[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"skill:01M699M2MMX5127C83GQRBHKQY":3,"skill-same:01M699M2MMX5127C83GQRBHKQY":87},{"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},"01M699M2MMX5127C83GQRBHKQY","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\u002Flt\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# Vietinių DI agentų kūrimas naudojant Foundry Local ir Qwen\n\n> Papildomoji užduotis prie [17 pamoka – Vietinių DI agentų kūrimas](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Naudokite ją, kad padėtumėte besimokančiajam sukurti agentą, kuris mąsto, kviečia įrankius ir ieško\n> dokumentacijos visiškai savo kompiuteryje – be debesijos apdorojimo. Pagrįskite kiekvieną\n> rekomendaciją pamokos turiniu ir vykdomu užrašu.\n\n## Suveikimai\n\nAktyvinkite šią įgūdį, kai besimokantis nori:\n- Vykdyti agentą **visiškai įrenginyje** dėl privatumo, sąnaudų ar neprisijungimo priežasčių.\n- Vietoje aptarnauti modelį naudojant **Foundry Local** ir prisijungti per OpenAI suderinamą galutinį tašką.\n- Naudoti **Qwen funkcijų kvietimo** modelį patikimam vietiniam įrankių kvietimui.\n- Pridėti **vietinį RAG** (Chroma) arba **vietinį MCP serverį**.\n- Sukurti **hibridinę** vietinės\u002Fdebesijos maršruto strategiją.\n\n## Pagrindinė minties schema\n\nSLM mainais į privatumo, sąnaudų ir neprisijungimo privalumus aukoja žinių įvairovę. Pergalės\nstrategija: **leisk SLM valdyti procesą, o įrankiams atlikti sunkų darbą.** Modeliui nereikia\n*žinoti* kodo bazės – jam svarbu žinoti, kada kvieti\n`read_file` ir `search_docs`. Tai atitinka SLM stipriąsias puses (riboto pobūdžio sprendimai,\npvz., įrankių pasirinkimas) ir mažina jo silpnybę (plati žinių apimtis, ilgas daugiapakopis\nmąstymas).\n\n## Kodėl būtent šios dalys\n\n- **Foundry Local** siūlo **OpenAI suderinamą HTTP galinį tašką**, todėl debesijos agentų kodas persikelia keičiant tik `base_url` (ir naudojant vietinį vietos rezervavimo API raktą). Jis taip pat automatiškai parenka geriausią versiją (CPU\u002FGPU\u002FNPU) įrenginiui.\n- **Qwen** modeliai treniruojami funkcijų kvietimams ir nuosekliai generuoja taisyklingus įrankių kvietimus – tai verčia vietinį *pokalbio* modelį tapti vietiniu *agentu*.\n- **Chroma** veikia proceso viduje ir saugo vektorius diske, todėl visas RAG procesas (užkoduoti → saugoti → išrinkti → mąstyti) lieka vietinis.\n- **MCP** yra transporto protokolas, o ne debesijos paslauga: MCP serverį galima paleisti vietoje per `stdio`.\n\n## Pagrindiniai nustatymai\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)  # vietos rezervas\n```\n\nApytikslis minimumas – apie 8 GB RAM; GPU\u002FNPU padeda, bet nėra būtinas.\n\n## Pagrindiniai atkartotini šablonai\n\nNurodykite besimokančiajam užrašą\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Izoliuoti įrankiai**: kiekvienas failų įrankis tikrina kelią ir neleidžia patekti už vienos projekto šaknies – net vietoje įrankis veikia su vartotojo teisėmis.\n- **Įrankių kvietimo kilpa**: registruok įrankius su OpenAI įrankių schema, vykdyk prašomus įrankius vietoje, sugrąžink rezultatus, kartok iki galutinio atsakymo.\n- **Vietinis RAG**: įrašyk dokumentus į Chroma kolekciją; `search_docs` grąžina geriausias dalis.\n- **Vietinis MCP**: prisijunk prie vietinio serverio per `stdio`; aprėpk projektą ir patikrink išvestį.\n\n## Hibridinis maršrutavimas (vietinis kaip vienas iš modelių)\n\n| Situacija | Kur vykdomas |\n|-----------|---------------|\n| Konfidencialūs duomenys \u002F neprisijungus | Vietinis SLM |\n| Paprasta, ribota užduotis | Vietinis SLM (pigus, greitas) |\n| Sudėtingas daugiapakopis mąstymas su nekonfidencialiais duomenimis | Debesijos modelis |\n| Debesijos klaida | Vietinis SLM (sklandus kokybės praradimas) |\n\nTai atitinka modelių maršrutavimo idėją iš 16 pamokos, kai darbo stotis yra viena\niš eilių. Pirmenybė teikiama sprendimams, kurie nukrypsta į vietinį režimą, kad agento kokybė\ngerėtų, o ne visiškai gestų.\n\n## Pagalbinės taisyklės asistentui\n\n- Laikyk visus failų\u002Fįrankių veiksmus apribotus izoliuotame projekto kataloge.\n- Neperkėlinėk kodo ar duomenų į debesį, jei besimokantysis nurodė tikslą dėl privatumo\u002Fneprisijungimo – išlaikyk visą procesą vietinį.\n- Nustatyk realistiškus lūkesčius dėl SLM kokybės; remkis įrankiais ir RAG, o ne modelio išmoktomis žiniomis.\n- Atkreipk dėmesį, kad 17 pamoka neturi **Foundry Responses** galinio taško, todėl debesijos testavimas netaikomas – tikrink vykdydamas užrašą vietoje.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Atsakomybės apribojimas**:\nŠis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogiškąjį vertimą. Mes neatsakome už jokius nesusipratimus ar neteisingą interpretaciją, kilusią naudojantis šiuo vertimu.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->","# Vietinių DI agentų kūrimas naudojant Foundry Local ir Qwen\n\n> Papildomoji užduotis prie [17 pamoka – Vietinių DI agentų kūrimas](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002FREADME.md).\n> Naudokite ją, kad padėtumėte besimokančiajam sukurti agentą, kuris mąsto, kviečia įrankius ir ieško\n> dokumentacijos visiškai savo kompiuteryje – be debesijos apdorojimo. Pagrįskite kiekvieną\n> rekomendaciją pamokos turiniu ir vykdomu užrašu.\n\n## Suveikimai\n\nAktyvinkite šią įgūdį, kai besimokantis nori:\n- Vykdyti agentą **visiškai įrenginyje** dėl privatumo, sąnaudų ar neprisijungimo priežasčių.\n- Vietoje aptarnauti modelį naudojant **Foundry Local** ir prisijungti per OpenAI suderinamą galutinį tašką.\n- Naudoti **Qwen funkcijų kvietimo** modelį patikimam vietiniam įrankių kvietimui.\n- Pridėti **vietinį RAG** (Chroma) arba **vietinį MCP serverį**.\n- Sukurti **hibridinę** vietinės\u002Fdebesijos maršruto strategiją.\n\n## Pagrindinė minties schema\n\nSLM mainais į privatumo, sąnaudų ir neprisijungimo privalumus aukoja žinių įvairovę. Pergalės\nstrategija: **leisk SLM valdyti procesą, o įrankiams atlikti sunkų darbą.** Modeliui nereikia\n*žinoti* kodo bazės – jam svarbu žinoti, kada kvieti\n`read_file` ir `search_docs`. Tai atitinka SLM stipriąsias puses (riboto pobūdžio sprendimai,\npvz., įrankių pasirinkimas) ir mažina jo silpnybę (plati žinių apimtis, ilgas daugiapakopis\nmąstymas).\n\n## Kodėl būtent šios dalys\n\n- **Foundry Local** siūlo **OpenAI suderinamą HTTP galinį tašką**, todėl debesijos agentų kodas persikelia keičiant tik `base_url` (ir naudojant vietinį vietos rezervavimo API raktą). Jis taip pat automatiškai parenka geriausią versiją (CPU\u002FGPU\u002FNPU) įrenginiui.\n- **Qwen** modeliai treniruojami funkcijų kvietimams ir nuosekliai generuoja taisyklingus įrankių kvietimus – tai verčia vietinį *pokalbio* modelį tapti vietiniu *agentu*.\n- **Chroma** veikia proceso viduje ir saugo vektorius diske, todėl visas RAG procesas (užkoduoti → saugoti → išrinkti → mąstyti) lieka vietinis.\n- **MCP** yra transporto protokolas, o ne debesijos paslauga: MCP serverį galima paleisti vietoje per `stdio`.\n\n## Pagrindiniai nustatymai\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)  # vietos rezervas\n```\n\nApytikslis minimumas – apie 8 GB RAM; GPU\u002FNPU padeda, bet nėra būtinas.\n\n## Pagrindiniai atkartotini šablonai\n\nNurodykite besimokančiajam užrašą\n[`17-local-agent-foundry-local.ipynb`](..\u002F..\u002F..\u002F17-creating-local-ai-agents\u002Fcode_samples\u002F17-local-agent-foundry-local.ipynb):\n\n- **Izoliuoti įrankiai**: kiekvienas failų įrankis tikrina kelią ir neleidžia patekti už vienos projekto šaknies – net vietoje įrankis veikia su vartotojo teisėmis.\n- **Įrankių kvietimo kilpa**: registruok įrankius su OpenAI įrankių schema, vykdyk prašomus įrankius vietoje, sugrąžink rezultatus, kartok iki galutinio atsakymo.\n- **Vietinis RAG**: įrašyk dokumentus į Chroma kolekciją; `search_docs` grąžina geriausias dalis.\n- **Vietinis MCP**: prisijunk prie vietinio serverio per `stdio`; aprėpk projektą ir patikrink išvestį.\n\n## Hibridinis maršrutavimas (vietinis kaip vienas iš modelių)\n\n| Situacija | Kur vykdomas |\n|-----------|---------------|\n| Konfidencialūs duomenys \u002F neprisijungus | Vietinis SLM |\n| Paprasta, ribota užduotis | Vietinis SLM (pigus, greitas) |\n| Sudėtingas daugiapakopis mąstymas su nekonfidencialiais duomenimis | Debesijos modelis |\n| Debesijos klaida | Vietinis SLM (sklandus kokybės praradimas) |\n\nTai atitinka modelių maršrutavimo idėją iš 16 pamokos, kai darbo stotis yra viena\niš eilių. Pirmenybė teikiama sprendimams, kurie nukrypsta į vietinį režimą, kad agento kokybė\ngerėtų, o ne visiškai gestų.\n\n## Pagalbinės taisyklės asistentui\n\n- Laikyk visus failų\u002Fįrankių veiksmus apribotus izoliuotame projekto kataloge.\n- Neperkėlinėk kodo ar duomenų į debesį, jei besimokantysis nurodė tikslą dėl privatumo\u002Fneprisijungimo – išlaikyk visą procesą vietinį.\n- Nustatyk realistiškus lūkesčius dėl SLM kokybės; remkis įrankiais ir RAG, o ne modelio išmoktomis žiniomis.\n- Atkreipk dėmesį, kad 17 pamoka neturi **Foundry Responses** galinio taško, todėl debesijos testavimas netaikomas – tikrink vykdydamas užrašą vietoje.\n\n---\n\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Atsakomybės apribojimas**:\nŠis dokumentas buvo išverstas naudojant dirbtinio intelekto vertimo paslaugą [Co-op Translator](https:\u002F\u002Fgithub.com\u002FAzure\u002Fco-op-translator). Nors siekiame tikslumo, prašome atkreipti dėmesį, kad automatiniai vertimai gali turėti klaidų ar netikslumų. Originalus dokumentas jo gimtąja kalba laikomas autoritetingu šaltiniu. Svarbiai informacijai rekomenduojama naudoti profesionalų žmogiškąjį vertimą. Mes neatsakome už jokius nesusipratimus ar neteisingą interpretaciją, kilusią naudojantis šiuo vertimu.\n\u003C!-- CO-OP TRANSLATOR DISCLAIMER END -->",{"name":5,"license":14},"main","f09e94ffe170f8af6d3db7c42987bbe4db227723","translations\u002Flt\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\u002Flt\u002F.agents\u002Fskills\u002Flocal-ai-agents\u002FSKILL.md",true,[49,55,59,63,67,71,75,79,83],{"path":50,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":53,"sourceHtmlUrl":54},"ci.md","REFERENCE","参考文档",1304,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fci.md",{"path":56,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":57,"sourceHtmlUrl":58},"dev-tools.md",164,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fdev-tools.md",{"path":60,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":61,"sourceHtmlUrl":62},"hono.md",5543,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fhono.md",{"path":64,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":65,"sourceHtmlUrl":66},"oxc.md",19135,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Foxc.md",{"path":68,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":69,"sourceHtmlUrl":70},"package.md",2399,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fpackage.md",{"path":72,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":73,"sourceHtmlUrl":74},"shadcn-ui.md",875,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fshadcn-ui.md",{"path":76,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":77,"sourceHtmlUrl":78},"tanstack-spa.md",3308,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Ftanstack-spa.md",{"path":80,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":81,"sourceHtmlUrl":82},"typescript.md",1855,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Ftypescript.md",{"path":84,"resourceType":51,"resourceTypeDesc":52,"sizeBytes":85,"sourceHtmlUrl":86},"workspace.md",574,"https:\u002F\u002Fgithub.com\u002Fshengdabai\u002FTony-Claude-Code-Skills\u002Fblob\u002Fmain\u002Fskills\u002F_collections\u002Fd-kimuson-dotfiles\u002Fclaude-code\u002Fskills\u002Fts-project-initialize\u002Fworkspace.md",[88,106,117,122,130,137],{"skillNo":89,"name":90,"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":91,"categories":92,"keywords":103,"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",[93,98],{"categoryNo":94,"categoryName":95,"taxonomyType":96,"taxonomyTypeDesc":97},"01JBSEEDCAT000000000000008","测试与质量","SCENARIO","使用场景",{"categoryNo":99,"categoryName":100,"taxonomyType":101,"taxonomyTypeDesc":102},"01JBSEEDCAT000000000000039","教师与教育","PROFESSION","适用职业",[104,105],"testing","testing course samples",{"skillNo":107,"name":108,"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":109,"categories":110,"keywords":114,"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",[111],{"categoryNo":112,"categoryName":113,"taxonomyType":96,"taxonomyTypeDesc":97},"01JBSEEDCAT000000000000023","Skill与智能体开发",[115,8,116],"docs","microsoft docs",{"skillNo":118,"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":119,"categories":120,"keywords":121,"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":123,"name":124,"nameZh":6,"description":125,"descriptionZh":6,"repositoryFullName":7,"ownerLogin":8,"ownerAvatarUrl":9,"ownerAccountNo":10,"ownerDisplayName":11,"repositoryNo":12,"starsCount":13,"licenseSpdxId":14,"licenseFileUrl":6,"sourceHtmlUrl":126,"categories":127,"keywords":128,"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",[],[129],"jupyter notebook",{"skillNo":131,"name":132,"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":133,"categories":134,"keywords":135,"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",[],[136],"deploying scalable agents",{"skillNo":138,"name":139,"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":140,"categories":141,"keywords":142,"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",[],[143],"azure openai to responses"]