Azure 对话语言理解 Python

要解决什么问题

在 Azure 上落地对话语言理解（CLU）时，开发者往往卡在认证方式不统一、对话负载字段含义不清，以及同步/异步客户端混用导致的资源泄漏。本技能把 azure-ai-language-conversations 的推荐用法收敛成可复制的模式，而不是泛泛介绍 Language 服务。

技能如何引导实现

• 认证：优先 DefaultAzureCredential（本地 Azure CLI / VS Code / Developer CLI 与托管身份、工作负载身份同一套代码）；遗留 API 密钥场景才考虑 AzureKeyCredential。
• 客户端生命周期：ConversationAnalysisClient 必须用上下文管理器（同步 with / 异步 async with）；异步路径下 DefaultAzureCredential 来自 azure.identity.aio，同样要 async with。
• 分析调用：通过 analyze_conversation 传入 task，其中 analysisInput.conversationItem 需正确设置 participantId、id、modality、language、text；parameters 绑定 projectName、deploymentName（通常来自环境变量如 AZURE_CONVERSATIONS_*）。
• 工程约定：同一模块内只选同步或异步一种模式；生产可通过 AZURE_TOKEN_CREDENTIALS 收紧凭据链；异常需显式处理。

适用边界

技能侧重 CLU 对话分析与负载构造，非全量 Language 能力清单；次要场景见资料中的 references/capabilities.md 与 references/non-hero-scenarios.md。未迁移到 Entra ID 的密钥部署仍属过渡方案，新代码应以令牌凭据为准。