name-generator

Gere nomes de pessoas aprovados para exemplos, demonstrações, missões, testes, documentação e dados de amostra. Use quando uma tarefa precisar de nomes de pessoas fictícios, nomes de clientes,…

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.

Mais skills de microsoft

oss-growth
microsoft
Persona de growth hacker OSS
agent-framework-azure-ai-py
microsoft
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.
development
airunway-aks-setup
microsoft
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".
devops
appinsights-instrumentation
microsoft
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.
devops
applicationinsights-web-ts
microsoft
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.
devops
azure-ai-anomalydetector-java
microsoft
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.
development
azure-ai-language-conversations-py
microsoft
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.
development
azure-ai-ml-py
microsoft
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".
development