ASP.NET Extensions 项目中的 AI 函数调用错误处理机制优化
2025-06-27 19:41:35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
相关项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00- DDeepSeek-V3.2-ExpDeepSeek-V3.2-Exp是DeepSeek推出的实验性模型,基于V3.1-Terminus架构,创新引入DeepSeek Sparse Attention稀疏注意力机制,在保持模型输出质量的同时,大幅提升长文本场景下的训练与推理效率。该模型在MMLU-Pro、GPQA-Diamond等多领域公开基准测试中表现与V3.1-Terminus相当,支持HuggingFace、SGLang、vLLM等多种本地运行方式,开源内核设计便于研究,采用MIT许可证。【此简介由AI生成】Python00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0370Hunyuan3D-Part
腾讯混元3D-Part00ops-transformer
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++0102AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
205
2.19 K

暂无简介
Dart
514
115

Ascend Extension for PyTorch
Python
62
95

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++
550
86

React Native鸿蒙化仓库
C++
208
285

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

🎉 (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
976
576

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
399

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
193