skills

GitHub
916 70 简单 2 次阅读 今天MITAgent
AI 解读 由 AI 自动生成,仅供参考

skills 是由 .NET 官方团队精心整理的开源仓库,专为 AI 编程助手提供针对 .NET 和 C# 生态的专业技能插件。它解决了通用大模型在处理特定框架任务时理解不够深入的问题,帮助 AI 精准完成编译构建、依赖管理、性能诊断、代码升级及测试运行等复杂工作。

该项目非常适合使用 GitHub Copilot、Claude Code 或 OpenAI Codex 等工具的 .NET 开发者。通过安装这些插件,AI 助手能更好地融入实际开发流程。其独特之处在于涵盖了从环境搭建到 ML.NET 集成的全链路场景,包括 MSBuild 优化、Entity Framework 数据处理及 .NET MAUI 开发支持,并严格遵循 agentskills.io 开放标准。这意味着无论日常编码还是自动化 CI/CD 流程,skills 都能显著提升 AI 辅助开发的效率与准确性,让 .NET 开发体验更加流畅智能。

使用场景

某后端工程师负责将公司遗留的 .NET Framework 4.8 项目迁移至 .NET 8,过程中涉及大量依赖更新、构建配置调整及测试验证工作。

没有 skills 时

  • AI 仅能提供通用 C# 语法建议,无法理解 .NET 特定命令行参数及版本兼容性规则,常导致代码不可运行。
  • 遇到 MSBuild 构建失败时,AI 难以解读日志中的深层错误,导致排查效率低下且易误判问题根源。
  • 升级 NuGet 包需手动查阅文档,极易引入与新版 SDK 不兼容的依赖项,引发运行时异常。
  • 测试脚本适配新平台耗时,AI 生成的测试命令往往忽略 MSTest 工作流差异,导致执行失败。

使用 skills 后

  • skills 中的 dotnet-upgrade 插件直接识别旧框架并给出安全的跨版本迁移路径。
  • dotnet-msbuild 技能精准解析构建错误日志,自动推荐修复方案以优化性能。
  • dotnet-nuget 技能协助智能管理依赖,确保所有包版本与新版 SDK 完美兼容。
  • dotnet-test 技能自动生成适配新平台的测试运行命令,大幅减少人工调试成本。

安装 skills 后,AI 助手从通用代码生成器转变为精通 .NET 生态的专业顾问。

运行环境要求

操作系统
  • 未说明
GPU

未说明

内存

未说明

依赖
notes该工具为 .NET 团队提供的编码智能体技能插件集合,并非独立运行的应用程序。需配合 Copilot CLI、Claude Code、VS Code 或 OpenAI Codex 等智能体平台使用。核心依赖 .NET 运行时环境及相应的智能体插件市场支持,无特定硬件配置要求。
python未说明
skills hero image

快速开始

.NET 智能体技能 (Agent Skills)

Dashboard

此仓库包含 .NET 团队精选的核心技能和用于编码智能体 (coding agents) 的自定义代理。关于 Agent Skills (智能体技能) 标准的信息,请参阅 agentskills.io

包含内容

插件 (Plugin) 描述
dotnet 处理常见 .NET 编码任务的核心 .NET 技能集合。
dotnet-data 用于 .NET 数据访问和 Entity Framework (实体框架) 相关任务的技能。
dotnet-diag 用于 .NET 性能调查、调试和事件分析的技能。
dotnet-msbuild 全面的 MSBuild 和 .NET 构建技能:故障诊断、性能优化、代码质量和现代化。
dotnet-nuget NuGet 和 .NET 包管理:依赖管理和现代化。
dotnet-upgrade 跨框架版本、语言特性和兼容性目标迁移和升级 .NET 项目的技能。
dotnet-maui .NET MAUI 开发技能:环境设置、诊断和故障排除。
dotnet-ai .NET 的 AI (人工智能) 和 ML (机器学习) 技能:技术选型、LLM (大型语言模型) 集成、智能体工作流、RAG (检索增强生成) 管道、MCP (模型上下文协议) 以及使用 ML.NET 的经典机器学习。
dotnet-template-engine .NET Template Engine 技能:模板发现、项目脚手架 (Scaffolding) 和模板编写。
dotnet-test 运行、诊断和迁移 .NET 测试的技能:测试执行、过滤、平台检测和 MSTest 工作流。

安装

🚀 插件 - Copilot CLI (命令行界面) / Claude Code

  1. 启动 Copilot CLI 或 Claude Code
  2. 添加市场 (Marketplace):
    /plugin marketplace add dotnet/skills
    
  3. 安装插件:
    /plugin install <plugin>@dotnet-agent-skills
    
  4. 重启以加载新插件
  5. 查看可用技能:
    /skills
    
  6. 查看可用智能体:
    /agents
    
  7. 更新插件(按需):
    /plugin update <plugin>@dotnet-agent-skills
    

VS Code / VS Code Insiders (预览)

[!IMPORTANT]
VS Code 插件支持是一项预览功能,可能会发生变化。您可能需要先启用它。

// settings.json
{
  "chat.plugins.enabled": true,
  "chat.plugins.marketplaces": ["dotnet/skills"]
}

配置完成后,在 Copilot Chat 中输入 /plugins 或使用扩展 (Extensions) 中的 @agentPlugins 过滤器浏览并从市场安装插件。

Codex CLI (命令行工具)

此仓库中的技能遵循 agentskills.io 开放标准,并与 OpenAI Codex 兼容。

使用 skill-installer CLI 通过 GitHub URL (GitHub 链接) 安装单个技能:

$ skill-installer install https://github.com/dotnet/skills/tree/main/plugins/<plugin>/skills/<skill-name>

⚡ 智能体工作流 (Agentic Workflows)

某些插件包含 GitHub Agentic Workflow (智能体工作流) 模板,用于 CI/CD (持续集成/持续部署) 自动化:

  1. 安装 gh aw CLI 扩展
  2. 将所需的 workflow .md 文件和 shared/ 目录复制到您仓库的 .github/workflows/
  3. 编译并提交:
    gh aw compile
    
  4. 提交 .md 和生成的 .lock.yml 文件

贡献

有关贡献指南和如何添加新插件的说明,请参见 CONTRIBUTING.md

许可证

详细信息请参见 LICENSE

版本历史

skill-validator-nightly2026/04/05

常见问题

相似工具推荐

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|今天
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.7k|★★☆☆☆|2天前
开发框架图像Agent

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|今天
图像数据工具视频

ragflow

RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。

77.1k|★★★☆☆|2天前
Agent图像开发框架

OpenHands

OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。

70.6k|★★★☆☆|今天
语言模型Agent开发框架