fast-feature-request

Erstelle ein Feature-Request-Issue für das FAST-Repository unter Verwendung der bereitgestellten Vorlage.

npx skills add https://github.com/microsoft/fast --skill fast-feature-request

ZIP herunterladen GitHub

This prompt only applies to generating Feature Request issues for the FAST repository.

Do not create or modify any existing Github issues. This skill is only for generating the markdown content for a new issue based on the provided template.

Based on the conversation context, generate a feature request as a markdown code block using the template located at ../../ISSUE_TEMPLATE/feature-request.md.

The summary should clearly state what the feature is and why it matters, focusing on user value rather than implementation details.

Expected Behavior should describe how the feature would work from an end-user or developer perspective. Be specific about the desired outcome.

Current Behavior should explain the gap — what exists today and how the absence of this feature affects users. If there is a workaround, mention it briefly.

Possible Solution is optional. Include it only if there is a concrete implementation idea worth capturing. Prefer high-level direction over prescriptive code.

Context should explain the motivation — what the user is trying to accomplish and why this feature would help. Mention alternatives that were considered, if any.

Examples is optional. Include it when code snippets, screenshots, or usage scenarios would clarify the request.

Search for existing open or closed issues that overlap with this feature request. If duplicates or related issues exist, mention them in the Context section.

Suggest a concise issue title in the format feat: add [what] to/in [where].

Provide the markdown code block only, without any additional commentary or explanation.

Any comments in the template can be removed since they're only meant to provide guidance on how to fill out the template, and are not intended to be part of the final issue body.

Mehr Skills von microsoft

OSS-Wachstums-Hacker-Persona

agent-framework-azure-ai-py

Erstellen Sie Azure AI Foundry-Agents mit dem Microsoft Agent Framework Python SDK (agent-framework-azure-ai). Verwenden Sie dies beim Erstellen persistenter Agents mit AzureAIAgentsProvider, bei der Nutzung gehosteter Tools (Code-Interpreter, Dateisuche, Websuche), bei der Integration von MCP-Servern, bei der Verwaltung von Konversationsthreads oder bei der Implementierung von Streaming-Antworten. Umfasst Funktionstools, strukturierte Ausgaben und Multi-Tool-Agents.

airunway-aks-setup

Richte AI Runway auf AKS ein – vom leeren Cluster bis zum laufenden Modell. Umfasst Cluster-Überprüfung, Controller-Installation, GPU-Bewertung, Provider-Einrichtung und erste Bereitstellung. WANN: „AI Runway einrichten“, „AKS-Cluster onboarden“, „AI Runway installieren“, „airunway setup“, „Modell auf AKS bereitstellen“, „GPU-Inferenz auf AKS“, „KAITO-Setup auf AKS“, „LLM auf AKS ausführen“, „vLLM auf AKS“, „Modell-Serving auf AKS einrichten“, „AI Runway-Controller“.

appinsights-instrumentation

Leitfaden zur Instrumentierung von Webanwendungen mit Azure Application Insights. Bietet Telemetriemuster, SDK-Einrichtung und Konfigurationsreferenzen. WANN: wie man eine App instrumentiert, App Insights SDK, Telemetriemuster, was ist App Insights, Application Insights-Anleitung, Instrumentierungsbeispiele, APM-Best Practices.

applicationinsights-web-ts

Instrumentieren Sie Browser-/Web-Apps mit dem Application Insights JavaScript SDK (@microsoft/applicationinsights-web). Verwenden Sie es für Real User Monitoring (RUM) – Seitenaufrufe, Klicks, AJAX/Fetch-Abhängigkeiten, Ausnahmen, benutzerdefinierte Ereignisse und browser-seitige GenAI-Agent-Traces, die mit Backend-OpenTelemetry-Traces korreliert werden. Umfasst SDK-Loader-Skript und npm-Setup, Framework-Erweiterungen (React, React Native, Angular), Click Analytics, Telemetrie-Initialisierer und OTel-GenAI-Semantik-Konventionen für Agent-/Tool-/Modell-Spans, die vom Browser ausgegeben werden.

azure-ai-anomalydetector-java

Erstellen Sie Anomalieerkennungsanwendungen mit dem Azure AI Anomaly Detector SDK für Java. Verwenden Sie dies bei der Implementierung von univariater/multivariater Anomalieerkennung, Zeitreihenanalyse oder KI-gestützter Überwachung.

azure-ai-language-conversations-py

Implementieren Sie Conversational Language Understanding (CLU) mit dem azure-ai-language-conversations Python SDK. Verwenden Sie dies, wenn Sie mit ConversationAnalysisClient arbeiten, um Gesprächsabsichten und Entitäten zu analysieren, NLP-Funktionen zu erstellen oder Sprachverständnis in Anwendungen zu integrieren.

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“.