appmod-hooks

Hooks de ciclo de vida para o coordenador modernize-rearchitecture. Define pontos de hook, ações registradas e regras de execução.

npx skills add https://github.com/microsoft/github-copilot-modernization --skill appmod-hooks

Baixar ZIP GitHub

appmod-hooks

Lifecycle hooks that fire at defined points during coordinator execution. Each hook point triggers registered actions in order.

Hook Points

Point	When	Coordinator context
`before_all`	After DAG is generated, before first task dispatch	Full DAG available, no tasks started
`before_task`	Before dispatching each worker	Task ID and role known, profile read for Progress
`after_task`	After worker returns and verify passes	Task artifact available, status decided. If all tasks in the current phase are now ✅, also execute phase-completion actions (git commit, commit-pin, phase counter increment)
`after_all`	After completion criteria met (§3.7)	All tasks resolved

Registered Actions

See references/actions.yml for the action registry. Actions use dotted namespace: appmod.<domain>.<verb>.

Execution Rules

Actions within a hook point execute in order (top to bottom in the registry)
An action that fails does NOT block subsequent actions — log the error and continue, unless the action explicitly declares itself a quality gate
optional: false actions MUST execute; optional: true actions execute only if their condition is met
The coordinator executes hook actions itself (shell commands for git, file writes for profile) — hooks are NOT delegated to workers
A quality-gate action failure blocks dependent dispatch: keep the task pending or create a remediation task, then re-run the hook after the artifact is updated

Mais skills de microsoft

Persona de growth hacker OSS

agent-framework-azure-ai-py

Crie agentes do Azure AI Foundry usando o SDK Python do Microsoft Agent Framework (agent-framework-azure-ai). Use ao criar agentes persistentes com AzureAIAgentsProvider, usando ferramentas hospedadas (interpretador de código, pesquisa de arquivos, pesquisa na web), integrando servidores MCP, gerenciando threads de conversa ou implementando respostas em streaming. Abrange ferramentas de função, saídas estruturadas e agentes com múltiplas ferramentas.

airunway-aks-setup

Configure o AI Runway no AKS — do cluster vazio ao modelo em execução. Abrange verificação do cluster, instalação do controlador, avaliação de GPU, configuração do provedor e primeira implantação. QUANDO: "configurar AI Runway", "integrar cluster AKS", "instalar AI Runway", "configuração do airunway", "implantar modelo no AKS", "inferência GPU no AKS", "configuração KAITO no AKS", "executar LLM no AKS", "vLLM no AKS", "configurar serviço de modelo no AKS", "controlador AI Runway".

appinsights-instrumentation

Orientação para instrumentar aplicações web com Azure Application Insights. Fornece padrões de telemetria, configuração de SDK e referências de configuração. QUANDO: como instrumentar o app, SDK do App Insights, padrões de telemetria, o que é App Insights, orientação sobre Application Insights, exemplos de instrumentação, melhores práticas de APM.

applicationinsights-web-ts

Instrumente aplicativos de navegador/web com o SDK JavaScript do Application Insights (@microsoft/applicationinsights-web). Use para Real User Monitoring (RUM) — visualizações de página, cliques, dependências AJAX/fetch, exceções, eventos personalizados e rastreamentos de agentes GenAI no lado do navegador correlacionados a rastreamentos OpenTelemetry no backend. Abrange o Script de Carregamento do SDK e a configuração via npm, extensões de frameworks (React, React Native, Angular), Click Analytics, inicializadores de telemetria e convenções semânticas GenAI do OTel para spans de agente/ferramenta/modelo emitidos pelo navegador.

azure-ai-anomalydetector-java

Crie aplicativos de detecção de anomalias com o SDK do Azure AI Anomaly Detector para Java. Use ao implementar detecção de anomalias univariada/multivariada, análise de séries temporais ou monitoramento com IA.

azure-ai-language-conversations-py

Implemente o reconhecimento de linguagem conversacional (CLU) usando o SDK Python azure-ai-language-conversations. Use ao trabalhar com ConversationAnalysisClient para analisar intenção e entidades de conversas, criar recursos de NLP ou integrar o reconhecimento de linguagem em aplicativos.

SDK v2 do Azure Machine Learning para Python. Use para workspaces de ML, jobs, modelos, conjuntos de dados, computação e pipelines. Gatilhos: "azure-ai-ml", "MLClient", "workspace", "registro de modelos", "jobs de treinamento", "conjuntos de dados".