[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"article-microsoft-skills-174-ai-coding-skills-zh":3,"article-related-microsoft-skills-174-ai-coding-skills-zh":33,"series-tools-1dd2b6c7-15a2-4d22-8a24-f6d12b4ec78d":86},{"id":4,"slug":5,"title":6,"content":7,"summary":8,"source":9,"source_url":10,"author":11,"image_url":12,"cover_image":12,"category":13,"language":14,"translated_content":11,"related_article_id":15,"keywords":16,"key_takeaways":25,"views":29,"created_at":30,"published_at":31,"topic_cluster_id":32},"1dd2b6c7-15a2-4d22-8a24-f6d12b4ec78d","microsoft-skills-174-ai-coding-skills-zh","Microsoft 開源 174 個 AI 編碼技能","\u003Cp data-speakable=\"summary\">\u003Ca href=\"\u002Ftag\u002Fmicrosoft\">Microsoft\u003C\u002Fa> 開源了 174 個 AI 編碼技能，讓 agent 在寫 Azure SDK 和 Foundry 程式時，先載入對的專案脈絡再動手。\u003C\u002Fp>\u003Cp>說真的，這東西蠻實際。不是再塞一個萬能 prompt，而是把任務拆細。你可以直接用 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills\" target=\"_blank\" rel=\"noopener\">microsoft\u002Fskills\u003C\u002Fa> 這個 GitHub repo，讓 \u003Ca href=\"\u002Ftag\u002Fai-coding\">AI coding\u003C\u002Fa> agent 先吃進對的規則，再開始產 code。\u003C\u002Fp>\u003Cp>目前 repo 裡面已經有 \u003Cstrong>174\u003C\u002Fstrong> 個 skills。還有可安裝模板、\u003Cstrong>AGENTS.md\u003C\u002Fstrong> 範本，和 \u003Cstrong>\u003Ca href=\"\u002Fnews\u002Fwhy-pi-mcp-adapter-is-the-right-way-to-use-mcp-zh\">MCP\u003C\u002Fa>\u003C\u002Fstrong> 設定。對開發者來說，意思很簡單。少一點猜測，多一點上下文。\u003C\u002Fp>\u003Ctable>\u003Cthead>\u003Ctr>\u003Cth>項目\u003C\u002Fth>\u003Cth>數字或細節\u003C\u002Fth>\u003C\u002Ftr>\u003C\u002Fthead>\u003Ctbody>\u003Ctr>\u003Ctd>技能總數\u003C\u002Ftd>\u003Ctd>174\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>快速安裝指令\u003C\u002Ftd>\u003Ctd>\u003Ccode>npx skills add microsoft\u002Fskills\u003C\u002Fcode>\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>GitHub stars\u003C\u002Ftd>\u003Ctd>2.3k\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>Forks\u003C\u002Ftd>\u003Ctd>261\u003C\u002Ftd>\u003C\u002Ftr>\u003Ctr>\u003Ctd>最近提交數\u003C\u002Ftd>\u003Ctd>564\u003C\u002Ftd>\u003C\u002Ftr>\u003C\u002Ftbody>\u003C\u002Ftable>\u003Ch2>Microsoft 到底在賣什麼\u003C\u002Fh2>\u003Cp>這個 repo 不是只丟一堆 prompt 給你。它把 skills、plugins、角色型 agents、\u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills\u002Fblob\u002Fmain\u002FAgents.md\" target=\"_blank\" rel=\"noopener\">Agents.md\u003C\u002Fa> 範本，還有 MCP server 設定都包進來。講白了，就是要讓 agent 直接進入工作狀態，不要每次都從零猜。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779035059510-ydmo.png\" alt=\"Microsoft 開源 174 個 AI 編碼技能\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>這件事很像你請一個很會寫 code 的新同事進團隊。你不會叫他自己猜公司規範。你會先給他文件、範例、lint 規則，還有資料夾結構。Microsoft 現在就是把這套流程搬到 \u003Ca href=\"\u002Ftag\u002Fai-agent\">AI agent\u003C\u002Fa> 身上。\u003C\u002Fp>\u003Cp>而且它還有一個 skill explorer。開發者可以只裝單一 skill，不用把整包資料灌進 context。這點很重要。因為 LLM 不是記憶體無限大，Token 也不是免費的。\u003C\u002Fp>\u003Cul>\u003Cli>核心 skills 包含雲端架構、GitHub issue、前端審查、MCP server。\u003C\u002Fli>\u003Cli>語言套件有 Python、.NET、TypeScript、Java、Rust。\u003C\u002Fli>\u003Cli>Foundry 相關 skills 涵蓋 projects、hosted agents、toolboxes、workflows。\u003C\u002Fli>\u003Cli>也有治理、記憶、觀測性這類偏系統面的項目。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>為什麼 Microsoft 反而叫你別全載\u003C\u002Fh2>\u003Cp>這裡很有意思。Microsoft 直接提醒你，不要一次載入全部 skills。因為太多會造成 context rot。翻成白話，就是注意力被稀釋，Token 被浪費，模式還會互相打架。\u003C\u002Fp>\u003Cp>這種講法很誠實。很多團隊在玩 AI 工具時，都會犯一個毛病。以為上下文越多越好。結果不是。上下文太雜，模型就容易抓錯重點。你給它 174 個規則，它可能一條都沒好好吃進去。\u003C\u002Fp>\u003Cp>所以最佳做法不是全開，而是按任務裝。你要做 Cosmos DB，就裝 Cosmos 相關 skill。你要做 MCP server，就用 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills\" target=\"_blank\" rel=\"noopener\">mcp-builder\u003C\u002Fa>。你要設計 agent 行為，就看 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills\u002Fblob\u002Fmain\u002FREADME.md\" target=\"_blank\" rel=\"noopener\">skill-creator\u003C\u002Fa> 的說明。\u003C\u002Fp>\u003Cblockquote>“The patterns are already in their weights from pretraining. All you need is the right activation context to surface them.” — Microsoft, \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills\" target=\"_blank\" rel=\"noopener\">microsoft\u002Fskills README\u003C\u002Fa>\u003C\u002Fblockquote>\u003Cp>這句話很直白。Microsoft 的意思是，模型本來就學過很多模式。缺的不是更多廢話，而是對的啟動脈絡。這也解釋了為什麼 agent 工具現在越來越像「配置問題」，而不是單純「模型大小問題」。\u003C\u002Fp>\u003Cp>我覺得這方向很務實。因為對大多數團隊來說，真正卡住的不是模型不會寫，而是它寫得不夠像你們團隊。規範、框架版本、資料夾慣例，這些才是日常最煩的地方。\u003C\u002Fp>\u003Ch2>這個 catalog 怎麼分層\u003C\u002Fh2>\u003Cp>整個 catalog 分得蠻清楚。先是語言無關的核心 skills，再來是 Foundry skills，接著是 Python、.NET、\u003Ca href=\"\u002Ftag\u002Ftypescript\">TypeScript\u003C\u002Fa>、Java、\u003Ca href=\"\u002Fnews\u002Frust-hiring-hn-may-2026-roundup-zh\">Rust\u003C\u002Fa> 這些語言包。這種分法很像在幫 agent 做模組化安裝。\u003C\u002Fp>\n\u003Cfigure class=\"my-6\">\u003Cimg src=\"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779035057742-5lx1.png\" alt=\"Microsoft 開源 174 個 AI 編碼技能\" class=\"rounded-xl w-full\" loading=\"lazy\" \u002F>\u003C\u002Ffigure>\n\u003Cp>另外，repo 也放了幾組預設 MCP 設定。像是 docs、GitHub、browser automation。這表示你不用每次都自己從頭接工具。對習慣寫自動化腳本的人來說，這種現成配置省很多時間。\u003C\u002Fp>\u003Cp>更有趣的是，裡面不只有單純補 code 的 skill。還有 hosted agents、agent identity、managed memory、observability、multi-agent workflows。這代表 Microsoft 把 agent 當成一個系統在看，不只是 autocomplete 的加強版。\u003C\u002Fp>\u003Cul>\u003Cli>\u003Cstrong>Foundry skills：\u003C\u002Fstrong>11 個，涵蓋 projects、models、toolboxes、治理。\u003C\u002Fli>\u003Cli>\u003Cstrong>Python skills：\u003C\u002Fstrong>39 個，是目前最多的語言包。\u003C\u002Fli>\u003Cli>\u003Cstrong>.NET skills：\u003C\u002Fstrong>28 個。\u003C\u002Fli>\u003Cli>\u003Cstrong>TypeScript skills：\u003C\u002Fstrong>25 個。\u003C\u002Fli>\u003Cli>\u003Cstrong>Java skills：\u003C\u002Fstrong>25 個。\u003C\u002Fli>\u003Cli>\u003Cstrong>Rust skills：\u003C\u002Fstrong>7 個。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>跟 Copilot、Continue、其他 agent 比，差在哪\u003C\u002Fh2>\u003Cp>這個 repo 很明顯是給 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Ffeatures\u002Fcopilot\" target=\"_blank\" rel=\"noopener\">GitHub Copilot\u003C\u002Fa> 這類工具準備的，尤其是 Copilot CLI 和 VS Code 場景。但它不只綁 GitHub。文件裡也提到可以分享給其他 agent 設定，像 \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fcontinuedev\u002Fcontinue\" target=\"_blank\" rel=\"noopener\">Continue\u003C\u002Fa> 這種本地 agent 流程也能用。\u003C\u002Fp>\u003Cp>這點很重要。因為很多公司不想被單一工具綁死。今天用 Copilot，明天可能換內部 agent。若 skills 可以跨工具搬移，這套東西的價值就不只是一個 repo，而是變成可攜式知識包。\u003C\u002Fp>\u003Cp>安裝流程也做得很短。\u003Ccode>npx skills add microsoft\u002Fskills\u003C\u002Fcode> 這種指令，對工程團隊來說很友善。再加上 symlink 範例，表示它有考慮多專案共享同一套技能的需求。這種細節，通常才是工具能不能落地的分水嶺。\u003C\u002Fp>\u003Cul>\u003Cli>對 Azure SDK 開發者：減少亂猜 API 用法。\u003C\u002Fli>\u003Cli>對 Foundry 團隊：讓 agent 更懂平台規則。\u003C\u002Fli>\u003Cli>對多專案團隊：可以共享技能，不用複製貼上。\u003C\u002Fli>\u003Cli>對本地 agent：也能用同一套脈絡設定。\u003C\u002Fli>\u003C\u002Ful>\u003Ch2>這跟 AI 編碼工具市場的脈絡有關\u003C\u002Fh2>\u003Cp>這波不是單純多一個 repo 而已。它反映的是一個很現實的趨勢。大家開始從「模型會不會寫」轉向「模型懂不懂你的專案」。這差很多。\u003C\u002Fp>\u003Cp>過去很多 AI coding 工具都主打補全速度、推理能力，或是 benchmark 分數。現在越來越多團隊在意的是，能不能吃進 repo 規範、能不能接 MCP、能不能照公司寫法出 code。說白了，實戰才是重點。\u003C\u002Fp>\u003Cp>這也解釋了為什麼 Microsoft 把 skills、\u003Ca href=\"\u002Fnews\u002Faws-agent-toolkit-coding-agents-zh\">Agen\u003C\u002Fa>ts.md、MCP、Foundry 全部串在一起。它不是只想讓你寫得快，而是想讓 agent 寫得像真的在你團隊裡工作。\u003C\u002Fp>\u003Cp>如果拿競品來看，\u003Ca href=\"\u002Ftag\u002Fanthropic\">Anthropic\u003C\u002Fa> 的 \u003Ca href=\"https:\u002F\u002Fdocs.anthropic.com\u002Fen\u002Fdocs\u002Fclaude-code\" target=\"_blank\" rel=\"noopener\">Claude Code\u003C\u002Fa> 走的是另一條路，重點放在本地工作流和終端機操作。OpenAI 的 \u003Ca href=\"https:\u002F\u002Fplatform.openai.com\u002Fdocs\u002Fassistants\" target=\"_blank\" rel=\"noopener\">API\u003C\u002Fa> 路線則偏向讓你自己組裝 agent。Microsoft 這次比較像是直接提供一包官方知識底座，讓你少走冤枉路。\u003C\u002Fp>\u003Ch2>這對台灣開發團隊有什麼用\u003C\u002Fh2>\u003Cp>如果你在台灣做軟體，我覺得這類工具最實際的價值，不是炫技，而是減少溝通成本。很多團隊都有自己的框架版本、部署規則、資料命名方式。AI 如果不懂這些，寫再快也只是製造後續修 bug 的成本。\u003C\u002Fp>\u003Cp>尤其是 Azure、.NET、TypeScript、Java 這幾個生態，在企業環境很常見。Microsoft 把技能拆成細項，就很適合用在內部平台團隊、SRE、雲端遷移、或是新人成長訓練。你不用每次都從頭教 agent 一次。\u003C\u002Fp>\u003Cp>更現實一點，這種 repo 也會影響團隊怎麼管理知識。以前文件是給人看的。現在文件也要給 agent 看。這代表 README、範例、規範、測試，都要寫得更清楚，不然 AI 只會把模糊變成更快的模糊。\u003C\u002Fp>\u003Ch2>接下來可以怎麼看\u003C\u002Fh2>\u003Cp>目前 repo 還標示在持續更新中。Microsoft 也說會持續補技能、更新 SDK 模式、增加測試。這很正常，因為 agent 工具的壽命很吃版本管理。今天有效的 skill，明天可能就跟新版 SDK 打架。\u003C\u002Fp>\u003Cp>我會建議團隊先從最常用的 1 到 3 個 skill 開始，不要一口氣全裝。先測它在你們專案裡會不會真的少出錯，再決定要不要擴大。這比把 174 個技能全丟進去實際多了。\u003C\u002Fp>\u003Cp>如果你們現在也在用 AI coding assistant，我會直接問一句：你們是讓模型自己猜，還是先幫它把專案規則講清楚？這次 Microsoft 的答案很明白。先把脈絡放對，code 才比較像樣。\u003C\u002Fp>","Microsoft 開源 174 個 AI 編碼技能與 agent 設定，讓 GitHub Copilot、MCP 與 Azure SDK 更懂專案脈絡，少一點亂猜。","github.com","https:\u002F\u002Fgithub.com\u002Fmicrosoft\u002Fskills",null,"https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1779035059510-ydmo.png","tools","zh","5d28ea54-70c6-408b-a38d-9a0bfbd8c28a",[17,18,19,20,21,22,23,24],"Microsoft","AI 編碼技能","GitHub","Copilot","MCP","Azure SDK","AI agent","Foundry",[26,27,28],"Microsoft 開源 174 個 AI 編碼技能，重點是讓 agent 先吃進專案脈絡。","repo 內含 AGENTS.md、MCP 設定與語言套件，適合 Azure 和 Foundry 團隊。","官方也提醒別全載，因為上下文太多會讓輸出品質變差。",3,"2026-05-17T16:23:51.29023+00:00","2026-05-17T16:23:51.175+00:00","c3c88dd2-a940-438a-b359-0e5a24562273",{"tags":34,"relatedLang":45,"relatedPosts":49},[35,37,39,41,43],{"name":17,"slug":36},"microsoft",{"name":18,"slug":38},"ai-編碼技能",{"name":19,"slug":40},"github",{"name":21,"slug":42},"mcp",{"name":20,"slug":44},"copilot",{"id":15,"slug":46,"title":47,"language":48},"microsoft-skills-174-ai-coding-skills-en","Microsoft open-sources 174 AI coding skills","en",[50,56,62,68,74,80],{"id":51,"slug":52,"title":53,"cover_image":54,"image_url":54,"created_at":55,"category":13},"bef47dbc-b0b4-439e-bae9-abe9473a321c","wei-shen-me-tether-ba-ben-di-ai-ji-yi-tui-jin-ri-chang-zhuan-zh","為什麼 Tether 把本地 AI 記憶推進日常裝置是對的","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780542170805-opi6.png","2026-06-04T03:02:19.599329+00:00",{"id":57,"slug":58,"title":59,"cover_image":60,"image_url":60,"created_at":61,"category":13},"d3ec03a8-a805-4a21-9826-72a74a72b625","databricks-model-serving-llm-deploy-guide-zh","Databricks Model Serving 讓 LLM 部署變簡單","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780525998117-7ur8.png","2026-06-03T22:32:51.005996+00:00",{"id":63,"slug":64,"title":65,"cover_image":66,"image_url":66,"created_at":67,"category":13},"4dd225a8-bf6c-4768-a486-a27956c7033d","opencode-digitalocean-model-freedom-zh","OpenCode+DigitalOcean 讓你切換模型","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780525116428-1q7g.png","2026-06-03T22:18:06.969758+00:00",{"id":69,"slug":70,"title":71,"cover_image":72,"image_url":72,"created_at":73,"category":13},"4bdcf208-fb80-484e-b4b6-06af035a6df1","modulate-aws-voice-chats-into-signals-zh","Modulate 用 AWS 把語音聊天做成訊號","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780519733892-rxue.png","2026-06-03T20:48:22.697917+00:00",{"id":75,"slug":76,"title":77,"cover_image":78,"image_url":78,"created_at":79,"category":13},"f44a28d3-2305-43de-b5fa-21217d561054","amazon-rekognition-content-moderation-filter-zh","Amazon Rekognition把審核變成過濾器","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780517005409-bxfc.png","2026-06-03T20:02:57.634353+00:00",{"id":81,"slug":82,"title":83,"cover_image":84,"image_url":84,"created_at":85,"category":13},"80f6f40b-3217-45e4-acff-7b2f6d261779","codex-workspace-limits-tell-you-why-zh","Codex 讓工作區限額錯誤說人話","https:\u002F\u002Fxxdpdyhzhpamafnrdkyq.supabase.co\u002Fstorage\u002Fv1\u002Fobject\u002Fpublic\u002Fcovers\u002Finline-1780514293711-ltqa.png","2026-06-03T19:17:41.340056+00:00",[87,92,97,102,107,112,117,122,127,132],{"id":88,"slug":89,"title":90,"created_at":91},"855cd52f-6fab-46cc-a7c1-42195e8a0de4","surepath-real-time-mcp-policy-controls-zh","SurePath 推出即時 MCP 政策控管","2026-03-26T07:57:40.77233+00:00",{"id":93,"slug":94,"title":95,"created_at":96},"9b19ab54-edef-4dbd-9ce4-a51e4bae4ebb","mcp-in-2026-the-ai-tool-layer-teams-use-zh","2026 年 MCP：團隊真的在用的 AI 工具層","2026-03-26T08:01:46.589694+00:00",{"id":98,"slug":99,"title":100,"created_at":101},"af9c46c3-7a28-410b-9f04-32b3de30a68c","prompting-in-2026-what-actually-works-zh","2026 提示工程，真正有用的是什麼","2026-03-26T08:08:12.453028+00:00",{"id":103,"slug":104,"title":105,"created_at":106},"05553086-6ed0-4758-81fd-6cab24b575e0","garry-tan-open-sources-claude-code-toolkit-zh","Garry Tan 開源 Claude Code 工具包","2026-03-26T08:26:20.068737+00:00",{"id":108,"slug":109,"title":110,"created_at":111},"042a73a2-18a2-433d-9e8f-9802b9559aac","github-ai-projects-to-watch-in-2026-zh","2026 必看 20 個 GitHub AI 專案","2026-03-26T08:28:09.619964+00:00",{"id":113,"slug":114,"title":115,"created_at":116},"a5f94120-ac0d-4483-9a8b-63590071ac6a","claude-code-vs-cursor-2026-zh","Claude Code 與 Cursor 深度對比：202…","2026-03-26T13:27:14.279193+00:00",{"id":118,"slug":119,"title":120,"created_at":121},"0975afa1-e0c7-4130-a20d-d890eaed995e","practical-github-guide-learning-ml-2026-zh","2026 機器學習入門 GitHub 實用指南","2026-03-27T01:16:49.712576+00:00",{"id":123,"slug":124,"title":125,"created_at":126},"bfdb467a-290f-4a80-b3a9-6f081afb6dff","aiml-2026-student-ai-ml-lab-repo-review-zh","AIML-2026：像課綱的學生實驗 Repo","2026-03-27T01:21:51.467798+00:00",{"id":128,"slug":129,"title":130,"created_at":131},"80cabc3e-09fc-4ff5-8f07-b8d68f5ae545","ai-trending-github-repos-and-research-feeds-zh","AI Trending：把 AI 資源收成一張表","2026-03-27T01:31:35.262183+00:00",{"id":133,"slug":134,"title":135,"created_at":136},"3ce6e6e2-bac5-463e-9f8d-45caabcc61f7","awesome-ai-for-science-research-tools-map-zh","AI 科研工具清單，開始像地圖了","2026-03-27T01:46:50.521945+00:00"]