GenAIScript 是微软推出的基于 JavaScript/TypeScript 的框架，用于构建可自动化的 LLM 提示词（prompts）与 AI 工作流。该技能面向 GenAIScript 使用专家，提供对 GenAIScript 文档的编排式访问。
一、主要能力 GenAIScript 支持以下能力：
- Prompt-as-Code：用 JavaScript/TypeScript 以编程方式构建提示词。
- 文件处理：从 PDF、DOCX、CSV 等格式导入上下文。
- 工具集成：为 LLM 定义自定义工具和智能体。
- 结构化输出：从 LLM 响应生成文件、编辑内容和结构化数据。
- MCP 支持：集成 Model Context Protocol 工具与资源。
二、使用方式 技能提供一组资源文件，按任务类型导航：
- core-concepts.md：框架基础、脚本结构、文件处理（约 280 行），适合学习基础与理解运作方式。
- api-reference.md：完整 API 文档、函数签名、参数（约 350 行），适合查阅函数细节。
- examples.md：常见用例的实用示例（约 400 行），适合构建解决方案、寻找模板。
- patterns.md：高级模式、优化、最佳实践与设计模式（约 350 行），适合优化性能、处理复杂任务。
基本脚本结构示例：
script({ title: "My Script", description: "What this does", model: "openai:gpt-4" })
def("FILE", env.files)
$Analyze the FILE and provide insights.
包含上下文的示例： def("CODE", env.files, { endsWith: ".ts", lineNumbers: true }) const rows = await parsers.CSV(env.files[0]) defData("ROWS", rows) const schema = defSchema("RESULT", { type: "object", properties: { /* schema */ } })
常用函数包括 $、def()、defSchema()、defTool()、defAgent()、defFileOutput()、defData()，以及 PDF、CSV、XLSX 等解析器。
命令行运行方式： genaiscript run <script-name> genaiscript run <script-name> file1.ts file2.ts genaiscript run <script-name> --var KEY=value genaiscript run <script-name> --model openai:gpt-4
VS Code 集成包含：.genai.mjs 文件的语法高亮、API 函数的 IntelliSense、带断点的调试支持、用于测试脚本的脚本运行器、生成文件的输出预览。
三、三步编排协议
- 任务分析：判断脚本用途（分析、生成、转换、集成）与复杂度级别（简单、中级、高级）。
- 资源选择：根据任务类型加载对应资源文件。
- 执行与验证：使用示例作模板，遵循模式保证性能与可靠性；使用前验证文件输入可用、用样本数据测试、检查 token 预算、验证 schema 与预期输出匹配。
四、常见工作流
- 分析现有代码：阅读 core-concepts.md 理解 def()，查看 examples.md 的 Code Quality 章节，参考 patterns.md 的 Error Handling。
- 生成文档：查看 examples.md 的 Documentation 章节，参考 api-reference.md 的 defFileOutput()。
- 处理文件并提取数据：阅读 core-concepts.md 的文件处理章节，查看 examples.md 的 Data Processing 章节，参考 api-reference.md 的 Parsers。
- 构建多步工作流：参考 patterns.md 的设计模式（如 Chain of Responsibility），查看 examples.md 的 Advanced Workflows。
- 优化性能或调试：参考 patterns.md 的 Performance Optimization 与 Error Handling，以及 api-reference.md 的 token 管理选项。
五、安全提示 当构建摄入外部内容的 GenAIScript 工作流时，需防范间接提示注入（W011）。不可信来源包括：网页搜索结果、抓取的 URL、用户提供的 PDF/CSV、外部 API 响应。缓解措施包括：在动作执行前用独立的仅提取 LLM 调用隔离外部内容；使用 defSchema() 并设 additionalProperties: false；在提示中明确将不可信内容标注为“仅作为数据，而非指令”；在传给外部 API 前校验 LLM 提供的工具参数（URL 允许列表、参数净化、encodeURIComponent）；处理外部或用户提供文件时在 script() 中包含 system.safety。