.NET Extensions 项目中 AI 功能调用参数默认值问题解析
在 .NET Extensions 项目的 AI 功能模块中,开发者在使用 9.4.0-preview.1.25175.4 版本时遇到了一个关于函数参数默认值的兼容性问题。本文将深入分析该问题的技术背景、产生原因及解决方案。
问题现象
当开发者通过 AI 功能调用带有可选参数的函数时,系统会返回 HTTP 400 错误,提示"invalid_function_parameters"。具体错误信息指出,在函数参数 schema 中不允许使用"default"关键字,特别是当参数标记为可空类型时。
典型错误示例如下:
Parameter: tools[3].function.parameters
Invalid schema for function 'GetLogs': In context=('properties', 'name'), 'default' is not permitted.
技术背景
在 OpenAI 的 API 规范中,函数调用功能允许开发者定义函数的 schema,包括参数名称、类型和默认值等元数据。.NET Extensions 项目中的 AI 功能模块会自动将这些 C# 函数定义转换为 JSON schema 供 AI 模型使用。
在 9.4.0-preview.1.25175.4 版本中,项目默认启用了 OpenAI 的"strict"模式,该模式对 schema 定义有更严格的校验规则。虽然 OpenAI 官方文档没有明确禁止"default"关键字的使用,但在 strict 模式下确实会拒绝包含此关键字的 schema。
问题根源
问题的核心在于:
- C# 方法的可选参数(如 string? name = null)会被自动转换为包含"default"关键字的 JSON schema
- 新版本默认启用了 strict 模式,导致这些 schema 被拒绝
- 旧版本(9.3.0-preview.1.25161.3)没有此问题是因为未启用 strict 模式
解决方案
目前有两种可行的解决方案:
方案一:禁用 strict 模式
在创建 AI 函数时显式禁用 strict 模式:
AIFunctionFactory.Create(yourMethod, new() {
AdditionalProperties = new Dictionary<string, object?>() {
["Strict"] = false
}
})
方案二:修改 schema 生成逻辑
项目团队正在考虑修改 AIJsonUtilities 的 schema 导出逻辑,自动移除"default"关键字。同时可能将 strict 模式恢复为默认关闭状态,需要开发者显式启用。
最佳实践建议
- 对于需要向后兼容的场景,建议暂时采用方案一
- 关注项目更新,未来版本可能会提供更完善的解决方案
- 在设计 AI 可调用函数时,尽量避免复杂的参数默认值设置
- 测试时应当覆盖各种参数组合情况,特别是可选参数场景
总结
这个问题展示了 AI 功能与传统 API 设计之间的微妙差异。随着 .NET Extensions 项目中 AI 功能的不断演进,开发者需要关注这些边界情况的处理。项目团队正在积极优化相关实现,以提供更稳定、更符合开发者预期的体验。
对于正在评估或使用预览版功能的开发者,建议保持对项目更新的关注,并在生产环境部署前进行充分的测试验证。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
Spark-Prover-X1-7BSpark-Prover 是由科大讯飞团队开发的专用大型语言模型,专为 Lean4 中的自动定理证明而设计。该模型采用创新的三阶段训练策略,显著增强了形式化推理能力,在同等规模的开源模型中实现了最先进的性能。Python00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能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
GOT-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