ASP.NET Extensions中FunctionInvokingChatClient的优化实践
2025-06-28 08:09:47作者:韦蓉瑛
在基于大语言模型(LLM)的应用开发中,函数调用(function calling)是一种常见的结构化输出控制方式。ASP.NET Extensions项目中的FunctionInvokingChatClient组件为开发者提供了便捷的函数调用能力,但在实际使用中发现了一个值得优化的设计细节。
问题背景
当使用FunctionInvokingChatClient调用无返回值(void)的函数工具时,系统总会额外发起一轮与LLM的交互。这种设计在以下场景会带来不必要的开销:
- 仅需要执行特定操作的场景(如日志记录、状态更新)
- 结构化输出控制(如翻译结果确认)
- 单次决策型任务(如订单状态查询)
每次额外的交互都会增加:
- API调用延迟
- 资源消耗成本
- 系统整体响应时间
技术原理分析
FunctionInvokingChatClient的核心处理逻辑位于ProcessFunctionCallAsync方法中。当前实现无论函数是否返回值,都会默认继续执行流程,这源于LLM工作流的通用设计假设。
对于void方法,框架会:
- 执行目标函数
- 收到null返回值
- 生成"Function Successful"提示
- 再次调用LLM
- 最终获得终止信号
优化方案
项目维护者提供了优雅的扩展方案,通过继承FunctionInvokingChatClient并重写InvokeFunctionAsync方法,可以实现void方法调用后立即终止流程:
class StopOnVoidFunctionInvokingChatClient : FunctionInvokingChatClient
{
protected override async Task<object?> InvokeFunctionAsync(
FunctionInvocationContext context,
CancellationToken cancellationToken)
{
try
{
return await base.InvokeFunctionAsync(context, cancellationToken);
}
finally
{
if (context.Function.Metadata.ReturnParameter.ParameterType == typeof(void))
{
context.Terminate = true;
}
}
}
}
进阶讨论
在实际企业级应用中,函数调用控制还可以考虑以下增强方向:
- 精细化流程控制:通过返回值包装类指示后续行为
- 上下文感知执行:将执行上下文作为参数传入工具方法
- 反射替代方案:支持非反射方式注册工具方法
- 调用分析工具:提供便捷的调用日志和参数检查方法
这些优化可以更好地支持复杂业务场景,如:
- 多步骤审批流程
- 条件式数据收集
- 动态工作流调整
最佳实践建议
对于不同场景的建议实施方案:
- 简单操作场景:采用void方法+终止优化
- 结构化数据输出:使用返回值控制流程
- 复杂业务流程:结合上下文参数和包装返回值
- 高频工具方法:考虑非反射注册方式提升性能
登录后查看全文
热门项目推荐
相关项目推荐
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
522
3.71 K
Ascend Extension for PyTorch
Python
327
384
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++
875
576
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
334
161
暂无简介
Dart
762
184
🎉 (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
1.32 K
744
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
12
1
React Native鸿蒙化仓库
JavaScript
302
349
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
112
134