eShop项目中Azure OpenAI本地开发连接字符串的最佳实践
2025-05-29 09:01:22作者:秋泉律Samson
在eShop项目中使用Azure OpenAI服务时,开发团队发现了一个关于本地开发环境配置的重要优化点。本文将详细介绍这一发现及其解决方案,帮助开发者更好地理解如何在本地开发环境中高效使用Azure OpenAI服务。
背景与问题发现
在Aspire框架的Preview 5版本中,Azure OpenAI服务的集成方式发生了变化。当开发者使用builder.AddAzureOpenAI方法时,如果目标资源不存在,系统会自动创建一个新的Azure OpenAI资源。这种行为虽然简化了初始设置,但在本地开发环境中可能带来以下问题:
- 每次启动应用都会尝试创建资源,影响开发效率
- 无法复用已部署的Azure OpenAI实例
- 开发环境与生产环境行为不一致
解决方案:条件性使用连接字符串
经过技术团队的讨论和实践,提出了一个优雅的解决方案:根据执行上下文动态选择连接方式。具体实现如下:
var ai = builder.ExecutionContext.IsPublishMode ?
builder.AddAzureOpenAI(ServiceNames.AzureOpenAI)
.AddDeployment(new(builder.Configuration["Azure:AI:ChatDeploymentName"] ?? "gpt-4", "gpt-4", "1106"))
.AddDeployment(new(builder.Configuration["Azure:AI:EmbeddingDeploymentName"] ?? "text-embedding-ada-002", "text-embedding-ada-002", "2")) :
builder.AddConnectionString(ServiceNames.AzureOpenAI);
这个方案的核心思想是:
- 在发布模式下(
IsPublishMode为true),使用完整的Azure OpenAI资源配置 - 在本地开发模式下,直接使用连接字符串
技术优势
这种条件性配置方式带来了多重好处:
- 开发效率提升:本地开发时避免了不必要的资源创建检查
- 环境一致性:可以复用已部署的实例,保持开发与生产环境一致
- 配置灵活性:通过连接字符串可以轻松切换不同的Azure OpenAI实例
- 性能优化:减少了本地启动时的外部依赖检查
实现细节与最佳实践
在实际应用中,建议开发者:
- 将Azure OpenAI的连接信息存储在用户机密中
- 为不同的部署环境(开发/测试/生产)配置独立的连接字符串
- 使用有意义的服务名称常量(如示例中的
ServiceNames.AzureOpenAI) - 为模型部署配置合理的默认值,如示例中的GPT-4和text-embedding-ada-002
总结
eShop项目中的这一实践展示了如何在复杂云服务集成中平衡开发便利性和环境一致性。通过条件性使用连接字符串,开发者既保持了Aspire框架的自动化优势,又获得了本地开发的高效体验。这种模式不仅适用于Azure OpenAI服务,也可以推广到其他类似的云服务集成场景中。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
暂无简介
Dart
667
153
Ascend Extension for PyTorch
Python
216
235
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
303
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
255
321
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
63
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.19 K
651
仓颉编程语言运行时与标准库。
Cangjie
141
876
仓颉编译器源码及 cjdb 调试工具。
C++
133
866