ontology-school-path-generator

作成者： microsoft

オントロジースクールのコースパス/ラボを、ソースとなるオントロジー教材から段階的なステップオントロジーを用いて生成します。ユーザーがオントロジーをチュートリアル化するよう依頼した場合に使用します。

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

ZIPダウンロード 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

microsoftのその他のスキル

OSS成長ハッカーのペルソナ

agent-framework-azure-ai-py

Microsoft Agent Framework Python SDK（agent-framework-azure-ai）を使用してAzure AI Foundryエージェントを構築します。AzureAIAgentsProviderを使用した永続的なエージェントの作成、ホスト型ツール（コードインタープリター、ファイル検索、ウェブ検索）の使用、MCPサーバーの統合、会話スレッドの管理、ストリーミング応答の実装時に使用します。関数ツール、構造化出力、マルチツールエージェントをカバーします。

airunway-aks-setup

AKS上でAI Runwayをセットアップ — ベアクラスターからモデル実行まで。クラスター検証、コントローラーインストール、GPU評価、プロバイダー設定、初回デプロイをカバー。対象: 「AI Runwayのセットアップ」「AKSクラスターのオンボード」「AI Runwayのインストール」「airunway setup」「AKSへのモデルデプロイ」「AKSでのGPU推論」「AKSでのKAITOセットアップ」「AKSでのLLM実行」「AKSでのvLLM」「AKSでのモデルサービング設定」「AI Runwayコントローラー」。

appinsights-instrumentation

Azure Application Insightsを使用したWebアプリのインストルメンテーションに関するガイダンス。テレメトリパターン、SDKセットアップ、構成リファレンスを提供します。対象: アプリのインストルメンテーション方法、App Insights SDK、テレメトリパターン、App Insightsとは何か、Application Insightsガイダンス、インストルメンテーション例、APMベストプラクティス。

applicationinsights-web-ts

Application Insights JavaScript SDK（@microsoft/applicationinsights-web）を使用してブラウザ/Webアプリを計測します。Real User Monitoring（RUM）— ページビュー、クリック、AJAX/fetch依存関係、例外、カスタムイベント、およびバックエンドのOpenTelemetryトレースに関連付けられたブラウザ側のGenAIエージェントトレースに使用します。SDKローダースクリプトとnpmセットアップ、フレームワーク拡張機能（React、React Native、Angular）、Click Analytics、テレメトリ初期化子、およびブラウザから生成されるエージェント/ツール/モデルスパンのOTel GenAIセマンティック規約をカバーします。

azure-ai-anomalydetector-java

Azure AI Anomaly Detector SDK for Javaを使用して異常検出アプリケーションを構築します。単変量/多変量異常検出、時系列分析、またはAIを活用したモニタリングを実装する際に使用します。

azure-ai-language-conversations-py

azure-ai-language-conversations Python SDKを使用して会話言語理解（CLU）を実装します。ConversationAnalysisClientを使用して会話の意図とエンティティを分析する場合、NLP機能を構築する場合、またはアプリケーションに言語理解を統合する場合に使用します。

Azure Machine Learning SDK v2 for Python。MLワークスペース、ジョブ、モデル、データセット、コンピュート、パイプラインに使用します。トリガー: 「azure-ai-ml」、「MLClient」、「ワークスペース」、「モデルレジストリ」、「トレーニングジョブ」、「データセット」。