name-generator

Générer des noms de personnes approuvés pour des exemples, démos, quêtes, tests, documents et données d’exemple. Utiliser lorsqu’une tâche nécessite des noms de personnes fictifs, des noms de clients,…

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

Name Generator Skill

Goal

Generate person names for this repository from the approved local name fixture:

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

Do not invent person names. Every person name used in examples, sample data, quests, tests, demos, docs, or generated ontology content must come from the CSV FullName column.

Source File

CSV columns:

FirstName,LastName,FullName,FirstNameNative,LastNameNative,FullNameNative,Gender,Language

Use FullName by default. Use FullNameNative only when the user explicitly asks for native-script names or locale-specific display text.

Workflow

1. Decide how many names are needed

Identify the role and quantity from the task, for example:

  • sample customers
  • employees or managers
  • patients or clinicians
  • students or instructors
  • reviewers, approvers, assignees, or contributors

If the task does not specify quantity, use the minimum number needed for the example or test.

2. Read names from the CSV

Use the CSV fixture as the only source. A quick shell-friendly way to inspect the first approved names is:

awk -F, 'NR > 1 { print $3 }' data/reference/FNF-2026-06-01-01002-0268.csv | head

For random sampling:

awk -F, 'NR > 1 { print rand() "\t" $3 }' data/reference/FNF-2026-06-01-01002-0268.csv | sort -n | cut -f2- | head -n 5

If names with commas or quotes are ever added to the CSV, use a proper CSV parser instead of field splitting.

3. Fit names to the scenario

  • Choose distinct names for distinct entities.
  • Keep the selected names stable within a scenario so queries, expected results, docs, and sample instances stay consistent.
  • Do not alter spellings unless the surrounding file has a strict ASCII-only convention. If ASCII is required, choose names from the CSV that are already ASCII-compatible.
  • Email addresses and IDs may be generic (customer001@example.com) and do not need to use the person's name.

4. Update all dependent examples

When replacing a name in code or content, update every coupled surface:

  • sample instances
  • query prompts and curated query matches
  • expected test strings
  • rendered docs or generated content source files
  • catalogue examples or learning materials

Regenerate compiled artifacts when source content changes:

npm run catalogue:build
npm run learn:build

Validation

Before finishing a name-generation or name-replacement task:

  1. Verify each selected name appears in the CSV FullName column.
  2. Search for removed placeholder names to ensure no stale references remain.
  3. Run focused tests for touched code paths.
  4. Run npm run build when generated catalogue or learning output changes.

Done Criteria

  • All person names used by the task come from data/reference/FNF-2026-06-01-01002-0268.csv.
  • No invented placeholder names remain in the touched examples.
  • Related prompts, sample data, expected results, and tests are consistent.
  • Relevant tests or build commands have passed, or any skipped validation is clearly reported.

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