Senparc.AI 系列教程（二）：配置大模型，开始开发应用
上一篇《Senparc.AI 系列教程（一）：概要》中简要介绍了 Senparc.AI 所支撑的底层能力，本篇将介绍如何使用 Senparc.AI 打通 AI 算力，使用不同类型的大模型完成对话或者文本生成任务。准备工作
Senparc.AI 已经全部开源，地址：https://github.com/Senparc/Senparc.AI，相关的程序包已经全部打包到 Nuget，因此只需要引用相关包即可接通基础能力。
为了方便大家学习和应用，在源码中我们已经提供了基于命令行的演示（相关方法同样适用于网站等任何其他系统），代码位置位于 /Samples/Senparc.AI.Samples.Consoles，打开 Senparc.AI.sln 解决方案也可以直接看到响应示例和所有源码：
运行后即可测试大模型对话、补全、图片生成、向量化、RAG、function-calling、MCP 等常见功能：
例如进行 Chat 对话（可以通过不同颜色区分 Stream 流式输出过程中的 Token）：
可以看到 AI 回答问题还是有幻觉的问题（如 GitHub 地址有错误）。
开始创建应用
第一步：创建一个空项目
为了方便演示和更直观地查看原始输出内容，我们使用 Console 项目，您也可以举一反三使用 MVC、RazorPage、WPF、Blazor、WinForm 等其他类型项目。
使用 VS / VS Code 创建一个 Console 空项目，或使用命令行：
dotnet new console -n SenparcAiTest
第二步：设置 appsettings.json
创建或修改 appsettings.json 文件：
{
"Logging": {
"IncludeScopes": false,
"LogLevel": {
"Default": "Warning"
}
},
//CO2NET 设置
"SenparcSetting": {
"IsDebug": true,
},
//Senparc.AI 设置
"SenparcAiSetting": {
"IsDebug": true,
"AiPlatform": "DeepSeek", //注意修改为自己平台对应的枚举值
"VectorDB": {
"Type": "InMemory",
"ConnectionString": ""
},
"DeepSeekKeys": {
"Endpoint": "https://api.deepseek.com",
"ApiKey": "<Your DeepSeek Key>",
"ModelName": {
"Chat": "deepseek-chat",
"TextCompletion": "deepseek-chat"
}
}
}
} 上述配置以 DeepSeek 为例，AiPlatform 为默认选用大模型平台，DeepSeekKeys 节点中配置 DeepSeek 模型信息，其中 ModelName 中指定同一个平台下不同类型大模型所对应的模型名称。
目前还支持的其他类型还包括：
[*] NeuCharAI
[*] OpenAI
[*] AzureOpenAI
[*] HuggingFace
[*] FastAPI
[*] Ollama
[*] DeepSeek
当 AiPlatform 选中了任意一个模型平台，系统会自动从 “Keys”名称节点下读取相关配置信息。
第三步：安装 Nuget 依赖包
为了能够读取 appsettings.json，我们需要引用一个官方包：Microsoft.Extensions.Configuration.Json，以及 Senparc.AI 的核心模块包：Senparc.AI.Kernel：
dotnet add package Microsoft.Extensions.Configuration.Json
dotnet add package Senparc.AI.Kernel
第四步：配置 Program.cs
清除 Program.cs 原有内容，输入启动准备代码：
using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.DependencyInjection;
using Senparc.AI.Kernel;
using Senparc.CO2NET;
using Senparc.CO2NET.RegisterServices;
var configBuilder = new ConfigurationBuilder();
configBuilder.AddJsonFile("appsettings.json", false, false);
Console.WriteLine("完成 appsettings.json 添加");
var config = configBuilder.Build();
Console.WriteLine("完成 ServiceCollection 和 ConfigurationBuilder 初始化");
var services = new ServiceCollection();
services.AddSenparcGlobalServices(config)
.AddSenparcAI(config);
var serviceProvider = services.BuildServiceProvider();
IRegisterService register = RegisterService.Start()
.UseSenparcGlobal()
.UseSenparcAI(); 上述代码是使用 Senparc.AI 的通用启动代码，任何系统都只需要完成一次，重点是 AddSenparcAI() 和 UseSenparcAI() 两个方法，将自动完成所有 Senparc.AI 的相关准备工作（包括大模型信息映射）。
第五步：编写 AI 代码
以对话（Chat）为例，最精简的单轮对话（或直接执行任务），可以在 Program.cs 中继续输入以下代码：
1 // Chat 对话
2
3 //定义 SemanticAiHandler 实例
4 SemanticAiHandler semanticAiHandler = new SemanticAiHandler(null);
5
6 //配置模型参数
7 var parameter = new PromptConfigParameter()
8 {
9 MaxTokens = 2000,
10 Temperature = 0.7,
11 TopP = 0.5,
12 };
13
14 //获取 IWantToRun 实例
15 var systemMessage = "你是一位专业的AI助手，擅长回答各种问题。请确保你的回答准确且有帮助。";
16 var iWantToRun = semanticAiHandler.ChatConfig(parameter,
17 userId: "Jeffrey",
18 maxHistoryStore: 10,
19 chatSystemMessage: systemMessage);
20
21 Console.WriteLine();
22 Console.WriteLine("==== 对话开始 ====");
23 while (true)
24 {
25 //开始对话
26 Console.WriteLine("人类：");
27 var inputPrompt = Console.ReadLine() ?? "你好";
28
29 var result = await semanticAiHandler.ChatAsync(iWantToRun, inputPrompt);
30
31 Console.WriteLine("AI 回答：\n" + result.OutputString);
32 Console.WriteLine();
33 } 可以看到，核心代码是 16 行（定义 IWantToRun 对象）以及 29 行请求模型结果，非常简洁。
运行效果：
延伸功能
更多延伸功能，可以参考源码中的示例，注释已经比较完整，相关示例包含：
[*]如 Stream（流式）输出
[*]Completion（补全）
[*]RAG / 知识库
[*]向量数据库操作
[*]图片生成（Text to Image）
[*]Planner
[*]Plguin（function-calling 和 MCP）
[*]等等
进阶小贴士
[*]可以通过 Senparc.AI.Config.SenparcAiSetting 获取 appsettings.json 中的 SenparcAiSetting 节点的信息。
[*]可以使用 Senparc.AI.Config.SenparcAiSetting.AiPlatform 可以读取或者设置当前系统默认的模型平台。
[*]如果你想在系统中同时配置和使用多个平台（甚至同一个平台的不同账号或模型配置），可以在 appsettings.json 下 SenparcAiSetting 节点下添加一个 Item 节点，如：
1 "Items": {
2 "AzureDallE3": {
3 "AiPlatform": "AzureOpenAI",
4 "AzureOpenAIKeys": {
5 "ApiKey": "<My AzureOpenAI Keys>",
6 "AzureEndpoint": "<My AzureOpenAI DallE3 Endpoint>",
7 "AzureOpenAIApiVersion": "2022-12-01",
8 "ModelName": {
9 "TextToImage": "dall-e-3"
10 }
11 }
12 },23 "OtherModels": {
24 "AiPlatform": ""
25 //任意数量的 *Keys 配置
26 }
27 }在代码中索引 Key 的方式找到对应配置，如：
var senparcAiSetting = ((SenparcAiSetting)Senparc.AI.Config.SenparcAiSetting)["AzureDallE3"];//获取 AzureDallE3 模型配置
交流群
欢迎加 QQ 群踊跃交流：553198593
如果你希望本博客系列深入讲解哪方面的内容，或对上述内容有任何疑问，也欢迎留言！
-->
来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！
页:
[1]