Microsoft Skill Creator

为 Microsoft 技术创建混合型技能：将核心知识本地化存储，同时支持动态调用 Learn MCP 工具以获取更深入的细节信息。

关于技能（Skills）

技能是模块化的软件包，通过注入特定领域的专业知识与工作流来扩展智能体（agent）的能力。一项技能可将通用型智能体转化为面向特定领域任务的专用智能体。

技能结构

skill-name/
├── SKILL.md（必需）     # 前置元数据（name、description）+ 使用说明
├── references/             # 按需加载至上下文的文档资料
├── sample_codes/           # 可运行的代码示例
└── assets/                 # 输出中使用的文件（如模板等）

核心原则

• 前置元数据至关重要：name 和 description 决定了技能何时被触发——请确保表述清晰、全面
• 简洁为要：仅包含智能体当前不具备的知识；上下文窗口为共享资源
• 避免重复：同一信息只能存在于 SKILL.md 或 reference 文件中，不可两者兼有

Learn MCP 工具

CLI 替代方案

若 Learn MCP 服务不可用，可在命令行中使用 mslearn CLI 工具替代：

# 直接运行（无需安装）
npx @microsoft/learn-cli search "semantic kernel overview"

# 或全局安装后运行
npm install -g @microsoft/learn-cli
mslearn search "semantic kernel overview"

生成的技能应包含上述相同的 CLI 回退表格，以便智能体可任选一种方式使用。

技能创建流程

步骤 1：主题调研

分三个阶段，利用 Learn MCP 工具深入理解目标技术：

阶段 1 — 范围发现：

microsoft_docs_search(query="{technology} overview what is")
microsoft_docs_search(query="{technology} concepts architecture")
microsoft_docs_search(query="{technology} getting started tutorial")

阶段 2 — 核心内容获取：

microsoft_docs_fetch(url="...")  # 获取阶段 1 中发现的关键页面
microsoft_code_sample_search(query="{technology}", language="{lang}")

阶段 3 — 深度拓展：

microsoft_docs_search(query="{technology} best practices")
microsoft_docs_search(query="{technology} troubleshooting errors")

调研核对清单

完成调研后，请确认以下各项均已满足：

• 能用一段话准确说明该技术的核心功能
• 已识别出 3–5 个关键概念
• 已具备基础用法的可运行代码
• 已掌握最常用的 API 使用模式
• 已准备好用于深入探索的搜索关键词

步骤 2：与用户确认需求

向用户呈现调研结果，并提出以下问题：

1. “我梳理出以下关键方向：[列表]。其中哪些最为重要？”
2. “智能体主要会使用该技能执行哪些任务？”
3. “代码示例应优先采用哪种编程语言？”

步骤 3：生成技能

从 skill-templates.md 中选择对应模板：

生成的技能结构

{skill-name}/
├── SKILL.md                    # 核心知识 + Learn MCP 使用指引
├── references/                 # 详细本地文档（按需提供）
└── sample_codes/               # 可运行代码示例
    ├── getting-started/
    └── common-patterns/

步骤 4：平衡本地内容与动态内容

适合本地存储的情形：

• 基础性内容（任何任务均需依赖）
• 高频访问内容
• 稳定性高（长期不变）
• 难以通过搜索快速定位

适合保持动态查询的情形：

• 内容过于庞杂（如完整参考文档）
• 版本强相关（不同版本差异显著）
• 场景限定性强（仅适用于特定任务）
• 索引完善（易于精准检索）

内容组织指南

步骤 5：验证

1. 审查：本地内容是否足以支撑常见任务？
2. 测试：所建议的搜索关键词是否能返回有效结果？
3. 验证：所有代码示例是否可无错误运行？

常见调研模式

针对 SDK / 库

"{name} overview" → 用途、架构概览
"{name} getting started quickstart" → 环境搭建步骤
"{name} API reference" → 核心类/方法
"{name} samples examples" → 代码模式
"{name} best practices performance" → 性能优化建议

针对 Azure 服务

"{service} overview features" → 核心能力
"{service} quickstart {language}" → 初始化代码（指定语言）
"{service} REST API reference" → 接口端点
"{service} SDK {language}" → 客户端库
"{service} pricing limits quotas" → 计费、配额与限制

针对框架 / 平台

"{framework} architecture concepts" → 思维模型
"{framework} project structure" → 项目约定
"{framework} tutorial walkthrough" → 端到端流程演示
"{framework} configuration options" → 自定义配置项

示例：构建 “Semantic Kernel” 技能

调研过程

microsoft_docs_search(query="semantic kernel overview")
microsoft_docs_search(query="semantic kernel plugins functions")
microsoft_code_sample_search(query="semantic kernel", language="csharp")
microsoft_docs_fetch(url="https://learn.microsoft.com/semantic-kernel/overview/")

生成的技能结构

semantic-kernel/
├── SKILL.md
└── sample_codes/
    ├── getting-started/
    │   └── hello-kernel.cs
    └── common-patterns/
        ├── chat-completion.cs
        └── function-calling.cs

生成的 SKILL.md

---
name: semantic-kernel
description: 使用 Microsoft Semantic Kernel 构建 AI 智能体。适用于基于 .NET 或 Python 的 LLM 应用，支持插件、规划器与记忆功能。
---

# Semantic Kernel

一款编排 SDK，用于将大语言模型（LLM）集成至应用程序中，支持插件、规划器与记忆功能。

## 关键概念

- **Kernel**：核心编排器，负责管理 AI 服务与插件
- **Plugins**：AI 可调用的功能集合
- **Planner**：按目标自动编排插件函数调用序列
- **Memory**：向量数据库集成，支持 RAG 场景

## 快速入门

参见 [getting-started/hello-kernel.cs](sample_codes/getting-started/hello-kernel.cs)

## 进一步学习

| 主题 | 查找方式 |
|-------|-------------|
| 插件开发 | `microsoft_docs_search(query="semantic kernel plugins custom functions")` |
| 规划器（Planner） | `microsoft_docs_search(query="semantic kernel planner")` |
| 记忆（Memory） | `microsoft_docs_fetch(url="https://learn.microsoft.com/en-us/semantic-kernel/frameworks/agent/agent-memory")` |

## CLI 替代方案

若 Learn MCP 服务不可用，可改用 `mslearn` CLI：

| MCP 工具 | CLI 命令 |
|----------|-------------|
| `microsoft_docs_search(query: "...")` | `mslearn search "..."` |
| `microsoft_code_sample_search(query: "...", language: "...")` | `mslearn code-search "..." --language ...` |
| `microsoft_docs_fetch(url: "...")` | `mslearn fetch "..."` |

可直接运行 `npx @microsoft/learn-cli `，或通过 `npm install -g @microsoft/learn-cli` 全局安装后使用。