[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M699DVJWKK6QYHRP2B3G2EVF":3,"skill-same:01M699DVJWKK6QYHRP2B3G2EVF":55},{"skillNo":4,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":15,"categories":16,"keywords":17,"publishedAt":20,"linkOnly":21,"markdownContent":22,"markdownBody":23,"frontMatter":24,"refName":25,"commitSha":26,"skillDirectory":27,"forksCount":28,"repositoryHtmlUrl":29,"repositoryHomepageUrl":30,"ownerHtmlUrl":31,"ownerBlogUrl":32,"ownerDescription":33,"updatedAt":34,"install":35,"resources":48},"01M699DVJWKK6QYHRP2B3G2EVF","local-ai-agents",null,"microsoft\u002Fai-agents-for-beginners","microsoft","https:\u002F\u002Favatars.githubusercontent.com\u002Fu\u002F6154722?v=4","01M698VYDXZ6JW5WH3CRV650R8","Microsoft","01M6998ZK2275KMJE6Y5SEA2X2",79423,"MIT","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fet\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],"ai agents","local ai agents","2026-11-10 10:12:30",false,"---\nname: local-ai-agents\nlicense: MIT\n---\n# Kohalike tehisintellekti agentide loomine Foundry Locali ja Qweni abil\n\n> Kaaslane oskuste jaoks [Õppetund 17 – Kohalike tehisintellekti agentide loomine](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Kasuta seda, et aidata õppijal ehitada agent, kes arutleb, kutsub tööriistu ja otsib\n> dokumentatsiooni täielikult omaenda masinal — pilveta ennustamist. Tugevda iga\n> soovitus õppetunni sisu ja käivitatava märkmikuga.\n\n## Käivitajad\n\nAktiveeri see oskus, kui õppija soovib:\n- Käivitada agent **täielikult seadmes** privaatsuse, kulu või võrguühenduseta tööks.\n- Teenindada mudelit lokaalselt **Foundry Localiga** ja ühenduda OpenAI-ühilduva lõpp-punkti kaudu.\n- Kasutada **Qweni funktsioonikutsumise** mudelit usaldusväärsete kohalike tööriistakutsete jaoks.\n- Lisada **kohalik RAG** (Chroma) või **kohalik MCP server**.\n- Kujundada **hübriidne** lokaalse\u002Fpilve marsruutimise strateegia.\n\n## Põhimudel\n\nSLM vahetab laiuse privaatsuse, kulu ja võrguühenduseta töö vastu. Võitja\nstrateegia: **lase SLM-il orkestreerida ja tööriistadel teha raske töö.** Mudel\nei pea *teadma* koodibaasi — ta peab teadma, millal kutsuda `read_file` ja `search_docs`.\nSee mängib SLMi tugevust (piiratud otsused nagu tööriista valik) ja hoiab eemal tema nõrkusest (lai teadmine, pikk mitmeastmeline arutlus).\n\n\n\n## Miks just need osad\n\n- **Foundry Local** eksponeerib **OpenAI-ühilduvat HTTP lõpp-punkti**, nii et pilveagentide kood kandub üle vaid `base_url` muutmisega (ja kasutades kohalikku kohahoidja API võtit). See valib ka masina jaoks parima ülesehituse (CPU\u002FGPU\u002FNPU).\n- **Qwen** mudelid on koolitatud funktsioonikutsumiseks ja esitavad järjepidevalt korrektsed tööriistakutsed — see muudab kohalikust *vestlus* mudelist lokaalse *agendi*.\n- **Chroma** töötab protsessis ja salvestab vektoreid kettale, nii et kogu RAG torujuhtme (embedding → salvestamine → taasesitamine → arutlus) saab hoida lokaalsena.\n- **MCP** on transpordikiht, mitte pilveteenus: MCP server saab töötada lokaalselt üle `stdio`.\n\n## Seadistuse põhitõed\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # kohalik kohatäide\n```\n\n~8 GB RAM on realistlik miinimum; GPU\u002FNPU aitab kuid ei ole vajalik.\n\n## Peamised mustrid, mida korduda\n\nSuuna õppija märkmikule\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Kitsaskohastatud tööriistad**: iga failitööriist lahendab rajad ja keelab kõike, mis jääb väljapoole üht projekti juurkausta — isegi kohapeal töötab tööriist kasutaja õigustes.\n- **Tööriistakutseloop**: registreeri tööriistad OpenAI tööriistade skeemiga, käivita taotletud tööriistad kohapeal, sööta tulemused tagasi, korda kuni lõpliku vastuseni.\n- **Kohalik RAG**: lisa dokumendid Chroma kollektsiooni; `search_docs` tagastab top-k osad.\n- **Kohalik MCP**: ühenda kohalikku serverisse üle `stdio`; piira see projekti kaustaga ja valideeri väljundid.\n\n## Hübriidmarsruutimine (lokaalne kui üks mudelitest)\n\n| Situatsioon | Kus see töötab |\n|-----------|---------------|\n| Tundlikud andmed \u002F võrguühenduseta | Kohalik SLM |\n| Lihtne, piiratud ülesanne | Kohalik SLM (odav, kiire) |\n| Raske mitmeastmeline arutlus tundmatutel andmetel | Pilvemudel |\n| Pilvekatkestus | Kohalik SLM (sujuv degradeerumine) |\n\nSee peegeldab mudelimarsruutimise mõtet Õppetunnist 16, kus töölauaarvuti on üks marsruutidest. Eelista lahendusi, mis langevad tagasi kohalikule, nii et agent degradeerub kvaliteedis, mitte ei vea läbi.\n\n\n\n## Assistentide ohutusmeetmed\n\n- Hoia iga faili\u002Ftööriista tegevus piiratud kitsaskohastatud projekti kaustaga.\n- Ära saada koodi ega andmeid pilve, kui õppija eesmärk on privaatsus\u002Fvõrguühenduseta — hoia kogu torujuhe kohalik.\n- Sea realistlikud ootused SLM kvaliteedile; toetu tööriistadele ja RAGile, mitte mudeli meelde jäetud teadmistele.\n- Pane tähele, et Õppetund 17-l puudub **Foundry Responses** lõpp-punkt, seega pilvemudeli suitsutesti tegevus ei kehti — valideeri, käivitades märkmiku kohalikult.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Lahtiütlus**:\nSee dokument on tõlgitud kasutades AI tõlketeenust [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Kuigi me püüdleme täpsuse poole, palun pange tähele, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud eksimustest või valesti mõistmistest.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->","# Kohalike tehisintellekti agentide loomine Foundry Locali ja Qweni abil\n\n> Kaaslane oskuste jaoks [Õppetund 17 – Kohalike tehisintellekti agentide loomine](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Kasuta seda, et aidata õppijal ehitada agent, kes arutleb, kutsub tööriistu ja otsib\n> dokumentatsiooni täielikult omaenda masinal — pilveta ennustamist. Tugevda iga\n> soovitus õppetunni sisu ja käivitatava märkmikuga.\n\n## Käivitajad\n\nAktiveeri see oskus, kui õppija soovib:\n- Käivitada agent **täielikult seadmes** privaatsuse, kulu või võrguühenduseta tööks.\n- Teenindada mudelit lokaalselt **Foundry Localiga** ja ühenduda OpenAI-ühilduva lõpp-punkti kaudu.\n- Kasutada **Qweni funktsioonikutsumise** mudelit usaldusväärsete kohalike tööriistakutsete jaoks.\n- Lisada **kohalik RAG** (Chroma) või **kohalik MCP server**.\n- Kujundada **hübriidne** lokaalse\u002Fpilve marsruutimise strateegia.\n\n## Põhimudel\n\nSLM vahetab laiuse privaatsuse, kulu ja võrguühenduseta töö vastu. Võitja\nstrateegia: **lase SLM-il orkestreerida ja tööriistadel teha raske töö.** Mudel\nei pea *teadma* koodibaasi — ta peab teadma, millal kutsuda `read_file` ja `search_docs`.\nSee mängib SLMi tugevust (piiratud otsused nagu tööriista valik) ja hoiab eemal tema nõrkusest (lai teadmine, pikk mitmeastmeline arutlus).\n\n\n\n## Miks just need osad\n\n- **Foundry Local** eksponeerib **OpenAI-ühilduvat HTTP lõpp-punkti**, nii et pilveagentide kood kandub üle vaid `base_url` muutmisega (ja kasutades kohalikku kohahoidja API võtit). See valib ka masina jaoks parima ülesehituse (CPU\u002FGPU\u002FNPU).\n- **Qwen** mudelid on koolitatud funktsioonikutsumiseks ja esitavad järjepidevalt korrektsed tööriistakutsed — see muudab kohalikust *vestlus* mudelist lokaalse *agendi*.\n- **Chroma** töötab protsessis ja salvestab vektoreid kettale, nii et kogu RAG torujuhtme (embedding → salvestamine → taasesitamine → arutlus) saab hoida lokaalsena.\n- **MCP** on transpordikiht, mitte pilveteenus: MCP server saab töötada lokaalselt üle `stdio`.\n\n## Seadistuse põhitõed\n\n```bash\nfoundry model run qwen2.5-7b-instruct\nfoundry service status\n```\n\n```python\nfrom foundry_local import FoundryLocalManager\nfrom openai import OpenAI\n\nmanager = FoundryLocalManager(\"qwen2.5-7b-instruct\")\nclient = OpenAI(base_url=manager.endpoint, api_key=manager.api_key)  # kohalik kohatäide\n```\n\n~8 GB RAM on realistlik miinimum; GPU\u002FNPU aitab kuid ei ole vajalik.\n\n## Peamised mustrid, mida korduda\n\nSuuna õppija märkmikule\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Kitsaskohastatud tööriistad**: iga failitööriist lahendab rajad ja keelab kõike, mis jääb väljapoole üht projekti juurkausta — isegi kohapeal töötab tööriist kasutaja õigustes.\n- **Tööriistakutseloop**: registreeri tööriistad OpenAI tööriistade skeemiga, käivita taotletud tööriistad kohapeal, sööta tulemused tagasi, korda kuni lõpliku vastuseni.\n- **Kohalik RAG**: lisa dokumendid Chroma kollektsiooni; `search_docs` tagastab top-k osad.\n- **Kohalik MCP**: ühenda kohalikku serverisse üle `stdio`; piira see projekti kaustaga ja valideeri väljundid.\n\n## Hübriidmarsruutimine (lokaalne kui üks mudelitest)\n\n| Situatsioon | Kus see töötab |\n|-----------|---------------|\n| Tundlikud andmed \u002F võrguühenduseta | Kohalik SLM |\n| Lihtne, piiratud ülesanne | Kohalik SLM (odav, kiire) |\n| Raske mitmeastmeline arutlus tundmatutel andmetel | Pilvemudel |\n| Pilvekatkestus | Kohalik SLM (sujuv degradeerumine) |\n\nSee peegeldab mudelimarsruutimise mõtet Õppetunnist 16, kus töölauaarvuti on üks marsruutidest. Eelista lahendusi, mis langevad tagasi kohalikule, nii et agent degradeerub kvaliteedis, mitte ei vea läbi.\n\n\n\n## Assistentide ohutusmeetmed\n\n- Hoia iga faili\u002Ftööriista tegevus piiratud kitsaskohastatud projekti kaustaga.\n- Ära saada koodi ega andmeid pilve, kui õppija eesmärk on privaatsus\u002Fvõrguühenduseta — hoia kogu torujuhe kohalik.\n- Sea realistlikud ootused SLM kvaliteedile; toetu tööriistadele ja RAGile, mitte mudeli meelde jäetud teadmistele.\n- Pane tähele, et Õppetund 17-l puudub **Foundry Responses** lõpp-punkt, seega pilvemudeli suitsutesti tegevus ei kehti — valideeri, käivitades märkmiku kohalikult.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Lahtiütlus**:\nSee dokument on tõlgitud kasutades AI tõlketeenust [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Kuigi me püüdleme täpsuse poole, palun pange tähele, et automatiseeritud tõlgetes võib esineda vigu või ebatäpsusi. Originaaldokument selle emakeeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitatakse kasutada professionaalset inimtõlget. Me ei vastuta selle tõlkega seotud eksimustest või valesti mõistmistest.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->",{"name":5,"license":14},"main","f09e94ffe170f8af6d3db7c42987bbe4db227723","translations\u002Fet\u002F.agents\u002Fskills\u002Flocal-ai-agents",26019,"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners","https:\u002F\u002Faka.ms\u002Fai-agents-beginners","https:\u002F\u002Fgithub.com\u002Fmicrosoft","https:\u002F\u002Fopensource.microsoft.com","Open source projects and samples from Microsoft","2026-11-07 12:51:12",{"source":7,"skillName":5,"commands":36,"prompt":46,"zipAvailable":47},[37,40,43],{"tool":38,"command":39},"npx","npx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":41,"command":42},"bunx","bunx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents",{"tool":44,"command":45},"pnpm","pnpm dlx skills add microsoft\u002Fai-agents-for-beginners --skill local-ai-agents","安装技能，技能地址：https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fet\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",true,[49],{"path":50,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":53,"sourceHtmlUrl":54},"agents\u002Fopenai.yaml","REFERENCE","参考文档",105,"https:\u002F\u002Fgithub.com\u002Fnichee\u002Fdotfiles\u002Fblob\u002Fmain\u002Fclaude\u002Fskills\u002Fgrilling\u002Fagents\u002Fopenai.yaml",[56,74,85,90,98,105],{"skillNo":57,"name":58,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":59,"categories":60,"keywords":71,"publishedAt":20},"01M69A206TRZ8KK0CW0HYJF5V5","testing-course-samples","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Ftesting-course-samples\u002FSKILL.md",[61,66],{"categoryNo":62,"categoryName":63,"taxonomyType":64,"taxonomyTypeDesc":65},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",{"categoryNo":67,"categoryName":68,"taxonomyType":69,"taxonomyTypeDesc":70},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[72,73],"testing","testing course samples",{"skillNo":75,"name":76,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":77,"categories":78,"keywords":82,"publishedAt":20},"01M69A1XRB2SFHYRMEH0K08EKZ","microsoft-docs","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fmicrosoft-docs\u002FSKILL.md",[79],{"categoryNo":80,"categoryName":81,"taxonomyType":64,"taxonomyTypeDesc":65},"01JBSEEDCAT000000000000023","Skill与智能体开发",[83,8,84],"docs","microsoft docs",{"skillNo":86,"name":5,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":87,"categories":88,"keywords":89,"publishedAt":20},"01M69A1VPZFJQ1HNGTZQ5P3WSC","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",[],[18,19],{"skillNo":91,"name":92,"nameZh":6,"description":93,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":94,"categories":95,"keywords":96,"publishedAt":20},"01M69A1S947N7MM6V9JF85S2E7","jupyter-notebook","當使用者要求建立、搭建或編輯 Jupyter 筆記本（`.ipynb`）用於實驗、探索或教學時使用；優先使用隨附範本並執行輔助腳本 `new_notebook.py` 來產生一個乾淨的起始筆記本。","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fjupyter-notebook\u002FSKILL.md",[],[97],"jupyter notebook",{"skillNo":99,"name":100,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":101,"categories":102,"keywords":103,"publishedAt":20},"01M69A1Q8EXPWKZSQK69V6WF22","deploying-scalable-agents","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fdeploying-scalable-agents\u002FSKILL.md",[],[104],"deploying scalable agents",{"skillNo":106,"name":107,"nameZh":6,"description":6,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":108,"categories":109,"keywords":110,"publishedAt":20},"01M69A1MHZTH3RH9N8VYSYG74X","azure-openai-to-responses","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fai-agents-for-beginners\u002Fblob\u002Fmain\u002Ftranslations\u002Fzh-TW\u002F.agents\u002Fskills\u002Fazure-openai-to-responses\u002FSKILL.md",[],[111],"azure openai to responses"]