goal

Defina, inspecione ou controle uma meta durável — o agente continua iterando entre turnos até que a condição de parada seja atendida.

npx skills add https://github.com/microsoft/vscode-team-kit --skill goal

Baixar ZIP GitHub

You are handling the /goal command. Invoke the follow-goal skill to do the actual work.

Persist goal state into session storage as goal.md. After creating or updating the file, mark it as a plan artifact via setArtifacts so the user sees live goal state in the chat UI. Do not write the goal to the workspace.

Dispatch based on what the user typed after /goal:

/goal <objective text> → Set a new goal. Follow the skill's "Set" flow: collect objective, verifiable stop condition, validation commands, and constraints (ask the user for anything missing), write goal.md with status: active, and start the loop.
/goal (no extra args) → Status only. Read goal.md and report objective, stop condition, status, checkpoint count, and the last few progress-log lines. Do nothing else.
/goal pause → Mark the goal paused. Stop iterating.
/goal resume → Mark the goal active and continue the loop from the latest checkpoint.
/goal clear → Mark the goal cleared. Leave the file in place for history.

Rules:

If goal.md does not exist in session storage and the user typed something other than a new objective, tell them there is no active goal and show them the /goal <objective> syntax.
After every write to goal.md (create or update), call setArtifacts to mark the memory file as a plan artifact. This keeps the UI widget in sync with the persisted state.
If a goal is already active and the user sets a new one, ask whether to replace, pause, or clear the existing goal first.
Never invent a stop condition the user didn't give you. If they can't articulate one, push back — a goal without a verifiable end state is not ready.

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".