ASP.NET Extensions项目中AI功能参数校验问题解析
在ASP.NET Extensions项目的9.4.0预览版本中,开发团队引入了一个与AI功能参数校验相关的重要变更。这个变更影响了使用OpenAI服务时函数参数的默认值处理方式,导致部分现有代码出现兼容性问题。
问题背景
当开发者使用AIFunctionFactory创建AI函数时,系统会自动生成JSON Schema来描述函数参数。在9.4.0-preview.1.25175.4版本中,开发团队默认启用了OpenAI的"strict"模式,这导致参数schema中带有"default"关键字的请求会被OpenAI服务拒绝。
典型错误表现为HTTP 400响应,错误信息明确指出:"'default' is not permitted"。这个问题特别容易出现在包含可选参数的函数上,例如一个带有可为空字符串参数的日志查询函数。
技术原理
OpenAI的API对函数调用参数有严格的schema校验机制。在strict模式下,API会拒绝包含某些特定关键字的schema。"default"关键字用于指定参数的默认值,虽然在JSON Schema规范中是合法元素,但在OpenAI的当前实现中不被允许。
ASP.NET Extensions的AI功能会自动将C#方法的参数特性转换为JSON Schema。对于可选参数(如可为空的字符串参数),转换过程会生成包含"default":null的schema结构,这正是触发问题的原因。
解决方案
开发团队提供了两种解决方案:
- 临时解决方案:在创建AIFunction时显式禁用strict模式
AIFunctionFactory.Create(yourMethod, new() {
AdditionalProperties = new Dictionary<string, object?>() {
["Strict"] = false
}
})
- 长期解决方案:开发团队正在考虑两种改进方向
- 修改AIJsonUtilities的schema生成逻辑,移除"default"关键字
- 将strict模式恢复为默认关闭状态,需要时再显式启用
最佳实践建议
对于正在使用预览版的开发者,建议:
- 如果遇到类似问题,优先采用临时解决方案
- 关注后续版本更新,及时调整代码
- 在设计AI函数时,尽量避免依赖参数默认值机制
- 对于可为空的参数,考虑在函数内部处理null值而不是依赖schema默认值
版本演进
这个问题凸显了AI功能在预览阶段的快速迭代特性。从9.3.0-preview.1.25161.3到9.4.0-preview.1.25175.4版本的变化,反映了开发团队在平衡功能丰富性和兼容性方面的考量。开发者在使用预览功能时应当注意版本变更可能带来的影响。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
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
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。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