ASP.NET Extensions 项目中的 AI 函数调用错误处理机制优化
2025-06-27 01:09:38作者:吴年前Myrtle
在 ASP.NET Extensions 项目中,开发团队近期对 AI 函数调用(Function Calling)的错误处理逻辑进行了深入讨论和优化。这项改进主要针对 AI 功能调用时的异常处理机制,旨在提供更灵活、更安全的错误处理方式,同时防止潜在的资源浪费问题。
原有机制分析
在之前的实现中,系统提供了两种基本的错误处理模式:
-
RetryOnError=false 模式
- 当发生异常时,系统会进行最后一次尝试获取答案
- 在此次尝试中,所有工具(tools)都不可用
- 目的是在不要求应用开发者捕获 AIFunction 中错误的情况下,生成"抱歉,操作失败"的响应
-
RetryOnError=true 模式
- 发生异常时,系统会持续循环直到达到 MaximumIterationsPerRequest 限制
- 默认情况下这个限制是无限的
存在的问题
原有设计存在几个明显的不足:
- 循环终止机制不够严格,可能导致资源浪费
- "Retry"命名不够准确,容易引起误解
- 配置方式不够灵活,无法满足不同场景的需求
- 缺乏对连续错误的限制机制
优化方案
经过深入讨论,团队提出了以下优化方案:
1. 更严格的循环终止控制
- 默认将 MaximumIterationsPerRequest 设置为 10(具体数值待定)
- 新增 MaximumConsecutiveErrorsPerRequest 参数,默认值为 3
- 这些限制共同作用,可有效防止以下情况:
- LLM 无限调用问题函数
- 提示注入攻击导致 LLM 无限调用成功函数
2. 错误处理模式重构
- 用 FunctionInvocationErrorHandlingMode 替代原有的 RetryOnError
- 提供两种基本模式:
- Throw:不捕获异常,直接重新抛出(适用于非聊天循环场景)
- Retry:相当于原有的 RetryOnError=true
- 默认使用 Retry 模式,依靠 MaximumConsecutiveErrorsPerRequest 限制重试次数
3. 配置方式优化
- 将错误处理模式配置从 FunctionCallingChatClient 移到 ChatOptions
- 允许在每次调用时单独设置
- 通过类层次结构实现扩展性,支持自定义错误处理逻辑
简化后的最终方案
经过进一步思考,团队决定采用更简洁的设计:
-
循环控制参数
- 默认 MaximumIterationsPerRequest = 10
- 新增 MaximumConsecutiveErrorsPerRequest = 3
-
移除 RetryOnError 参数
- 默认情况下,LLM 最多有 2 次额外尝试机会
- 如需禁用重试,设置 MaximumConsecutiveErrorsPerRequest ≤ 1
- 如需实现"最后一次无工具尝试",可通过添加中间件实现
技术实现要点
-
错误计数机制
- 系统会跟踪连续错误次数
- 当达到 MaximumConsecutiveErrorsPerRequest 限制时终止循环
-
历史记录增强
- 每次失败的工具调用都会在历史记录中添加错误信息
- 帮助 LLM 在下一次尝试时调整行为
-
中间件扩展
- 开发者可以通过添加中间件实现自定义错误处理逻辑
- 例如:检测到失败工具调用后,将 ToolMode 设置为 None
实际应用建议
-
聊天场景
- 保持默认设置,允许有限次数的自动重试
- 利用错误信息帮助 LLM 自我修正
-
结构化输出场景
- 设置更严格的错误限制
- 考虑添加自定义中间件处理特定错误类型
-
高安全性要求场景
- 将 MaximumConsecutiveErrorsPerRequest 设为 1
- 快速失败并返回错误,减少潜在攻击面
这项改进使 ASP.NET Extensions 的 AI 函数调用功能更加健壮和安全,同时保持了足够的灵活性以满足不同应用场景的需求。开发者现在可以更精确地控制错误处理行为,防止资源滥用,并实现更复杂的自定义错误处理逻辑。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0197
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0126
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python05
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
766
5 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
863
1.95 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
689
1.35 K
Ascend Extension for PyTorch
Python
722
894
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
458
450
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++
1.08 K
1.11 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
264
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
624
openJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力
TSX
2.99 K
639
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
152
250