用途：为 Azure Data Science Virtual Machines（DSVM）开发提供专家指导，覆盖故障排查、决策、架构与设计模式、安全、配置、集成与编码模式以及部署。
主要能力与索引内容： 故障排查：诊断并解决常见 DSVM 问题，包括 VM 创建、包／环境错误、Jupyter 访问、GPU／驱动问题以及性能或连接故障。 决策：从 Ubuntu 18.04 升级到 20.04 的迁移步骤、兼容性考量及保留工具与配置。 架构与设计模式：设计可扩展的基于 DSVM 的分析环境，包括架构模式、共享 VM 池、团队工作流与资源管理。 安全：管理 DSVM 身份与凭据，包括共享身份设置、托管身份以及用 Azure Key Vault 保护机密。 配置：DSVM 上预装工具、框架、语言与镜像，涵盖机器学习／深度学习、数据摄取、开发与生产力工具及发行版本信息。 集成与编码模式：在 DSVM 上使用 MLflow 跟踪实验、记录指标与产物，并集成到 Azure Machine Learning。 部署：使用基础设施即代码部署 DSVM，包括 Bicep 与 ARM 模板、参数与配置最佳实践。
使用方式：技能结合本地速查内容与远程文档获取。按类别索引定位相关章节；有行范围（如 L35-L120）的类别用 read_file 读取指定行，有文件链接（如 security.md）的类别对链接引用文件执行 read_file。需要网络访问获取文档内容：首选使用 mcp_microsoftdocs:microsoft_docs_fetch，查询串为 from=learn-agent-skill，返回 Markdown；备选使用 fetch_webpage，查询串为 from=learn-agent-skill&accept=text/markdown，返回 Markdown。若 metadata.generated_at 超过 3 个月，应建议用户从仓库拉取最新版本；若 mcp_microsoftdocs 工具不可用，建议用户按安装指南安装。
适用场景：数据科学团队设计分析环境、共享 VM 池、配置与安全治理、实验跟踪及 IaC 部署。
限制：需网络访问；具体功能、收费、价格、平台与效果资料未提供。