Azure.AI.Projects 中 GetMessagesAsync() 方法处理文件引用的技术解析
2025-06-05 07:02:52作者:钟日瑜
在使用 Azure.AI.Projects 库进行人工智能代理开发时,开发者经常会遇到需要处理聊天消息中文件引用的问题。本文将从技术角度深入分析如何处理 GetMessagesAsync() 方法返回消息中的文件引用信息。
文件引用问题的背景
当开发者使用 Azure AI Agent Service 创建代理、线程并执行运行后,通过 GetMessagesAsync() 方法获取聊天历史时,可能会遇到类似 【10:0†source】 这样的文件引用标记。这些标记虽然包含了引用信息,但对最终用户来说不够直观和友好。
技术解决方案
Azure.AI.Projects 库提供了专门的类来处理这类文件引用信息:
-
MessageTextFilePathAnnotation 类
这个类专门用于处理消息文本中文件路径的标注信息。它可以帮助开发者提取和解析消息中引用的文件路径。 -
MessageTextFileCitationAnnotation 类
此类用于处理消息文本中文件引用的标注信息。它提供了更丰富的功能来处理文件引用,包括引用位置、引用内容等详细信息。
实际应用方法
开发者可以通过以下方式处理消息中的文件引用:
- 首先获取消息集合:
var messages = await client.GetMessagesAsync(threadId);
- 然后遍历消息内容,检查并处理文件引用标注:
foreach (var message in messages)
{
if (message.Content is MessageTextContent textContent)
{
foreach (var annotation in textContent.Annotations)
{
if (annotation is MessageTextFileCitationAnnotation citation)
{
// 处理文件引用信息
Console.WriteLine($"引用文件: {citation.FileId}");
}
else if (annotation is MessageTextFilePathAnnotation path)
{
// 处理文件路径信息
Console.WriteLine($"文件路径: {path.FilePath}");
}
}
}
}
最佳实践建议
-
用户友好展示
建议开发者将这些技术性的引用标记转换为对用户更友好的形式,比如显示实际文件名或文档标题。 -
上下文关联
可以将文件引用与聊天内容更紧密地关联起来,例如在消息旁边显示相关文档的摘要或关键信息。 -
性能考虑
当处理大量消息或频繁调用 GetMessagesAsync() 时,应注意缓存文件引用信息,避免重复查询。
通过合理使用 Azure.AI.Projects 提供的这些类和方法,开发者可以构建出更加专业和用户友好的 AI 代理应用,有效处理聊天消息中的文件引用信息。
登录后查看全文
热门项目推荐
相关项目推荐
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
HunyuanVideo-1.5暂无简介00
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
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
177
195
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++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
270
93
暂无简介
Dart
623
140
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
378
3.33 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (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
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
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
9
1