Senparc.AI 系列教程（二）：配置大模型，开始开发应用

大家好，欢迎来到 Senparc.AI 系列教程的第二篇。在上一篇中，我们介绍了 Senparc.AI 的基本概念和安装步骤。今天，我们将正式进入实战环节——配置大模型，并开始编写第一个 AI 应用。很多初学者在接触 AI 开发时，最头疼的问题就是“模型怎么配置？”、“API 密钥放哪里？”、“为什么代码调不通？”。别担心，这篇文章会手把手带你解决这些问题。我们将以 OpenAI 的 GPT 模型为例，演示如何在 Senparc.AI 中完成配置并实现一个简单的对话功能。## 准备工作：获取 API 密钥在开始之前，你需要有一个大模型服务的 API 密钥。如果你使用的是 OpenAI，可以去 platform.openai.com 注册并获取 API Key。如果你更想使用国内模型（如通义千问、文心一言等），Senparc.AI 也提供了扩展支持，但本篇以 OpenAI 为例。拿到密钥后，请把它保存在一个安全的地方，比如环境变量或配置文件里。千万不要把密钥硬编码到代码中并上传到公开仓库！## 第一步：配置 Senparc.AI 大模型Senparc.AI 的设计哲学是“配置驱动”——你只需要告诉框架你要用哪个模型、密钥是什么，剩下的工作（如请求封装、响应解析、错误重试等）都由框架自动完成。### 1.1 安装必要的 NuGet 包如果你还没安装 Senparc.AI，请在项目根目录执行以下命令：bashdotnet add package Senparc.AIdotnet add package Senparc.AI.OpenAI````Senparc.AI` 是核心库，`Senparc.AI.OpenAI` 是 OpenAI 模型的适配器。如果你用其他模型，需要安装对应的适配包。### 1.2 在 appsettings.json 中配置模型信息打开你的 `appsettings.json` 文件，添加以下内容：json{ “SenparcAiSetting”: { “OpenAI”: { “ApiKey”: “sk-你的密钥”, “Model”: “gpt-3.5-turbo”, “Endpoint”: “https://api.openai.com/v1” } }}这里的关键字段说明：- `ApiKey`：你的 OpenAI API 密钥- `Model`：模型名称，如 `gpt-3.5-turbo` 或 `gpt-4`- `Endpoint`：API 地址，如果你使用代理或国内镜像，可以修改这里**注意**：对于生产环境，建议将 API 密钥存储在环境变量或密钥管理服务中，而不是直接写在配置文件里。## 第二步：编写第一个 AI 对话代码配置完成后，我们就可以写代码了。下面是一个最简单的对话示例，它向 GPT 发送一条消息并打印回复。### 2.1 代码示例：基础对话csharpusing Senparc.AI;using Senparc.AI.OpenAI;using Microsoft.Extensions.DependencyInjection;// 1. 创建服务容器，并注册 Senparc.AI 服务var services = new ServiceCollection();services.AddSenparcAiServices(); // 自动读取 appsettings.json 中的配置var serviceProvider = services.BuildServiceProvider();// 2. 获取 AI 对话客户端var aiClient = serviceProvider.GetRequiredService();// 3. 定义对话消息var messages = new List{ new ChatMessage(“user”, “你好，请用中文介绍一下你自己。”)};// 4. 发送请求并获取回复var response = await aiClient.ChatAsync(messages);// 5. 输出结果Console.WriteLine(“AI 回复：”);Console.WriteLine(response.Choices[0].Message.Content);**代码解释**：- `AddSenparcAiServices()` 会从配置文件读取模型信息，并注入 `IAiClient` 服务。- `ChatMessage` 对象代表一条对话消息，参数分别是角色（`user` 或 `assistant`）和内容。- `ChatAsync` 方法异步发送请求，返回包含多个候选回复的响应对象。运行这段代码，你会在控制台看到类似这样的输出：AI 回复：你好！我是 OpenAI 开发的 GPT 模型，可以帮你回答问题、写作、编程等等。有什么我可以帮你的吗？## 第三步：实现多轮对话实际应用中，我们经常需要让 AI 记住上下文。Senparc.AI 支持多轮对话，你只需要把历史消息一起发送即可。### 3.1 代码示例：带上下文的多轮对话csharpusing Senparc.AI;using Senparc.AI.OpenAI;using Microsoft.Extensions.DependencyInjection;var services = new ServiceCollection();services.AddSenparcAiServices();var serviceProvider = services.BuildServiceProvider();var aiClient = serviceProvider.GetRequiredService();// 第一轮对话：用户提问var messages = new List{ new ChatMessage(“user”, “告诉我一个有趣的数学事实。”)};var response1 = await aiClient.ChatAsync(messages);Console.WriteLine($"用户：告诉我一个有趣的数学事实。");Console.WriteLine($“AI：{response1.Choices[0].Message.Content}\n”);// 将 AI 的回复添加到消息列表中，保持上下文messages.Add(response1.Choices[0].Message); // 添加 AI 的回复messages.Add(new ChatMessage(“user”, “再讲一个，但这次关于几何的。”));// 第二轮对话：基于上下文继续提问var response2 = await aiClient.ChatAsync(messages);Console.WriteLine($"用户：再讲一个，但这次关于几何的。");Console.WriteLine($“AI：{response2.Choices[0].Message.Content}”);**代码解释**：- 在第二轮对话前，我们把上一轮 AI 的回复也加入 `messages` 列表。这样 GPT 就能“记住”之前说过什么。- 注意 `response1.Choices[0].Message` 本身就是一个 `ChatMessage` 对象（角色为 `assistant`），直接添加到列表即可。运行结果示例：用户：告诉我一个有趣的数学事实。AI：你知道吗？0.999…（无限循环）实际上等于 1。这是一个经典的数学悖论。用户：再讲一个，但这次关于几何的。AI：好！在欧几里得几何中，三角形的内角和总是 180 度。但在非欧几何中，这个和可以大于或小于 180 度。## 常见问题与调试技巧### 问题 1：报错“401 Unauthorized”- 原因：API 密钥错误或未配置。- 解决：检查 `appsettings.json` 中的 `ApiKey` 是否正确，或尝试在环境变量中设置。### 问题 2：返回内容为空或乱码- 原因：模型名称输入错误，或网络连接问题。- 解决：确认 `Model` 字段值（如 `gpt-3.5-turbo`）无误；检查 `Endpoint` 是否能正常访问。### 问题 3：如何切换模型？只需修改 `appsettings.json` 中的 `Model` 字段，比如改成 `gpt-4`，然后重启程序即可。Senparc.AI 会自动适配。### 小技巧：使用日志查看请求详情在 `Program.cs` 中添加日志配置，可以查看 Senparc.AI 发送的原始 HTTP 请求，方便调试：csharpservices.AddLogging(builder => builder.AddConsole().SetMinimumLevel(LogLevel.Debug));```## 总结通过本文，你应该已经掌握了：1. 如何配置 Senparc.AI 的大模型（以 OpenAI 为例）2. 如何编写基础的单轮对话代码3. 如何实现带上下文的多轮对话Senparc.AI 的强大之处在于，它把复杂的 API 调用、请求签名、错误处理等细节都封装好了，让你只需关心业务逻辑。下一篇教程中，我们将探讨如何集成自定义函数（Function Calling），让 AI 能够调用你的业务代码，实现更智能的自动化应用。如果你在配置过程中遇到任何问题，欢迎在评论区留言。我们下期再见！