docs-product-alignment

Auditer et mettre à jour la documentation docs/copilot/ pour refléter avec précision les capacités actuelles de l'IA de VS Code. À utiliser lorsque : une analyse concurrentielle révèle des lacunes, le produit…

npx skills add https://github.com/microsoft/vscode-docs --skill docs-product-alignment

Documentation Product Alignment

Audit VS Code Copilot documentation against current product capabilities and produce targeted, style-compliant edits. Follow the docs-writing style guide for all writing rules.

Guardrails

  • Factual only. Every claim must map to something the product does today. No superlatives, no competitive comparisons, no invented terminology.
  • Content framing. Establish each page's primary persona, reader intent, and article purpose by following the content-framing guidance. Ask the writer before editing when the framing is ambiguous and would change the audit or recommendations.
  • Two consumers. The primary persona reads the prose; AI agents and search crawlers index Keywords, MetaDescriptions, and opening paragraphs. Both matter.
  • Minimal edits. Change only what is inaccurate, outdated, or missing. One precise sentence beats a rewritten section.
  • Verifiable. If you cannot point to a UI element, setting, or documented behavior, do not write it.

Workflow

  1. Gather context and frame each page. Read the latest release notes, check github.com/features/copilot, and review any competitive claims or feature matrices the user provides. For each page, record its primary persona, reader intent, and article purpose before proposing edits.
  2. Audit high-traffic pages. Read each page and compare against current product truth. Focus on MetaDescriptions, Keywords, opening paragraphs, and terminology.
  3. Gap analysis. List what is inaccurate, outdated, or missing. Map each gap to a file and location. Include the page framing in the analysis, and prioritize by page traffic and impact on the primary persona's intent.
  4. Edit. Apply targeted changes that support the recorded framing. Vary phrasing across pages to avoid repetition.
  5. Verify. Search changed files for banned words, em-dashes, and MetaDescription length violations. Confirm that each changed page still serves its recorded primary persona and reader intent.

High-traffic pages to always check:

Terminology

Use these terms consistently. The "Avoid" column lists terms that creep in but should not.

ConceptUseAvoid
Autonomous coding sessionsagentsagent mode, agentic workflows
Running without user interactionbackground agentsbackground agent mode
Code suggestions as you typeinline suggestionscode completions, autocomplete
Predicted next edit locationnext edit suggestions (NES)predictive edits
Understanding code across filesworkspace context, cross-file reasoningdeep semantic understanding (overuse)
GitHub's search for code contextGitHub's code searchremote search
VS Code's type/symbol analysislanguage intelligence (IntelliSense, LSP)code intelligence
Multiple AI model optionsmultiple AI modelsleading AI models
Plan then implement workflowPlan agent, implementation agentplanning mode

Capability areas

When auditing, ensure docs accurately cover these areas:

  • Agents: plan, implement, verify, parallel sessions, local/background/cloud, third-party support
  • Context: semantic search, language intelligence (LSP), GitHub code search, cross-repo awareness
  • Multi-file editing: coordinated changes, architecture-level refactoring, framework migrations
  • Enterprise: organization policies, model access controls, content exclusions, trust boundaries
  • SDLC workflow: Plan agent, implementation agent, Copilot code review, background/cloud handoff
  • Scale: large codebases, monorepos, multi-root workspaces, remote indexing

Plus de skills de microsoft

oss-growth
microsoft
Persona de growth hacker OSS
agent-framework-azure-ai-py
microsoft
Créez des agents Azure AI Foundry à l’aide du SDK Python Microsoft Agent Framework (agent-framework-azure-ai). À utiliser lors de la création d’agents persistants avec AzureAIAgentsProvider, de l’utilisation d’outils hébergés (interpréteur de code, recherche de fichiers, recherche web), de l’intégration de serveurs MCP, de la gestion de fils de conversation ou de l’implémentation de réponses en streaming. Couvre les outils de fonction, les sorties structurées et les agents multi-outils.
development
airunway-aks-setup
microsoft
Configurez AI Runway sur AKS — du cluster nu au modèle en cours d'exécution. Couvre la vérification du cluster, l'installation du contrôleur, l'évaluation GPU, la configuration du fournisseur et le premier déploiement. QUAND : « configurer AI Runway », « intégrer un cluster AKS », « installer AI Runway », « configuration airunway », « déployer un modèle sur AKS », « inférence GPU sur AKS », « configuration KAITO sur AKS », « exécuter LLM sur AKS », « vLLM sur AKS », « configurer le service de modèles sur AKS », « contrôleur AI Runway ».
devops
appinsights-instrumentation
microsoft
Conseils pour instrumenter les applications web avec Azure Application Insights. Fournit des modèles de télémétrie, la configuration du SDK et des références de configuration. QUAND : comment instrumenter une application, SDK App Insights, modèles de télémétrie, qu'est-ce qu'App Insights, conseils sur Application Insights, exemples d'instrumentation, bonnes pratiques APM.
devops
applicationinsights-web-ts
microsoft
Instrumentez les applications navigateur/web avec le SDK JavaScript Application Insights (@microsoft/applicationinsights-web). Utilisez-le pour la surveillance des utilisateurs réels (RUM) — vues de page, clics, dépendances AJAX/fetch, exceptions, événements personnalisés et traces d’agents GenAI côté navigateur corrélées aux traces OpenTelemetry backend. Couvre le script de chargement du SDK et la configuration npm, les extensions de framework (React, React Native, Angular), Click Analytics, les initialiseurs de télémétrie et les conventions sémantiques OTel GenAI pour les spans d’agents/outils/modèles émises depuis le navigateur.
devops
azure-ai-anomalydetector-java
microsoft
Créez des applications de détection d'anomalies avec le SDK Azure AI Anomaly Detector pour Java. Utilisez-le lors de l'implémentation de la détection d'anomalies univariées/multivariées, de l'analyse de séries temporelles ou de la surveillance basée sur l'IA.
development
azure-ai-language-conversations-py
microsoft
Implémentez la compréhension du langage conversationnel (CLU) à l’aide du SDK Python azure-ai-language-conversations. Utilisez-le lorsque vous travaillez avec ConversationAnalysisClient pour analyser l’intention et les entités d’une conversation, créer des fonctionnalités de NLP ou intégrer la compréhension du langage dans des applications.
development
azure-ai-ml-py
microsoft
SDK v2 d’Azure Machine Learning pour Python. Utiliser pour les espaces de travail ML, les tâches, les modèles, les jeux de données, le calcul et les pipelines. Déclencheurs : « azure-ai-ml », « MLClient », « espace de travail », « registre de modèles », « tâches d’entraînement », « jeux de données ».
development