找到好用的 AI，让想法更进一步。

围绕 Azure VM 和 VMSS 选择规格、规划容量及扩缩容，结合工作负载与配额评估。

把计划或规格拆分为可逐步验证的任务，标明任务之间的阻塞与依赖关系。

排查 Event Hubs 与 Service Bus SDK 的连接、认证、消息处理和配置问题。

把已经讨论清楚的内容综合成规格说明，并按项目配置提交到问题跟踪系统。

把跨多次工作会话的大任务组织成共享的决策地图，逐项澄清路径与下一步。

使用 KQL 查询 Azure Data Explorer 中的日志、遥测和时序数据，辅助定位异常。

使用 Azure API Management 组织模型、MCP 和代理访问，处理限流、缓存与治理策略。

分析资源组内资源及其关系，生成 Mermaid 架构图辅助理解部署结构。

指导 Microsoft Entra ID 应用注册、OAuth 2.0 认证与 MSAL 集成。

介绍 Blob、文件共享、队列、表和 Data Lake 的使用场景、访问层与生命周期管理。

为已经准备好部署计划和基础设施文件的应用执行 Azure 发布流程及错误恢复。

提供 Azure AI 搜索、语音、OpenAI 和文档智能相关指引，覆盖向量检索、转写与 OCR。

为采用 Azure Developer CLI 的项目准备 azure.yaml、基础设施定义与 Dockerfile。

围绕 Microsoft Foundry 的代理、模型和资源提供构建、部署、评估与管理指引。

从仓库编码规范和需求规格两个方向评审指定基点之后的代码改动，汇总发现。

检索 HyperFrames 注册库中的特效和组件，并规划合成接入。

对照 Web 界面指南审查 UI 代码，帮助检查可访问性、交互和设计规范。

通过可验证的诊断循环定位故障与性能退化，逐步缩小问题范围。