ontology-school-path-generator

Generar rutas/laboratorios de cursos de Ontology School con ontologías de pasos progresivos a partir del material ontológico fuente. Usar cuando el usuario solicite tutorializar una ontología en…

npx skills add https://github.com/microsoft/ontology-playground --skill ontology-school-path-generator

Descargar ZIP GitHub

Ontology School Path Generator Skill

Goal

Generate a complete Ontology School course with progressive ontology steps.

Read First

docs/authoring-guide.md
docs/learn-content-guide.md
docs/embed-guide.md
Example lab:

content/learn/iq-lab-retail-supply-chain/
catalogue/official/iq-lab-retail-step-1/

Workflow

Extract a teachable subset from source ontology.
Define step progression (4-7 steps).
Create step ontologies under catalogue/official/<slug>-step-N/.
Mark step ontologies with "category": "school".
Create course under content/learn/<course-slug>/.
Add <ontology-embed> + diff for progressive steps.
Include at least one quiz per article.

Person Names

If the course, step ontologies, examples, sample data, quests, quiz text, or docs need any person names, first use the name-generator skill. Do not invent customer, employee, patient, student, instructor, reviewer, or other human names.

All generated person names must come from:

data/reference/FNF-2026-06-01-01002-0268.csv

Use the CSV FullName column by default, and keep selected names consistent across source markdown, RDF/OWL examples, generated catalogue data, and tests.

Validate

npm run qa:tutorial-content
npm run build

Human Review Flow

If lesson content is not yet approved:

Add reviewStatus: under-human-review to article frontmatter
Open review issue via .github/ISSUE_TEMPLATE/ontology-school-review.yml

Done Criteria

Course renders in /#/learn
Step ontologies are isolated in School category
Any person names introduced by the lesson or sample data came from the name-generator skill / approved CSV fixture
Builds and validators pass

Más skills de microsoft

Persona de growth hacker de OSS

agent-framework-azure-ai-py

Crea agentes de Azure AI Foundry usando el SDK de Python de Microsoft Agent Framework (agent-framework-azure-ai). Úsalo al crear agentes persistentes con AzureAIAgentsProvider, usando herramientas alojadas (intérprete de código, búsqueda de archivos, búsqueda web), integrando servidores MCP, gestionando hilos de conversación o implementando respuestas en streaming. Cubre herramientas de función, salidas estructuradas y agentes con múltiples herramientas.

airunway-aks-setup

Configura AI Runway en AKS: desde un clúster vacío hasta un modelo en ejecución. Incluye verificación del clúster, instalación del controlador, evaluación de GPU, configuración del proveedor y primer despliegue. CUÁNDO: "configurar AI Runway", "incorporar clúster AKS", "instalar AI Runway", "configuración de airunway", "desplegar modelo en AKS", "inferencia GPU en AKS", "configuración de KAITO en AKS", "ejecutar LLM en AKS", "vLLM en AKS", "configurar servicio de modelos en AKS", "controlador de AI Runway".

appinsights-instrumentation

Guía para instrumentar aplicaciones web con Azure Application Insights. Proporciona patrones de telemetría, configuración del SDK y referencias de configuración. CUÁNDO: cómo instrumentar una aplicación, SDK de App Insights, patrones de telemetría, qué es App Insights, guía de Application Insights, ejemplos de instrumentación, mejores prácticas de APM.

applicationinsights-web-ts

Instrumenta aplicaciones web/navegador con el SDK de JavaScript de Application Insights (@microsoft/applicationinsights-web). Úsalo para monitoreo de usuarios reales (RUM): vistas de página, clics, dependencias AJAX/fetch, excepciones, eventos personalizados y trazas de agentes GenAI del lado del navegador correlacionadas con trazas de OpenTelemetry del backend. Cubre el script de carga del SDK y la configuración npm, extensiones de frameworks (React, React Native, Angular), Click Analytics, inicializadores de telemetría y convenciones semánticas de GenAI de OTel para spans de agentes/herramientas/modelos emitidos desde el navegador.

azure-ai-anomalydetector-java

Cree aplicaciones de detección de anomalías con el SDK de Azure AI Anomaly Detector para Java. Úselo al implementar detección de anomalías univariadas/multivariadas, análisis de series temporales o monitoreo impulsado por IA.

azure-ai-language-conversations-py

Implementa el reconocimiento del lenguaje conversacional (CLU) utilizando el SDK de Python azure-ai-language-conversations. Úsalo al trabajar con ConversationAnalysisClient para analizar la intención y las entidades de la conversación, crear funciones de NLP o integrar el reconocimiento del lenguaje en aplicaciones.

SDK v2 de Azure Machine Learning para Python. Úselo para áreas de trabajo de ML, trabajos, modelos, conjuntos de datos, cómputo y canalizaciones. Disparadores: "azure-ai-ml", "MLClient", "workspace", "model registry", "training jobs", "datasets".