ASP.NET Extensions中FunctionCallingChatClient的令牌使用统计问题解析
在ASP.NET Extensions项目的AI功能模块中,FunctionCallingChatClient组件在处理函数调用时存在一个令牌使用量统计不准确的技术问题。本文将深入分析该问题的技术背景、产生原因以及解决方案。
问题背景
FunctionCallingChatClient是ASP.NET Extensions中负责处理AI聊天功能与函数调用交互的核心组件。当AI模型需要调用外部函数时,该组件会协调多次内部请求来完成整个交互流程。
在实现过程中,开发团队发现了一个关键问题:组件未能正确累加多次内部请求的令牌使用量,导致最终返回的UsageData信息不完整。令牌使用量统计对于AI应用至关重要,它直接关系到API调用成本的计算和资源使用监控。
技术原理分析
在AI聊天交互中,当模型决定调用外部函数时,通常需要以下步骤:
- 初始请求:用户发送消息到聊天客户端
- 函数调用请求:模型决定调用函数并返回函数调用指令
- 函数执行:系统执行指定函数
- 结果返回:将函数执行结果返回给模型
- 最终响应:模型基于函数结果生成最终响应
每个步骤都会消耗一定数量的令牌(tokens),包括输入令牌和输出令牌。FunctionCallingChatClient需要将这些分散在多轮交互中的令牌使用量准确累加,才能提供完整的使用统计。
问题根源
原始实现中存在两个主要技术缺陷:
- 非流式处理模式下,中间请求的ChatCompletion对象被丢弃,导致其包含的UsageData信息丢失
- 流式处理模式下虽然能获取每次请求的UsageContent,但缺乏统一的聚合机制
特别是对于非流式处理,由于只保留了最终ChatCompletion对象的UsageData,而忽略了中间步骤的令牌消耗,导致统计结果明显低于实际使用量。
解决方案演进
开发团队考虑了两种不同的解决思路:
- 统一聚合方案:移除流式处理中的中间UsageContent,最后生成一个汇总所有步骤的UsageContent
- 内容保留方案:确保所有中间Chat消息(包括函数调用内容)都包含UsageContent,并正确添加到历史记录中
经过深入讨论,团队最终选择了第一种方案,主要基于以下考虑:
- 某些AI服务提供的AdditionalProperties中包含无法解析的额外统计信息
- 统一聚合更能准确反映整体资源消耗
- 与用户期望的行为更加一致
实现细节
最终的解决方案包含以下关键技术点:
- 在FunctionCallingChatClient内部维护令牌使用量的累加器
- 每次内部请求完成后,将其UsageData信息累加到总量中
- 最终响应时,将累加结果设置到返回对象的UsageData属性
- 确保流式和非流式处理模式下行为一致
这种实现方式不仅修复了原始问题,还提高了组件在不同处理模式下行为的一致性,为用户提供了更可靠的令牌使用统计。
总结
ASP.NET Extensions团队对FunctionCallingChatClient的这次改进,展示了他们对细节的关注和对用户体验的重视。通过准确统计令牌使用量,开发者现在可以更精确地监控和控制AI功能的资源消耗,为构建高效、经济的AI应用提供了更好的基础支持。
这个问题的高效解决也体现了ASP.NET Extensions项目的成熟度和响应速度,为开发者社区提供了更可靠的AI集成方案。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-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。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









