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。
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