这个 Skill 能做什么，适合哪些场景？
该技能用于在 Azure AI Foundry 中以交互方式部署 Azure OpenAI 模型。它允许用户选择模型版本、SKU、容量、RAI 内容过滤策略和高级部署选项。流程会查询可用模型、版本、SKU、配额和区域容量，并在当前区域无容量时搜索其他区域。它适合有明确部署参数要求的用户，不适合只想快速部署到最佳区域的场景。
通过 Azure CLI 验证登录状态、解析并验证项目资源 ID、列出可用模型和版本、查询可部署 SKU 与容量范围，并引导用户选择配置。它可配置 GlobalStandard、Standard、ProvisionedManaged 和 DataZoneStandard SKU，以及动态配额、优先处理、溢出和版本升级策略。流程会生成并校验部署名称，展示完整配置供确认，然后执行部署、轮询状态并输出端点和门户链接；必要时会跨区域查询容量。
- Azure 开发者需要部署指定版本而不是最新版本时，用它逐步选择模型版本和 SKU。
- 平台工程师需要为生产环境设置精确 TPM 容量、全局标准 SKU 或 PTU 时，用它检查可用配额并配置部署。
- AI 应用团队需要选择 RAI 内容过滤策略或启用动态配额、优先处理、溢出时，用它完成高级配置。
- 当前区域没有足够容量、但项目可以迁移到其他区域时，用它执行跨区域容量回退搜索。
如何安装这个 Skill？
- 部署会产生外部 Azure 资源和费用；确认前应核对订阅、区域、SKU、容量、RAI、升级策略及 spillover 目标。
- 不要把示例中的模型、SKU、容量范围或 PTU 公式视为当前服务保证；应以实时 API 返回和官方文档为准。
- Anthropic 分支会提交租户国家代码和组织名称；部署前应确认这些数据的来源、准确性和合规性。
- 本评估仅为静态阅读，未执行 Azure CLI、REST 调用或关键路径测试。
- Shell / 命令行
- 网络访问
- 本地文件系统
- MCP Server
Azure CLIAzure subscriptionAzure AI Foundry project resource ID
在目标项目中运行 npx skills add microsoft/skills，在安装向导中选择需要的技能。该技能位于 .github/plugins/azure-skills/skills/microsoft-foundry/models/deploy-model/customize/SKILL.md；源资料未说明如何在每个具体 Agent 客户端中单独选择此嵌套技能。
tmp="$(mktemp -d)"
git clone --depth 1 https://github.com/microsoft/skills.git "$tmp"
mkdir -p ~/.claude/skills
cp -R "$tmp/.github/plugins/azure-skills/skills/microsoft-foundry/models/deploy-model/customize" ~/.claude/skills/
rm -rf "$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：
- 自定义部署 Azure OpenAI 模型，选择版本、SKU、容量和内容过滤策略
先准备 Azure 订阅、Cognitive Services Contributor 或 Owner 权限、Azure AI Foundry 项目资源 ID，并安装 Azure CLI。运行 az login，可选地设置 PROJECT_RESOURCE_ID，然后向 Agent 提出“自定义部署 Azure OpenAI 模型，选择版本、SKU、容量和内容过滤策略”。执行前应加载 references/customize-workflow.md 获取完整脚本和实现细节；该参考文件内容未随资料提供。
这个 Skill 有哪些优点和局限？
- 支持模型版本、SKU、容量、RAI 策略和高级选项的细粒度配置。
- 会依据实时数据查询可部署 SKU、容量和配额，而不是硬编码 SKU 列表。
- 当前区域无容量时提供跨区域回退，并在部署前进行配置审核。
- 支持 Standard、GlobalStandard、ProvisionedManaged 和 DataZoneStandard 部署类型。
- 依赖 Azure CLI 登录、有效项目资源 ID以及足够的 Azure 权限。
- 需要网络访问 Azure 查询接口；容量查询失败时不会继续部署。
- SKU 和容量可用性取决于区域、订阅和模型，流程不保证一定能部署成功。
- 完整脚本、容量公式和高级选项细节依赖未提供的参考文件；源资料未展示该技能的独立测试结果。
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 OpenAI 定制部署向导 本页 ✓ Microsoft · 官方 | 49 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Azure OpenAI 模型部署助手 ✓ Microsoft · 官方 | 52 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Azure OpenAI 智能区域部署 ✓ Microsoft · 官方 | 44 · 不推荐 | ★ 2.7k | 3 个月前 | MIT |
| Azure Playwright 工作区管理技能 ✓ Microsoft · 官方 | 54 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
| Microsoft 365 代理评测器 ✓ Microsoft · 官方 | 54 · 谨慎使用 | ★ 2.7k | 3 个月前 | MIT |
该技能明确对应 preset 技能：customize 让用户选择版本、SKU、容量和 RAI 策略，优先满足精确配置需求；preset 则自动选择最佳可用区域和配置，适合快速部署。
FollowSkills 如何评估这个 Skill？
流程包含部署前用户确认、权限前置说明、容量校验、失败时停止以及部署删除命令，且注明 Anthropic 部署会读取租户国家代码和组织名称；但需要较高 Azure 权限，数据流、敏感信息处理、最小权限边界和自动回滚不完整，因此扣分。
文档给出了较详细的阶段、命令、输入校验和失败反馈，静态上主路径可理解；但阶段编号不一致，bash、PowerShell、jq 等依赖未完整声明，多个 Azure CLI/REST 假设和示例未由选定技能的测试复现，故受静态上限和不确定性限制。
目标用户、定制场景、preset 对比、非适用的 preset 场景和模型格式分支较清楚；但未说明中文交互支持，也没有证据证明在中国大陆网络环境可达，边界和触发条件仍依赖上层路由。
SKILL.md 采用渐进式引用，提供参考文档、示例、故障排查、MIT 许可证、作者和版本号；但缺少该技能的变更记录、维护责任人和明确更新路径，且文档中的 SKU、模型和 README 统计可能随服务变化而过时。
工作流覆盖认证、模型选择、SKU、容量、RAI、高级选项、确认、部署和监控，理论上能完成核心定制部署；但没有该技能关键路径的实际输出或执行证据，部分示例和容量公式仍需人工核验，因此不能超过静态有效性上限。
提供了具体 CLI/REST 命令、引用文件和仓库级 CI/测试材料，具备一定审计线索；但所给测试并未覆盖该选定技能的部署路径，且本次未执行，缺少第三方或关键路径复现证据，故仅给有限分数。
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 →