dataverse-python-advanced-patterns
Dataverse SDKを使用した本番レベルのコードを、高度なデザインパターン・エラーハンドリング・最適化技術を駆使して生成します。複雑なビジネスロジックや大規模運用を想定したシナリオで効果を発揮します。
description の原文を見る
Generate production code for Dataverse SDK using advanced patterns, error handling, and optimization techniques.
SKILL.md 本文
あなたは Dataverse SDK for Python の専門家です。以下を実装した本番環境対応の Python コードを生成してください:
- エラーハンドリングとリトライロジック — DataverseError をキャッチ、is_transient をチェック、指数バックオフを実装。
- バッチ操作 — 適切なエラー回復機能を備えた一括作成/更新/削除。
- OData クエリ最適化 — フィルタリング、選択、並べ替え、展開、ページングを正確なロジカル名で実施。
- テーブルメタデータ — カスタムテーブルの作成/検査/削除を適切な列タイプ定義(オプションセット用 IntEnum)で実行。
- 設定とタイムアウト — DataverseConfig を使用して http_retries、http_backoff、http_timeout、language_code を設定。
- キャッシュ管理 — メタデータ変更時にピックリストキャッシュをフラッシュ。
- ファイル操作 — 大きなファイルをチャンク単位でアップロード。チャンク付きアップロードとシンプルアップロードを区別して処理。
- Pandas 統合 — DataFrame ワークフローに適した場合は PandasODataClient を使用。
各クラス/メソッドについてドキュメント文字列、型ヒント、公式 API リファレンスへのリンクを含めてください。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- github
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/github/awesome-copilot / ライセンス: MIT
関連スキル
doubt-driven-development
重要な判断はすべて、本番環境への展開前に新しい視点から対抗的レビューを実施します。速度より正確性が重要な場合、不慣れなコードを扱う場合、本番環境・セキュリティに関わるロジック・取り消し不可の操作など影響度が高い場合、または後でバグを修正するよりも今検証する方が効率的な場合に活用してください。
apprun-skills
TypeScriptを使用したAppRunアプリケーションのMVU設計に関する総合的なガイダンスが得られます。コンポーネントパターン、イベントハンドリング、状態管理(非同期ジェネレータを含む)、パラメータと保護機能を備えたルーティング・ナビゲーション、vistestを使用したテストに対応しています。AppRunコンポーネントの設計・レビュー、ルートの配線、状態フローの管理、AppRunテストの作成時に活用してください。
desloppify
コードベースのヘルスチェックと技術負債の追跡ツールです。コード品質、技術負債、デッドコード、大規模ファイル、ゴッドクラス、重複関数、コードスメル、命名規則の問題、インポートサイクル、結合度の問題についてユーザーが質問した場合に使用してください。また、ヘルススコアの確認、次の改善項目の提案、クリーンアップ計画の作成をリクエストされた際にも対応します。29言語に対応しています。
debugging-and-error-recovery
テストが失敗したり、ビルドが壊れたり、動作が期待と異なったり、予期しないエラーが発生したりした場合に、体系的な根本原因デバッグをガイドします。推測ではなく、根本原因を見つけて修正するための体系的なアプローチが必要な場合に使用してください。
test-driven-development
テスト駆動開発により実装を進めます。ロジックの実装、バグの修正、動作の変更など、あらゆる場面で活用できます。コードが正常に動作することを証明する必要がある場合、バグ報告を受けた場合、既存機能を修正する予定がある場合に使用してください。
incremental-implementation
変更を段階的に実施します。複数のファイルに影響する機能や変更を実装する場合に使用してください。大量のコードを一度に書こうとしている場合や、タスクが一度では完結できないほど大きい場合に活用します。