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
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
569
3.84 K
Ascend Extension for PyTorch
Python
379
453
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++
893
676
暂无简介
Dart
802
199
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
350
203
昇腾LLM分布式训练框架
Python
118
147
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
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (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
1.37 K
781