Azure OpenAI 模型部署助手
按意图发现容量并部署 Azure OpenAI 模型。
证据显示部署前要求确认项目、区域和完整配置，并要求动态检查 SKU、模型支持和配额；同时明确这是对 Azure 的带外变更。扣分原因是所需 Azure 权限范围较大，可能产生持续费用；数据流（租户国家代码、组织名）在 Anthropic 流程中会被读取并发送到部署请求，未充分解释；回滚仅提供删除命令而非确认后的恢复流程。
文档包含前置检查、输入约束、跨区域回退、轮询和错误处理，关键 happy path 具备可读指引。静态校准将分数限制在 10 以下；扣分原因是脚本与文档存在不一致，例如项目查询条件分别使用 AIServices 和 AIProject，容量脚本主要固定 GlobalStandard，且内嵌 Python/JSON 拼接对异常模型名的稳健性不足；未能静态复现运行结果。
触发词、三种模式、负面触发范围和 azd 非适用边界写得较清楚，覆盖预设、定制和容量发现。扣分原因是未说明中文交互、错误输入的语义边界和 Azure CLI/MCP/Portal 选择条件；未提供中国大陆网络可达性说明，核心功能依赖 Azure 管理端点和登录环境。
具备分层入口、快速参考、子技能、脚本、示例、指南、工作流和故障排除；选定文件及上下文给出 MIT、作者和版本元数据。扣分原因是入口和子技能版本不一致（1.0.0、1.0.1），维护责任和变更日志未在选定技能中明确；文档宣称 14 个阶段但实际列出 13 个，且部分能力说明与脚本实现范围不完全一致。
该技能覆盖从项目选择、模型/SKU/容量验证到部署监控的完整目标流程，示例和测试提示表明预期输出可直接指导部署。静态校准限制 effectiveness 不超过 7；扣分原因是没有可独立核验的代表性执行证据，脚本的项目发现和 SKU/区域覆盖存在疑点，实际结果可能仍需人工纠错。
存在提交的 shell 脚本、详细命令、测试提示和声称的自动化测试结果，提供了一定审计线索。静态校准限制 verifiability 不超过 5；扣分原因是测试结果是文档中的声明，未提供覆盖这些关键路径的可核验测试套件或独立第三方复现证据，且本次未执行任何内容。
- 部署会修改 Azure 外部资源并可能产生费用；确认项目、区域、SKU、容量和最终配置后再执行。
- 项目发现过滤条件（AIServices 与 AIProject）和脚本仅处理 GlobalStandard 的范围需先核对，否则可能漏报或误选目标。
- 不要将 Anthropic 流程读取的租户国家代码和组织名视为无敏感性数据；应确认租户合规要求及请求目的。
- 未提供中文交互或中国大陆网络可达性证据，使用前应验证 Azure CLI 登录和管理 API 的实际可用性。
这个 Skill 能做什么，适合哪些场景？
这是一个面向 Azure AI Foundry 的统一模型部署技能，支持快速预设部署、自定义部署和容量发现。它会根据用户提示判断部署模式，并在部署前解析目标项目、验证模型支持的 SKU 及订阅可用配额。技能适用于不由 azd 管理的 Foundry 项目，以及 azd 生命周期之外的临时部署。它不用于列出现有部署、删除部署、创建 Agent 或创建项目。
读取用户的模型、区域、容量、SKU、版本和 RAI 策略意图；解析 PROJECT_RESOURCE_ID 环境变量或查询项目；通过 Azure CLI、MCP 或门户执行部署相关流程；使用 az cognitiveservices model list 检查模型支持的 SKU，并使用 az cognitiveservices usage list 计算可用配额；根据结果路由到预设、自定义或容量发现模式，并在部署前展示目标项目供用户确认。
- 需要快速部署 GPT 模型、且不要求自定义版本或 SKU 的 Azure 开发者。
- 需要指定模型版本、SKU、容量或 RAI 策略的 Foundry 项目管理员。
- 想查找哪个区域或项目拥有足够模型配额的 Azure 用户。
- 同时提出容量要求和部署需求、希望先找到可用区域再部署的团队。
- 在 azd 管理范围之外进行临时模型部署的工程师。
这个 Skill 有哪些优点和局限？
- 将预设部署、自定义配置和跨区域容量发现统一到一个入口。
- 部署前动态验证模型支持的 SKU 和订阅可用配额。
- 强制展示并确认目标项目，降低部署到错误资源的风险。
- 明确区分 azd 管理项目与非 azd 项目的适用范围。
- 依赖已安装并认证的 Azure CLI、Azure 订阅和部署权限。
- 部署流程依赖 Azure CLI、MCP 或门户，但源材料未说明具体 MCP 工具名称或完整错误处理方式。
- 仅提供主技能的路由和校验说明；预设、自定义及容量子技能的具体操作细节未在给定材料中展开。
- 不负责列出现有部署、删除部署、创建 Agent 或创建项目。
如何安装这个 Skill？
安装整个仓库的技能集合：运行 npx skills add microsoft/skills，在向导中选择所需技能。技能会安装到所选 Agent 的目录，例如 GitHub Copilot 使用 .github/skills/。源材料未说明如何单独安装该嵌套技能，也未提供其独立安装包。
如何使用这个 Skill？
确保已安装并登录 Azure CLI，并准备具有部署权限的 Azure 订阅和 Foundry 项目资源 ID。可使用类似“deploy gpt-4o”“deploy gpt-4o with custom settings”或“find where I can deploy this model”这样的提示触发预设、自定义或容量发现流程。部署前必须确认目标项目；若项目未指定，技能会检查 PROJECT_RESOURCE_ID，否则帮助发现项目。对于 azd 管理的项目，应在 azure.yaml 的 services.ai-project.deployments[] 中声明部署，而不是使用此技能。