ontology-school-path-generator

Générer des parcours de cours/laboratoires de l'Ontology School avec des ontologies d'étapes progressives à partir du matériel source d'ontologie. Utiliser lorsque l'utilisateur demande de tutorieliser une ontologie en…

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

Télécharger 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

Plus de skills de microsoft

Persona de growth hacker OSS

agent-framework-azure-ai-py

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.

airunway-aks-setup

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 ».

appinsights-instrumentation

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.

applicationinsights-web-ts

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.

azure-ai-anomalydetector-java

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.

azure-ai-language-conversations-py

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.

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 ».