ASP.NET Core Extensions 9.5.0 版本深度解析:AI 增强与性能优化
项目概述
ASP.NET Core Extensions 是微软官方提供的扩展库集合,为 ASP.NET Core 应用程序提供了一系列增强功能。在最新的 9.5.0 版本中,该库重点增强了人工智能集成能力,同时优化了系统监控和性能追踪功能。这些改进使得开发者能够更轻松地构建智能化的 Web 应用,并提供了更强大的工具来监控和优化应用性能。
核心功能增强
1. AI 功能深度集成
本次更新对 AI 功能进行了全面增强,特别是在对话式 AI 和内容安全评估方面:
-
对话式 AI 增强:新增了
TextReasoningContent类型,丰富了 AI 对话内容的表达能力。同时优化了OpenAIResponseChatClient的错误处理机制,能够更精确地解析 API 返回的错误详情。 -
内容安全评估:引入了全新的内容安全评估器(Content Safety evaluators),帮助开发者检测和过滤不安全内容。评估结果现在支持缓存机制,提高了重复评估的性能。
-
功能调用扩展性:增强了
AIFunctionFactory的功能,现在支持[FromKeyedServices]注解,并改进了对默认结构体参数的处理。同时新增了WriteAsync方法重载,优化了流式处理能力。
2. 评估报告功能改进
评估报告系统获得了多项实用改进:
-
数据可视化:现在支持在对话报告中显示图片内容,丰富了报告的表现形式。同时新增了将数据集导出为 JSON 格式的功能,便于进一步分析。
-
交互体验优化:引入了模糊过滤功能,用户可以更灵活地搜索和筛选报告内容。报告界面也进行了多项无障碍访问优化,提升了用户体验。
-
性能优化:修复了重复数据问题,优化了报告生成和下载的性能。同时移除了评估 API 中对令牌计数的抽象,简化了接口设计。
性能监控与诊断
1. 资源监控增强
资源监控功能在多个方面得到了加强:
-
Windows 磁盘 I/O 监控:新增了对 Windows 系统磁盘 I/O 指标的监控能力,包括磁盘读写时间和 I/O 操作统计,为性能诊断提供了更全面的数据。
-
Cgroups V2 支持改进:优化了在 Cgroups V2 环境下的 CPU 指标计算逻辑,使用
nr_periods来准确计算时间间隔,提高了容器环境下资源监控的准确性。
2. 日志与遥测优化
日志系统进行了多项性能优化:
-
日志缓冲:新增了日志缓冲功能,减少了高频日志场景下的 I/O 压力。
-
采样规则优化:改进了日志采样规则选择器的实现,减少了内存分配,提高了性能。
-
敏感数据处理:在遥测系统中,现在将
AdditionalProperties默认视为敏感数据,增强了数据安全性。
开发者体验改进
1. API 设计与一致性
-
命名规范化:将
ChatThreadId统一更名为ConversationId,提高了 API 的一致性。同时废弃了AsChatClient和AsEmbeddingGeneratorAPI,简化了接口设计。 -
JSON 模式处理:增强了 JSON 模式转换功能,新增了
AIJsonSchemaTransformOptions配置项,提供了更灵活的 JSON 模式生成选项。
2. 模板与工具链
-
项目模板更新:AI 聊天 Web 模板进行了多项修复和改进,特别是针对 Azure AI Search 的集成优化。模板现在包含了更完善的构建测试和代码生成报告功能。
-
开发工具:恢复了
aievaldotnet 工具的 .NET 9.0 版本支持,为开发者提供了更一致的评估工具体验。
安全与稳定性
-
加密增强:使用 SHA384 算法替代原有实现,并明确了密钥使用方式,提高了安全性。
-
内容安全:安全评估器现在支持响应缓存,同时更新了相关 Azure 服务的品牌信息,确保评估服务的可靠性和一致性。
-
输入验证:改进了对 OpenAI API 拒绝响应的处理,能够正确转换为
ErrorContent类型,提高了系统的健壮性。
总结
ASP.NET Core Extensions 9.5.0 版本带来了显著的人工智能能力提升和系统优化。通过增强的 AI 集成、改进的评估报告功能和更全面的资源监控,这个版本为构建现代化、智能化的 Web 应用提供了强大支持。同时,多项 API 设计改进和开发者体验优化,使得这些高级功能更易于使用和维护。对于正在开发智能应用或需要深度系统监控的团队来说,升级到这个版本将获得显著的开发效率和应用性能提升。
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