MCP越来越火了，各大模型公司也在陆陆续续支持MCP了，OpenAI在前不久声明对MCP的支持，同时社区的SDK也来了，今天就用ModelContextProtocol来创建服务端和客户端，并且找通他们。与此同时，也不能落下SK，看看SK怎么使用MCP。先看Server端：项目文件如下：<Project Sdk="Microsoft.NET.Sdk.Web"> <Pro
https://techcommunity.microsoft.com/blog/educatordeveloperblog/building-ai-agents-on-edge-devices-using-ollama--phi-4-mini-function-calling/4391029。本篇文章想更详细地梳理一下，结合SK来给出一个完整的例子。 首先安装olloma，然后安装phi4-m
现在有一个业务场景，有一个雇员类，里面有一个管理者的属性，也是雇员类这种类型，普通雇员的管理者是经理，经理的管理者是CEO，CEO的管理要么是空，要么是自己管理自己，空是正常的，但如果CEO的管理者是自己，用.NET9实现，如下：using System.Text.Json; var ceo = new Employee { NO = 1, Name = "CEO" }; ceo.Manag
生成式AI早期有一个测试题，就是让AI回答0.9和0.11那个大，早先的版本的AI回答0.11大，还引来大家对AI“智力”的讨论。今天，咱们说一下在不同的场景下，0.11还真比0.9大。 看这样一个实例：foreach (string version in new[] { "v0.0.0.1", "v0.0.0.2", "v0.0.0.11" }.Order()) { Console.W
在 .NET 的异步编程中，System.Threading.Channels 提供了一种强大的方式来处理生产者-消费者模式，尤其是当我们要在不同的任务或服务之间传递数据时。这篇文章我们就来聊聊 UnboundedChannelOptions 和 BoundedChannelOptions 这两个类，以及它们的使用场景和区别。代码背景介绍 我
今天在.NET项目中，使用基于策略角色的鉴权时，遇到一个401的问题，场景如下： Program.cs代码如下：using Microsoft.AspNetCore.Authentication.JwtBearer; using Microsoft.AspNetCore.Mvc; using Microsoft.Extensions.Options; using Microsoft.Iden
选项模式在 ASP.NET Core 中使用类来提供对相关配置设置的强类型访问。通过将配置设置隔离到单独的类，应用程序遵循封装和关注点分离的原则。封装确保依赖于配置的类仅依赖于其使用的设置；关注点分离则确保应用的不同部分的设置互不依赖或耦合。此外，选项模式还提供了验证配置数据的机制。三种IOptions:下面是代码文件：Program.csusing Microsoft.Extensions.
UnitsNet 是一个功能强大的 .NET 库，专为简化物理单位的处理而设计。它提供了丰富的单位类型及其转换功能，使开发人员能够在代码中方便地进行物理单位间的转换、计算和显示。UnitsNet 支持多种领域的物理单位，例如长度、质量、体积、温度、速度、面积等，极大地提高了开发效率和代码的可读性。无论是科学计算、工程项目，还是需要精确单位转换的应用程序开发，UnitsNet
下面是几个在.NET9中WinForm的新功能！主题 Windows Forms 已初步支持暗模式，目标是在 .NET 10 中实现完整支持。应用程序的颜色模式可以设置为以下几种值：SystemColorMode.Classic—（默认）浅色模式，与之前版本的 Windows Forms 相同。SystemColorMode.System—遵循 Windows 设置的浅色或深色模式。Syst
SemanticKernel系列Semantic Kernel（SK）是微软开发的开源框架，旨在帮助开发者将大型语言模型（LLM）集成到应用程序中。它提供了丰富的工具和功能，支持多种编程语言，简化了LLM的调用和管理过程。通过SK，开发者可以更高效地构建智能应用，实现自然语言处理、对话生成等功能。此外，SK还支持与本地或国产模型的集成，提供了灵活的模型选择方案。1、Semantic Kernel概
Results.Problem 是 ASP.NET Core 提供的一种标准化错误响应生成方法，用于创建符合 RFC 7807 标准的错误响应（Problem Details）。它可用于 Web API 中返回结构化的错误信息，包含 type、title、status 和 detail 等字段，帮助客户端理解并处理错误。通过参数定制，Results.Problem 能清晰地描述错误类型、状态码
最近有个需求，就是把我用中文录制的视频转成日语。基本思路是： 中文视频->采集中文字幕->优化->转成日语->转成日语语音->合成到视频中。 当前很多软件具有这个功能，一是收费，二是正好实现一下，把代码保留在自己手中，方便集成。 下面是直接看代码吧！smartfill.srt1 00:00:02,912 --> 00:00:05,905 こんにちは、今
在开始，先说说这个小工具的来由。我计划在11月16号在东京举办一次《AI应用开发之旅》的社区活动（https://www.just-agi.com/event.html），活动华人为主，所以用中文，朋友说要带日本人过来，问有没有日语字幕，看了一下我的Teams，只有实时字幕，并没有翻译，于是就开始自己造轮子了。 这个小工具是用WinForm开发，只保留源语言文字和翻译后文字显示，其他部分作透
虽然本节与SK无关，但都是基于AI，所以暂且放在这个系统中 Azure AI 视觉的多模式嵌入 API 可以将图像和文本转换为向量，也就是一种数字化的表示方式。这种技术可以让我们实现基于向量的图片搜索功能。通过结合这个 API 和 pgvector（PostgreSQL 中的向量库），我们可以让图片变得可搜索，甚至支持用文字来找图片。使用PostgreSQL作为向量化库桂素伟，公众号：桂迹S
插件是Semantic Kernel的核心组件。通过插件，你可以将现有的API封装成一个集合，供AI调用，从而赋予AI原本无法执行的操作能力。 在背后，Semantic Kernel利用了最新大型语言模型（LLM）中的原生功能——Function Calling，来帮助LLM进行规划并调用API。通过函数调用，LLM可以请求特定函数的执行。Semantic Kernel会将这个请求传递给代码
Semantic Kernel中的Functions被设计为可被动态调用的“插件”，用于处理某些特定的操作。例如，一个Function可以是用于获取天气信息的API请求，或者是用于计算复杂数学表达式的函数。 在SK中，Functions通常分为以下两种类型：本地函数和语义函数。Native Functions（本地函数）： 这些是直接用编程语言（如Python、C#等）编写的代码函数，可以
在生成式AI中，代理通常指的是能够自主生成或操作数据的系统或模型。这些代理可以在多种场景中发挥作用，包括文本生成、图像和视频制作、音乐创作，以及数据分析和模拟。以下是一些代理在生成式AI中的具体作用和好处：增强创造性： 代理可以生成新颖的创意，如艺术作品、音乐或文学文本，帮助艺术家和创作者超越传统思维限制。自动化内容生产： 在媒体和娱乐行业，代理能够自动生成新闻报道、社交媒体帖子或其他类型
GraphRAG 是一种结构化的、层次化的检索增强生成（RAG）方法，区别于简单的文本片段语义搜索。GraphRAG 过程包括从原始文本中提取知识图谱，构建社区层级，为这些社区生成摘要，然后在执行 RAG 任务时利用这些结构。 详见：https://microsoft.github.io/graphrag/ GraphRAG安装非常简单，首先安装最新的Python，要求是Pyton3.10
最近有个需求，要求把日志加密，因为系统一直用的是NLog，所以也只能在这个基础上加密了。本文的用法NLog很早就有了，记录下来，以作后用。 NLog加密相对好处理，只需要定义一个TargetWithLayout的子类，重写它的Write方法即可，至于加密算法，可以自己行决定，这样就可以把灵活放成最大化，有途径，不干涉。下面代码中的EncryptedFileTarget就是自定义的Target
目前SK已支持OpenAI，Azure OpenAI，Gemini，HuggingFace，MistralAI等LLM，相信之后会越来越丰富。 首先要引入所对应的LLM包，具体项目文件如下：<Project Sdk="Microsoft.NET.Sdk"> <PropertyGroup> <OutputType>Exe</OutputTy
asp.net core 9中，引入了HyBridCache，本质上他并不是全新的一种缓存，而以与原来的缓存复合使用。<Project Sdk="Microsoft.NET.Sdk.Web"> <PropertyGroup> <TargetFramework>net9.0</TargetFramework> <Nulla
随着Semantic Kernel功能的使用，和版本功能的稳定，是时候梳理一下SK的功能了。本系列文章会以C#作为主要的案例分享语言，尽量做到“概念解释简明易懂，示例代码清晰简洁”。 为了简单说明，之后Semantic Kernel都简写为SK。 SK是一个软件开发工具包（SDK），它将大型语言模型（LLMs）如OpenAI、Azure OpenAI和Hugging Face与传统编程语言
前一篇简单说了一下怎么在项目中引入新的OpenAPI，本篇再进一步，看看怎么引入UI界面。 主要做法是通过添加/scalar/openapidemo这个静态页面实现，在页面中，引入了scalar的js，关于scalar，请详看https://scalar.com。其他信息与上一篇介绍的差不多。代码如下：using Microsoft.AspNetCore.Http.HttpResults;
在.NET9的第4个预览版里，微软带来了OpenAPI，需要引用Microsoft.AspNetCore.OpenApi，如果想生成本地的API描述文件，需要引用Microsoft.Extensions.ApiDescription.Server。 下面是项目文件：<Project Sdk="Microsoft.NET.Sdk.Web"> <PropertyGroup
首先说一下我的观察和体会啊，这只是我个人的观察：生成式AI没有之前那么粗暴性的火爆了？而是变得更细化，更精准的推陈出新或版本迭代了？与此同时，常用的一些工具中，AI的影子多了起来。是的，AI并不是以排山倒海一样来的，而是以润物细无声和方式融入我们的应用或工作中的。 其实新旧技术从来不是以切换的方式进行的，就比较面向桌面的编程技术，当遇到互联网时，也受到冲击和质疑，但结果是两者互相储存，不是你
最近，开发了一个基于生成式AI的小工具，这款小工具的作用是：无侵入性地提升用户输入效率。主要使用场景是重复性输入的表单，原始信息内容与将要输入的表单内容对不齐，这时，SmartFill就会分析这些内容，然后自动填写到页面表单上。源内容可以是文本，语音，图片等多媒体信息。 我给他起了个名字叫SmartFill，它的无侵性主要是通过加载Chrom插件来实现的。下面简单说一下使用过程。 第一步：
之前的篇章都是用SemanticKernel来连接OpenAI的API，当然是需要费用，另外还有使用限制，本篇来说明在SK中使用开源模型LLama3。 首先引入Nuget包，这里使用的是LLamaSharp这个三方包，因为没有显卡，只能跑在CPU上，所以也需要引入对应的Cpu包，最后引入SK的LLama版的包。<ItemGroup> <PackageReference
监控，为服务保驾护航，也为业务量化提供有力支持，当然在SemanticKernel中的监控也不例外，同时还能为真金白银的Token提供量化监控。 下面是项目中使用的Nuget包：<ItemGroup> <PackageReference Include="Microsoft.SemanticKernel" Version="1.7.1" /> <Pack
Plugins在SK中是一个神奇的功能。我们说大语言模型具有不确定性，我们的代码是确定性的，而Plugins有把这种不确定性转成确定性能功能。 下面的例子是一个通过自然语言实现购买的案例，客户可以通过文字或语音来输入自然语言，<ItemGroup> <PackageReference Include="Microsoft.SemanticKernel" Version=
LLM下的Agent代表着一个“智能体”角色，或是大领域全才，或是细分领导专才。成为一个代理后的最大好处是可以让Agent作为代表，与其他的Agent进行交互，直到达到想要的结果。 下面是一个高级程序员和架构师两个架构作为代理的案例，高级程序员写完程序后，架构师来Review，针对性地提出修改意见。如果结果满意，则放行通过。 引入nuget包：<ItemGroup> &
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号
