技能介绍

要解决什么问题

在应用里做情感分析、命名实体识别、PII 脱敏或关键短语提取时，若自己搭模型或对接零散 REST API，鉴权、批量限流和错误处理会很快占满工程时间。Azure AI Language 的 Text Analytics 把这些能力做成托管服务；本技能对应的是其 官方 Python SDK（azure-ai-textanalytics），帮助你在代码里以类型安全的方式调用同一套 NLP 接口，而不是手写 HTTP。

技能如何工作

客户端核心是 TextAnalyticsClient（同步）及其 aio 异步版本，典型能力包括：

analyze_sentiment：情感分析，可配合观点挖掘做方面级情感
recognize_entities / recognize_linked_entities：实体识别与 Wikipedia 链接
recognize_pii_entities：PII 检测与脱敏相关结果
extract_key_phrases、detect_language：关键短语与语言检测
begin_analyze_healthcare_entities、begin_analyze_actions：医疗 NLP 与批量多项分析（长时任务）

技能文档强调两条生产向约定：优先 DefaultAzureCredential（本地 Azure CLI / VS Code，云上托管标识），仅在尚未迁移 Entra 的旧密钥部署里才用 AzureKeyCredential；客户端与异步凭据都放进上下文管理器（with / async with），避免连接与令牌缓存泄漏。多文档场景应走批量接口（单次最多 10 条），高吞吐优先异步客户端；已知文档语言时显式传入语言代码可提高准确率。

适用边界与注意点

同一调用链不要混用同步包与 azure.ai.textanalytics.aio，模块内选一种模式并保持一致。
批量结果里可能出现部分文档失败，需要按文档逐项检查错误，而不是假设整批成功。
医疗分析与 begin_analyze_actions 属于长时/组合分析，与单次 analyze_sentiment 类调用的延迟和配额模型不同，设计重试与超时策略时要分开考虑。
更完整的操作覆盖与非核心场景见技能内 references/capabilities.md、references/non-hero-scenarios.md。