Microsoft.Extensions.AI 项目中结构化输出与函数调用的技术解析
在人工智能应用开发领域,结构化输出与函数调用是提升模型响应质量和可靠性的重要技术。Microsoft.Extensions.AI 项目作为.NET生态中AI应用开发的基础设施,近期针对OpenAI的结构化输出功能进行了技术讨论和实现优化。
结构化输出的核心价值
结构化输出功能确保AI模型在函数调用时能够严格遵循开发者提供的参数模式。传统模式下,模型可能会在复杂模式中出现参数遗漏或类型错误的情况。通过启用结构化输出,开发者可以获得与预定模式完全匹配的响应结果,这对于构建企业级可靠应用至关重要。
技术实现方案
在Microsoft.Extensions.AI项目中,开发者可以通过两种方式启用结构化输出:
-
属性标记法:在类型定义上使用
[JsonUnmappedMemberHandling(JsonUnmappedMemberHandling.Disallow)]注解,这会指示JSON序列化器拒绝任何未映射的成员,相当于设置了additionalProperties: false。 -
配置选项法:通过
AIFunctionFactory.Create方法创建函数时,在AdditionalProperties字典中添加{"Strict", true}键值对,这将激活严格模式。
当前的技术挑战
项目实现中发现了一些需要优化的技术点:
-
模式兼容性问题:当参数类型为decimal、double或float时,自动生成的模式中包含的"pattern"属性不被OpenAI支持。
-
完整性要求:OpenAI要求所有属性必须标记为
required,且必须显式设置additionalProperties: false,而当前生成器未完全满足这些要求。
未来优化方向
开发团队计划对AI模式生成器进行以下改进:
-
智能模式生成:根据目标AI供应商的规范自动调整生成的模式文档。
-
默认严格模式:考虑将严格模式作为默认选项,提高开发者体验。
-
类型处理优化:特别处理数值类型的模式生成,避免使用不支持的"pattern"属性。
开发者实践建议
对于当前版本,开发者可以采取以下最佳实践:
-
优先使用整数类型而非浮点类型作为参数,避免模式兼容性问题。
-
显式使用
[JsonUnmappedMemberHandling]注解确保模式完整性。 -
密切关注项目更新,未来版本将提供更完善的模式生成支持。
通过理解这些技术细节,.NET开发者可以更有效地利用Microsoft.Extensions.AI构建可靠、高质量的AI应用,充分发挥结构化输出在提升模型响应准确性方面的优势。
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