这个 Skill 能做什么，适合哪些场景？
该技能面向 Azure Data Lake Storage Gen2 的 Python SDK，覆盖账户、文件系统、目录和文件级操作。它提供同步与异步客户端示例，包括上传、下载、追加、列举、元数据和访问控制列表管理。指南推荐使用 DefaultAzureCredential，并要求通过账户 URL 连接 Data Lake 端点。若项目需要层次化文件系统和大文件分析工作负载，它是合适的编码辅助技能。
指导代理安装 azure-storage-file-datalake 和 azure-identity，配置 AZURE_STORAGE_ACCOUNT_URL 及生产环境凭据设置；创建和管理 DataLakeServiceClient、FileSystemClient、DataLakeDirectoryClient 与 DataLakeFileClient；执行文件系统、目录和文件的创建、获取、删除、重命名、上传、追加、刷新、下载及范围读取；列举路径，读取文件属性，设置元数据，并读取、设置和递归更新 ACL；同时提供 aio 异步客户端用法和上下文管理器模式。
- 需要在 Python 服务中创建或管理 ADLS Gen2 文件系统、目录和文件的 Azure 开发者。
- 需要为大数据分析工作负载追加分块并提交大文件的工程团队。
- 需要递归列举 Data Lake 目录、读取文件属性或下载文件范围的数据处理程序。
- 需要使用 Entra 凭据和目录级 ACL 管理数据访问的团队。
- 需要通过异步客户端提升高吞吐文件操作能力的 Python 应用。
如何安装这个 Skill？
- 示例包含删除文件系统、目录和文件以及覆盖上传等外部副作用；使用前应确认目标资源、权限和恢复方案。
- 未锁定 azure-storage-file-datalake 与 azure-identity 版本，也未给出当前 API 兼容性或异常处理实现；应在目标环境中核对官方 SDK 文档并补充测试。
- 凭据安全建议较好，但未说明所需 RBAC/ACL 最小权限、日志中的敏感信息控制或数据驻留要求。
- 核心功能依赖 Azure 端点，文档未评估中国大陆网络可达性、私有网络或代理配置。
- Shell / 命令行
- 网络访问
- 本地文件系统
Pythonazure-storage-file-datalakeazure-identityAzure Storage account URL
在目标 Agent Skills 兼容客户端中运行 npx skills add microsoft/skills，在安装向导中选择 azure-storage-file-datalake-py。README 说明技能会安装到所选代理的目录，例如 GitHub Copilot 使用 .github/skills/；也可以从仓库中复制对应技能目录。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/microsoft/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.github/plugins/azure-sdk-python/skills/azure-storage-file-datalake-py" ~/.claude/skills/
rm -rf "$tmp"根据源仓库地址和 Skill 路径自动生成，只复制这个 Skill 的文件夹。如果上文有作者提供的安装方式，请优先按作者说明操作；想只在当前项目中使用，把 ~/.claude/skills 换成项目里的 .claude/skills。
如何使用这个 Skill？
安装后，把下面任意一句发给 Agent 即可触发：
- 请使用 DataLakeServiceClient 为这个 Python 服务创建 ADLS Gen2 目录并上传文件。
在已安装该技能的编码代理中提出包含触发词的请求，例如：“请使用 DataLakeServiceClient 为这个 Python 服务创建 ADLS Gen2 目录并上传文件。”使用前设置 AZURE_STORAGE_ACCOUNT_URL=https://<account>.dfs.core.windows.net；若使用 DefaultAzureCredential 进行生产部署，还应设置 AZURE_TOKEN_CREDENTIALS=prod 或指定凭据。
这个 Skill 有哪些优点和局限？
- 覆盖 ADLS Gen2 的完整客户端层级和常见文件系统操作。
- 同时提供同步与异步 Python 示例。
- 明确推荐 DefaultAzureCredential、上下文管理器和生产凭据约束。
- 包含文件追加、范围下载、元数据和 ACL 等实用场景。
- 仅针对 Azure Data Lake Storage Gen2 Python SDK，不是通用对象存储技能。
- 所有认证方式都需要账户 URL，且实际运行依赖 Azure 资源和有效凭据。
- 源材料只列出 references 文件名，未提供其内容，因此无法评估其中的额外能力或生产检查清单。
这个 Skill 与同类方案有什么区别？
与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。
| Skill | FS 评分 | Star 数 | 最近更新 | License |
|---|---|---|---|---|
| Azure Data Lake Gen2 Python 技能 本页 ✓ Microsoft · 官方 | 53 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Azure Monitor OpenTelemetry Python ✓ Microsoft · 官方 | 45 · 不推荐 | ★ 2.7k | 3 个月前 | MIT |
| Azure AI 文本分析 Python 技能 ✓ Microsoft · 官方 | 56 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Azure AI 转录 Python 技能 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| MCP 服务器开发指南 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
指南明确建议：简单对象存储场景可考虑 Blob API；需要层次化文件系统语义、目录操作或 ACL 时，更适合使用本技能覆盖的 Data Lake Gen2 SDK。
FollowSkills 如何评估这个 Skill？
文档推荐 DefaultAzureCredential、生产环境约束凭据链，并避免连接字符串和密钥，且披露了 Azure 账户端点与客户端生命周期；但未定义最小 RBAC 权限、敏感数据处理、用户确认、删除操作的回滚或恢复，也未固定依赖版本，因此扣分。
客户端层级、同步/异步模式和常见文件操作说明整体一致，引用文件还要求核对当前 API、错误处理和清理路径；但示例缺少异常处理、输入校验、重试/分页/LRO 实现，部分生产假设依赖读者补全，静态审查无法复现关键路径，因此受限给分。
目标场景、Python 包、客户端类型和触发词较明确，覆盖文件系统、目录、文件、ACL、列表及异步操作；但未充分声明非适用边界、版本兼容范围、触发排除条件，也未讨论中文使用或中国大陆网络可达性，Azure 外部服务依赖需用户自行处理。
具备 front matter、MIT 许可、版本号、安装说明、环境变量、层级结构、示例、最佳实践和引用文件，仓库 README、CI 与安全政策提供了一定治理信号；但缺少包版本约束、变更日志、明确维护责任和更新流程，引用内容与主文档还有重复。
文档直接覆盖创建/获取/删除文件系统、目录操作、上传下载、列表、属性、ACL 和异步客户端，能支持核心编码任务；但示例未提供完整可运行应用、错误恢复、权限配置或验证结果，静态校验规则限制最高分，实际使用仍需查阅当前 SDK 文档和补充生产代码。
技能文件和引用文件提供了可审计的代码样例、API 名称及生产检查清单；仓库存在通用 CI、评估工作流和测试线索，但提供材料未显示该技能对应的专门测试、真实运行结果或第三方交叉验证，因此仅给有限分。
点击维度查看打分理由
证据充分度：低 — 主要依赖静态检查、作者材料或有限演示；适合发现线索，不适合做高风险决策。
查看完整评分方法 →