. Use for real-time and batch speech-to-text transcription with timestamps and diarization. Triggers: "transcription", "speech to text", "Azure AI Transcription", "TranscriptionClient".

Azure AI Document Translation SDK für die Stapelübersetzung von Dokumenten unter Beibehaltung des Formats. Verwenden Sie es zum Übersetzen von Word-, PDF-, Excel-, PowerPoint- und anderen Dokumentformaten in großem Umfang. Auslöser: „document translation“, „batch translation“, „translate documents“, „DocumentTranslationClient“.

Azure AI Textübersetzungs-SDK für Echtzeit-Textübersetzung, Transliteration, Spracherkennung und Wörterbuchsuche. Verwenden Sie es zum Übersetzen von Textinhalten in Anwendungen. Auslöser: „Textübersetzung“, „Übersetzer“, „Text übersetzen“, „Transliteration“, „TextTranslationClient“.

Erstellen Sie Übersetzungsanwendungen mit den Azure Translation SDKs für JavaScript (@azure-rest/ai-translation-text, @azure-rest/ai-translation-document). Verwenden Sie dies bei der Implementierung von Textübersetzung, Transliteration, Spracherkennung oder Batch-Dokumentübersetzung.

Erstellen Sie Bildanalyseanwendungen mit dem Azure AI Vision SDK für Java. Verwenden Sie dies bei der Implementierung von Bildbeschriftung, OCR-Textextraktion, Objekterkennung, Tagging oder intelligentem Zuschneiden.

Azure AI Vision Image Analysis SDK für Bildunterschriften, Tags, Objekte, OCR, Personenerkennung und intelligentes Zuschneiden. Verwenden für Computer-Vision- und Bildverständnisaufgaben. Auslöser: „Bildanalyse", „Computer Vision", „OCR", „Objekterkennung", „ImageAnalysisClient", „Bildunterschrift".

Azure AI Voice Live SDK für .NET. Entwickeln Sie Echtzeit-Sprach-KI-Anwendungen mit bidirektionaler WebSocket-Kommunikation. Verwenden Sie es für Sprachassistenten, konversationelle KI, Echtzeit-Sprache-zu-Sprache und sprachgestützte Chatbots. Auslöser: „voice live“, „real-time voice“, „VoiceLiveClient“, „VoiceLiveSession“, „voice assistant .NET“, „bidirectional audio“, „speech-to-speech“.

Azure AI VoiceLive SDK für Java. Echtzeit-bidirektionale Sprachgespräche mit KI-Assistenten über WebSocket. Auslöser: „VoiceLiveClient java“, „voice assistant java“, „real-time voice java“, „audio streaming java“, „voice activity detection java“.

Erstellen Sie Echtzeit-Sprach-KI-Anwendungen mit dem Azure AI Voice Live SDK (azure-ai-voicelive). Verwenden Sie diese Fähigkeit, wenn Sie Python-Anwendungen erstellen, die eine bidirektionale Echtzeit-Audiokommunikation mit Azure AI benötigen, einschließlich Sprachassistenten, sprachgesteuerter Chatbots, Echtzeit-Sprach-zu-Sprach-Übersetzung, sprachgesteuerter Avatare oder jeglichem WebSocket-basiertem Audio-Streaming mit KI-Modellen. Unterstützt Server-VAD (Voice Activity Detection), turn-basierte Konversation, Funktionsaufrufe, MCP-Tools, Avatar-Integration und Transkription.

Azure AI Voice Live SDK für JavaScript/TypeScript. Entwickeln Sie Echtzeit-Sprach-KI-Anwendungen mit bidirektionaler WebSocket-Kommunikation. Verwenden Sie es für Sprachassistenten, konversationelle KI, Echtzeit-Sprache-zu-Sprache und sprachgestützte Chatbots in Node.js- oder Browser-Umgebungen. Auslöser: „voice live", „real-time voice", „VoiceLiveClient", „VoiceLiveSession", „voice assistant TypeScript", „bidirectional audio", „speech-to-speech JavaScript".

Konfigurieren Sie Azure API Management als AI-Gateway für KI-Modelle, MCP-Tools und Agents. WANN: semantisches Caching, Token-Limit, Inhaltsicherheit, Lastverteilung, Governance für KI-Modelle, MCP-Ratenbegrenzung, Jailbreak-Erkennung, Azure OpenAI-Backend hinzufügen, AI Foundry-Modell hinzufügen, AI-Gateway testen, LLM-Richtlinien, KI-Backend konfigurieren, Token-Metriken, KI-Kostenkontrolle, API in MCP konvertieren, OpenAPI in Gateway importieren.

Azure App Configuration SDK für Java. Zentrale Verwaltung der Anwendungskonfiguration mit Schlüssel-Wert-Einstellungen, Feature-Flags und Snapshots. Auslöser: „ConfigurationClient java“, „app configuration java“, „feature flag java“, „configuration setting java“, „azure config java“.

Azure App Configuration SDK für Python. Verwendung für zentrale Konfigurationsverwaltung, Feature-Flags und dynamische Einstellungen. Auslöser: "azure-appconfiguration", "AzureAppConfigurationClient", "Feature-Flags", "Konfiguration", "Schlüssel-Wert-Einstellungen".

Erstellen Sie Anwendungen mit dem Azure App Configuration SDK für JavaScript (@azure/app-configuration). Verwenden Sie es bei der Arbeit mit Konfigurationseinstellungen, Feature-Flags, Key Vault-Verweisen, dynamischer Aktualisierung oder zentralem Konfigurationsmanagement.

Bewerten und migrieren Sie Cross-Cloud-Workloads zu Azure mit Migrationsberichten und Codekonvertierung. Unterstützt Lambda→Functions, Fargate→Container Apps, Kubernetes→Container Apps, Cloud Run→Container Apps. WANN: Lambda zu Functions migrieren, AWS zu Azure, Lambda-Bewertung, Serverless konvertieren, Bereitschaftsbericht, von AWS, von GCP, Cloud Run-Migration, Fargate zu ACA, ECS zu Container Apps, Kubernetes zu ACA, GKE zu Azure, EKS zu Container Apps.

Führen Sie Azure-Compliance- und Sicherheitsaudits mit azqr sowie Key Vault-Ablaufprüfungen durch. Umfasst Best-Practice-Bewertung, Ressourcenüberprüfung, Richtlinien-/Compliance-Validierung und Sicherheitslageprüfungen. WANN: Compliance-Scan, Sicherheitsaudit, VOR der Ausführung von azqr (Compliance-CLI-Tool), Azure-Best-Practices, Key Vault-Ablaufprüfung, abgelaufene Zertifikate, ablaufende Geheimnisse, verwaiste Ressourcen, Compliance-Bewertung.

Empfiehlt Azure-VM-Größen, Skalierungsgruppen und Konfigurationen basierend auf Workload-Anforderungen und Budget. Analysiert Workload-Typ, Leistungsanforderungen, Skalierungsbedarf und Kosten, um 2–3 VM- oder VMSS-Optionen mit Kompromissen vorzuschlagen. Überprüft Empfehlungen anhand der aktuellen Microsoft-Dokumentation; greift auf Referenzdateien zurück, falls der Abruf fehlschlägt. Fragt die nicht authentifizierte Azure Retail Prices API nach aktuellen Preisen ab, ohne ein Azure-Abonnement zu erfordern. Führt die Entscheidung zwischen VM und VMSS durch einen Entscheidungsbaum...

Einheitliches Azure-Kostenmanagement: historische Kosten abfragen, zukünftige Ausgaben prognostizieren und optimieren, um Verschwendung zu reduzieren. WANN: „Azure-Kosten“, „Azure-Ausgaben“, „Azure-Rechnung“, „Kostenaufschlüsselung“, „Kosten nach Dienst“, „Kosten nach Ressource“, „Wie viel gebe ich aus“, „Zeig mir meine Rechnung“, „Monatliche Kostenübersicht“, „Kostentrends“, „Wichtigste Kostentreiber“, „Tatsächliche Kosten“, „Amortisierte Kosten“, „Ausgabenprognose“, „Prognostizierte Kosten“, „Rechnung schätzen“, „Zukünftige Kosten“, „Budgetprognose“, „Monatsendkosten“, „Wie viel werde ich ausgeben“, „Kosten optimieren“, „Ausgaben reduzieren“, „Kosteneinsparungen finden“, „Verwaiste Ressourcen“, „VMs richtig dimensionieren“, „Kostenanalyse“, „Verschwendung reduzieren“, „Ungenutzte Ressourcen“, „Redis-Kosten optimieren“, „Kosten nach Tag“, „Kosten nach Ressourcengruppe“, „AKS-Kostenanalyse-Add-on“, „Namespace-Kosten“, „Kostenspitze“, „Anomalie“, „Budgetwarnung“, „AKS-Kostentransparenz“. NICHT VERWENDEN FÜR: Bereitstellung von Ressourcen, Bereitstellung von Infrastruktur, Diagnose, Sicherheitsaudits oder Kostenschätzung für noch nicht bereitgestellte neue Ressourcen.

Führe Azure-Bereitstellungen für BEREITS VORBEREITETE Anwendungen aus, die über vorhandene .azure/deployment-plan.md- und Infrastrukturdaten verfügen. Verwenden Sie diese Fähigkeit NICHT, wenn der Benutzer darum bittet, eine NEUE Anwendung zu erstellen – verwenden Sie stattdessen azure-prepare. Diese Fähigkeit führt azd up, azd deploy, terraform apply und az deployment-Befehle mit integrierter Fehlerbehebung aus. Erfordert .azure/deployment-plan.md von azure-prepare und validierten Status von azure-validate. WANN: „azd up ausführen", „azd deploy ausführen", „Bereitstellung ausführen", „in Produktion gehen", „in die Cloud pushen", „live gehen", „ausliefern", „bicep deploy", „terraform apply", „auf Azure veröffentlichen", „auf Azure starten". NICHT VERWENDEN WENN: „erstellen und bereitstellen", „bauen und bereitstellen", „neue App erstellen", „Infrastruktur einrichten", „mit Terraform auf Azure erstellen und bereitstellen" – verwenden Sie für diese Fälle azure-prepare.

Systematische Diagnose und Behebung von Azure-Produktionsproblemen mit AppLens, Monitor und Ressourcenintegrität. Behandelt die Fehlerbehebung für Container Apps, Function Apps und AKS mit dienstspezifischen Anleitungen für Image-Pulls, Kaltstarts, Health Probes, Aufruffehler sowie Knoten-/Pod-Probleme. Integriert AppLens (MCP) für KI-gestützte Ursachenanalyse und Azure Monitor (MCP) für KQL-basierte Protokoll- und Metrikabfragen. Bietet einen fünfstufigen Diagnoseablauf: Symptome identifizieren, Ressourcenintegrität prüfen, überprüfen...

Entwerfen und bereitstellen von Enterprise-Azure-Infrastruktur anhand von Workload-Beschreibungen. Für Cloud-Architekten und Plattformingenieure, die Netzwerk, Identität, Sicherheit, Compliance und Multi-Ressourcen-Topologien mit WAF-Ausrichtung planen. Generiert Bicep oder Terraform direkt (kein azd). WANN: 'Azure-Infrastruktur planen', 'Azure-Landing-Zone architekturieren', 'Hub-Spoke-Netzwerk entwerfen', 'Multi-Region-DR-Topologie planen', 'VNets, Firewalls und private Endpunkte einrichten', 'Bicep-Bereitstellung im Abonnementbereich', 'Azure Backup für VM-Workloads'. BEVORZUGT azure-prepare FÜR app-zentrierte Workflows.

Azure Event Grid SDK für .NET. Clientbibliothek zum Veröffentlichen und Konsumieren von Ereignissen mit Azure Event Grid. Verwenden für ereignisgesteuerte Architekturen, Pub/Sub-Messaging, CloudEvents und EventGridEvents. Auslöser: „Event Grid", „EventGridPublisherClient", „CloudEvent", „EventGridEvent", „Ereignisse veröffentlichen .NET", „ereignisgesteuert", „Pub/Sub".

Erstellen Sie ereignisgesteuerte Anwendungen mit dem Azure Event Grid SDK für Java. Verwenden Sie es beim Veröffentlichen von Ereignissen, Implementieren von Pub/Sub-Mustern oder bei der Integration mit Azure-Diensten über Ereignisse.