ASP.NET Extensions 项目中的 AI 服务生命周期管理优化
在 ASP.NET Extensions 项目中,开发团队正在讨论如何优化 AI 相关服务的依赖注入生命周期管理。当前实现中,IChatClient 的注册默认使用了 Singleton(单例)生命周期,这在某些特定场景下可能不够灵活。
当前实现的问题
目前,Microsoft.Extensions.AI 包中的服务注册扩展方法强制使用了单例生命周期。这种设计在大多数情况下是合理的,因为它符合 Aspire 框架的约定,并且对于大多数 AI 服务来说,单例模式是最优选择。
然而,在某些特殊场景下,这种硬编码的生命周期限制会带来问题。例如,在 GitHub Copilot 代理的实现中,客户端需要根据每个请求中使用的特定 GitHub 令牌进行范围限定(Scoped)。当前的单例实现无法满足这种需求。
解决方案讨论
开发团队提出了几种可能的改进方案:
-
多方法方案:按照 .NET 依赖注入的命名惯例,提供不同生命周期版本的注册方法,如 AddSingletonChatClient、AddScopedChatClient 和 AddTransientChatClient。这种方案虽然直观,但会引入 API 破坏性变更。
-
参数化方案:借鉴 Entity Framework Core 的做法,在现有方法中添加一个可选的 ServiceLifetime 参数。例如:
services.AddChatClient(configure, lifetime: ServiceLifetime.Scoped);
团队更倾向于第二种方案,因为它:
- 保持了 API 的简洁性
- 与现有 .NET 生态系统的设计模式一致
- 提供了更大的灵活性而不破坏现有代码
技术考量
在实现这种改进时,需要考虑几个技术细节:
-
默认值保持:为了向后兼容,默认生命周期应保持为 Singleton。
-
性能影响:对于 AI 服务这种可能涉及网络调用的组件,需要仔细评估不同生命周期对性能的影响。
-
线程安全:如果选择支持非单例生命周期,需要确保客户端实现是线程安全的。
-
资源管理:特别是对于 Scoped 和 Transient 生命周期,需要妥善处理资源的创建和释放。
最佳实践建议
基于这个讨论,可以总结出一些服务注册的最佳实践:
-
优先使用单例:对于无状态的、线程安全的服务,单例是最佳选择。
-
按需灵活:当服务需要请求特定上下文时,应支持更灵活的生命周期。
-
一致性设计:遵循框架已有的模式(如 EF Core 的参数化生命周期)可以提高 API 的易用性。
-
明确文档:对于支持多种生命周期的服务,应在文档中明确说明每种情况下的适用场景和注意事项。
这个改进将使 ASP.NET Extensions 项目中的 AI 服务注册更加灵活,同时保持与整个 .NET 生态系统的一致性。
kernelopenEuler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。C091
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python058
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00