1. 基本信息
| 项目 | 内容 | 数据来源 |
|---|---|---|
| 名称 | azure-ai-ml-py（正式名称：azure-ai-ml-py-microsoft-skills） | — |
| 作者/维护者 | Microsoft（microsoft/skills 官方仓库；本子技能由 Larry Osterman、Xiang Yan、KarishmaGhiya、Scott Addie、Kay Venkatrajan 等多位工程师共同维护） |
GitHub API |
| 来源链接 | https://github.com/microsoft/skills/tree/main/.github/plugins/azure-sdk-python/skills/azure-ai-ml-py | — |
| 许可证 | MIT（SKILL.md 自身声明，与仓库根 LICENSE 一致） | GitHub API |
| GitHub Stars / Forks | 所属合集仓库 2,838★ / 319 forks（该数字属整个 microsoft/skills 合集，不代表本技能自身热度） | GitHub API |
| 最新版本 | SKILL.md 自带 version: 1.0.0；本子目录最近一次实质提交在 2026-07-15 |
GitHub API（commits） |
| 安装方式 | npx skills add microsoft/skills 交互向导勾选安装；或手动 clone 后复制子目录 |
仓库 README |
2. 功能介绍与亮点
azure-ai-ml-py 教 agent 用官方 Python SDK v2（azure-ai-ml）管理 Azure Machine Learning 资源全流程：工作区（workspace）创建与查询、计算集群（compute cluster）的弹性伸缩配置、数据资产（文件/文件夹）注册、模型注册表的版本化管理、训练任务（command job）提交与日志流式监控，以及多步骤训练管道（pipeline）编排。
正文贯穿两条硬性规则：优先使用 DefaultAzureCredential（本地走 Azure CLI/VS Code 凭据链，生产环境通过 AZURE_TOKEN_CREDENTIALS=prod 收紧到生产安全的凭据类型），避免使用连接字符串或账户密钥；每个客户端都要用上下文管理器包裹（同步 with/异步 async with），确保 HTTP 连接与令牌缓存被正确释放。技能目录下附带两份参考文档，分别补充非主线能力清单（capabilities.md）与次要场景的完整示例（non-hero-scenarios.md）。
亮点：本子目录 2026-02～07 月间由 5 位具名微软工程师持续迭代，最近一次实质更新在 2026-07-15（对应 PR #382，为 azure-sdk-python 语言插件族批量补充参考文档的一部分）；技能目录本身零可执行脚本，纯文档与代码示例；独立第三方技能索引站点 officialskills.sh 将其作为“Azure Machine Learning SDK v2 for Python”单独收录展示。
3. 适用场景
固定分类：工程效率与代码质量
面向用 Python 在 Azure Machine Learning 上做模型训练、管理计算资源与模型生命周期的开发者，尤其适合不熟悉 MLClient API 结构、认证凭据链选择或训练任务/管道编排写法的初中级用户——把常见的工作区/计算/数据/模型/任务操作直接封装成可复制的代码范式，减少来回查阅官方 SDK 文档的时间。
4. 跨 Agent 兼容性
- Claude Code：✅ 原生支持——README 明确给出
.claude/skills/符号链接安装示例与npx skills add microsoft/skills交互向导 - Codex：❓ 未验证——已抓取材料未说明该安装工具是否覆盖 Codex CLI 的技能目录结构
- OpenClaw：❓ 未验证——README 提到的是 “OpenCode”（
.opencode/skills），与 OpenClaw 是两个不同生态，不能互相替代作为证据 - Hermes Agent：❓ 未验证——未见相关材料
5. 推荐理由
微软官方持续维护的 Azure Machine Learning SDK v2 Python 使用指南，把工作区、计算集群、数据资产、模型注册与训练管道的常见操作封装成可直接复用的代码范式，并把“优先用令牌认证、上下文管理器释放连接”作为贯穿全文的强制规则，能显著降低初中级开发者在搭建 Azure ML 训练流程时的摸索成本。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 7 | 本技能被独立第三方技能索引站点 officialskills.sh 单独收录展示；2026-02~07 月间由 5 位具名微软工程师持续迭代（最近一次 2026-07-15）；所属合集仓库规模（2,838★）不代表本技能自身热度，且未见针对本技能的独立第三方用户讨论 |
| 可用性 | 9 | 交互向导一条命令即可安装；技能目录仅含 SKILL.md 与两份参考文档，无需额外脚本即可直接对照代码示例上手；最近一次实质提交距今约 2 周，维护活跃 |
| 安全性 | 9 | 技能目录不含任何可执行脚本，纯文档与代码示例；正文明确要求优先使用 DefaultAzureCredential/托管身份而非连接字符串或账户密钥，并强调用上下文管理器确保连接释放；MIT 许可证明确；官方仓库多位具名工程师维护 |
| 综合 | 8.3 | 三项均值 |
安全检查清单逐项结果：① 技能目录内零脚本、零 shell 命令 ② 代码示例联网目标为用户自行开通的 Azure ML 工作区，用途透明 ③ 认证方式默认走 DefaultAzureCredential 令牌链，正文明确建议生产环境收紧凭据类型、避免连接字符串/账户密钥 ④ 全文关键词扫描无可疑指令或混淆代码 ⑤ 官方仓库、多位具名工程师维护，无造假迹象 ⑥ MIT 许可证明确 ⑦ 最近一次实质提交距今约 2 周，维护活跃。
7. 跟同类 Skills 相比的优势
| 竞品 | 定位 | 与本技能的差异 |
|---|---|---|
| azure-search-documents-py-microsoft-skills | 同仓库姊妹技能，教 Azure AI Search 索引搭建与检索 | 聚焦搜索/检索场景而非模型训练与计算资源管理，两者可在同一 Azure 项目中配合使用（如检索增强生成流程里的模型训练与索引分别对应两个技能） |
| databricks-migration-microsoft-skills-for-fabric | 教 Databricks 工作负载向 Microsoft Fabric 迁移 | 是数据平台间的迁移工具型技能，不涉及训练任务/模型注册表等 MLOps 环节；本技能是 Azure ML 原生 SDK 的操作指南，两者面向不同阶段的团队 |
| AWS SageMaker 官方文档（业界常见对标方案） | AWS 云上的托管机器学习平台文档 | 是纯文档站点而非可安装的 Agent Skill，需要开发者自行摘录代码模式；本技能直接把常见操作范式封装进 SKILL.md，agent 可直接调用无需额外摘录 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。独立第三方技能索引站点 officialskills.sh 将其列为“Azure Machine Learning SDK v2 for Python (azure-ai-ml)”，描述为“lets you manage ML resources on Azure programmatically”，但该站点属目录式收录，未附带使用体验评价。
9. 安装使用方式
- 推荐方式：
npx skills add microsoft/skills，交互向导中勾选azure-ai-ml-py即可放入当前 agent 对应的技能目录（如 Claude Code 为.claude/skills/） - 手动方式：
git clone https://github.com/microsoft/skills.git cp -r skills/.github/plugins/azure-sdk-python/skills/azure-ai-ml-py your-project/.claude/skills/ - 使用前需自行安装
azure-ai-ml包（pip install azure-ai-ml）并开通 Azure Machine Learning 工作区，设置AZURE_SUBSCRIPTION_ID/AZURE_RESOURCE_GROUP/AZURE_ML_WORKSPACE_NAME等环境变量；安装后无需重启，agent 会依据 SKILL.md 的触发关键词（如 “azure-ai-ml”、“MLClient”、“workspace”、“training jobs”）自动调用
10. 注意事项
- 使用前需自行开通 Azure Machine Learning 工作区与计算资源，生产环境认证建议走
DefaultAzureCredential并设置AZURE_TOKEN_CREDENTIALS=prod收紧凭据类型，而非文档中同时展示的直接指定凭据类方式 - 跨 Agent 兼容性除 Claude Code 有明确安装说明外，其余三个生态均未验证，实际使用前建议先手动测试触发效果
- 技能目录本身不包含成本控制逻辑，计算集群的自动缩容（
idle_time_before_scale_down）等参数需开发者自行按预算设置，避免闲置计算资源产生额外费用