Microsoft.Extensions.AI 中如何为AI调用添加用户标识追踪
2025-06-28 10:55:48作者:宣海椒Queenly
在开发基于生成式AI的应用程序时,开发者经常需要追踪特定用户的使用情况。Microsoft.Extensions.AI库提供了强大的AI功能集成,但如何将用户标识与AI调用产生的遥测数据关联起来呢?本文将深入探讨这个问题的解决方案。
用户标识追踪的重要性
在AI应用场景中,用户标识追踪对于以下方面至关重要:
- 按用户统计token消耗量
- 实现基于用户的速率限制
- 分析不同用户的使用模式
- 故障排查时关联特定用户的操作
当前解决方案的局限性
虽然可以通过自定义ChatClient实现为活动(Activity)添加用户标识标签,但这种方法存在明显不足:
- 无法自动应用于指标数据(如token消耗和操作时长)
- 需要开发者手动实现委托模式
- 缺乏标准化处理方式
改进方案探讨
理想的解决方案应该具备以下特性:
- 自动将ChatOptions.AdditionalProperties中的属性(如EndUserId)添加到追踪和指标中
- 提供明确的配置选项控制是否包含额外属性
- 保持与OpenTelemetry语义约定的一致性
临时解决方案实现
目前开发者可以采用以下临时方案添加用户标识到追踪中:
class UserIdChatClient : DelegatingChatClient
{
public UserIdChatClient(IChatClient client) : base(client) { }
public override Task<ChatCompletion> CompleteAsync(IList<ChatMessage> messages, ChatOptions options, CancellationToken cancellationToken)
{
if (Activity.Current is { } activity &&
options?.AdditionalProperties?.TryGetValue("EndUserId", out var endUserId) == true)
{
activity.SetTag("user.id", endUserId);
}
return base.CompleteAsync(messages, options, cancellationToken);
}
// 同样实现流式处理方法
}
使用时需要确保该客户端在管道中的正确位置:
services.AddChatClient(builder => builder
.UseOpenTelemetry()
.Use(client => new UserIdChatClient(client))
.Use(new OpenAIClient(...));
未来改进方向
Microsoft.Extensions.AI库未来可能会提供更原生的支持方式,例如:
- 自动将AdditionalProperties中的值作为标签添加
- 提供专门的EndUserId配置属性
- 增加配置开关控制是否包含这些额外信息
最佳实践建议
在当前阶段,建议开发者:
- 统一使用特定的属性名(如"EndUserId")存储用户标识
- 封装可重用的客户端装饰器
- 密切关注库的更新以获取原生支持
通过以上方法,开发者可以在现有技术条件下实现用户标识与AI调用数据的关联,为应用提供更精细的监控和分析能力。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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!Kotlin08
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
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
532
3.74 K
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
336
178
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++
886
596
Ascend Extension for PyTorch
Python
340
403
暂无简介
Dart
771
191
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
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
986
247
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
416
4.21 K
React Native鸿蒙化仓库
JavaScript
303
355