为了方便大家学习和应用，在源码中我们已经提供了基于命令行的演示（相关方法同样适用于网站等任何其他系统），代码位置位于 /Samples/Senparc.AI.Samples.Consoles，打开 Senparc.AI.sln 解决方案也可以直接看到响应示例和所有源码：

 　　运行后即可测试大模型对话、补全、图片生成、向量化、RAG、function-calling、MCP 等常见功能：

 　

　　例如进行 Chat 对话（可以通过不同颜色区分 Stream 流式输出过程中的 Token）：　　

　　可以看到 AI 回答问题还是有幻觉的问题（如 GitHub 地址有错误）。

开始创建应用

第一步：创建一个空项目

　　为了方便演示和更直观地查看原始输出内容，我们使用 Console 项目，您也可以举一反三使用 MVC、RazorPage、WPF、Blazor、WinForm 等其他类型项目。

　　使用 VS / VS Code 创建一个 Console 空项目，或使用命令行：

dotnet new console -n SenparcAiTest

第二步：设置 appsettings.json

　　创建或修改 appsettings.json 文件：

{
  "Logging": {
    "IncludeScopes": false,
    "LogLevel": {
      "Default": "Warning"
    }
  },
  //CO2NET 设置
  "SenparcSetting": {
    "IsDebug": true,
  },
  //Senparc.AI 设置
  "SenparcAiSetting": {
    "IsDebug": true,
    "AiPlatform": "DeepSeek", //注意修改为自己平台对应的枚举值
    "VectorDB": {
      "Type": "InMemory",
      "ConnectionString": ""
    },
    "DeepSeekKeys": {
      "Endpoint": "https://api.deepseek.com",
      "ApiKey": "<Your DeepSeek Key>",
      "ModelName": {
        "Chat": "deepseek-chat",
        "TextCompletion": "deepseek-chat"
      }
    }
  }
}

　　上述配置以 DeepSeek 为例，AiPlatform 为默认选用大模型平台，DeepSeekKeys 节点中配置 DeepSeek 模型信息，其中 ModelName 中指定同一个平台下不同类型大模型所对应的模型名称。

　　目前还支持的其他类型还包括：

•         NeuCharAI
•         OpenAI 
•         AzureOpenAI
•         HuggingFace
•         FastAPI
•         Ollama
•         DeepSeek

　　当 AiPlatform 选中了任意一个模型平台，系统会自动从 “<AiPlatform>Keys”名称节点下读取相关配置信息。

第三步：安装 Nuget 依赖包

　　为了能够读取 appsettings.json，我们需要引用一个官方包：Microsoft.Extensions.Configuration.Json，以及 Senparc.AI 的核心模块包：Senparc.AI.Kernel：

dotnet add package Microsoft.Extensions.Configuration.Json
dotnet add package Senparc.AI.Kernel

第四步：配置 Program.cs

　　清除 Program.cs 原有内容，输入启动准备代码：

using Microsoft.Extensions.Configuration;
using Microsoft.Extensions.DependencyInjection;
using Senparc.AI.Kernel;
using Senparc.CO2NET;
using Senparc.CO2NET.RegisterServices;

var configBuilder = new ConfigurationBuilder();
configBuilder.AddJsonFile("appsettings.json", false, false);
Console.WriteLine("完成 appsettings.json 添加");

var config = configBuilder.Build();
Console.WriteLine("完成 ServiceCollection 和 ConfigurationBuilder 初始化");

var services = new ServiceCollection();

services.AddSenparcGlobalServices(config)
        .AddSenparcAI(config);

var serviceProvider = services.BuildServiceProvider();

IRegisterService register = RegisterService.Start()
              .UseSenparcGlobal()
              .UseSenparcAI();

　　上述代码是使用 Senparc.AI 的通用启动代码，任何系统都只需要完成一次，重点是 AddSenparcAI() 和 UseSenparcAI() 两个方法，将自动完成所有 Senparc.AI 的相关准备工作（包括大模型信息映射）。

第五步：编写 AI 代码

　　以对话（Chat）为例，最精简的单轮对话（或直接执行任务），可以在 Program.cs 中继续输入以下代码：

 1 // Chat 对话
 2 
 3 //定义 SemanticAiHandler 实例
 4 SemanticAiHandler semanticAiHandler = new SemanticAiHandler(null);
 5 
 6 //配置模型参数
 7 var parameter = new PromptConfigParameter()
 8 {
 9     MaxTokens = 2000,
10     Temperature = 0.7,
11     TopP = 0.5,
12 };
13 
14 //获取 IWantToRun 实例
15 var systemMessage = "你是一位专业的AI助手，擅长回答各种问题。请确保你的回答准确且有帮助。";
16 var iWantToRun = semanticAiHandler.ChatConfig(parameter,
17                                 userId: "Jeffrey",
18                                 maxHistoryStore: 10,
19                                 chatSystemMessage: systemMessage);
20 
21 Console.WriteLine();
22 Console.WriteLine("==== 对话开始 ====");
23 while (true)
24 {
25     //开始对话
26     Console.WriteLine("人类：");
27     var inputPrompt = Console.ReadLine() ?? "你好";
28 
29     var result = await semanticAiHandler.ChatAsync(iWantToRun, inputPrompt);
30 
31     Console.WriteLine("AI 回答：\n" + result.OutputString);
32     Console.WriteLine();
33 }

　　可以看到，核心代码是 16 行（定义 IWantToRun 对象）以及 29 行请求模型结果，非常简洁。

　　运行效果：

延伸功能

　　更多延伸功能，可以参考源码中的示例，注释已经比较完整，相关示例包含：

• 如 Stream（流式）输出
• Completion（补全）
• RAG / 知识库
• 向量数据库操作
• 图片生成（Text to Image）
• Planner
• Plguin（function-calling 和 MCP）
• 等等

进阶小贴士

1. 可以通过 Senparc.AI.Config.SenparcAiSetting 获取 appsettings.json 中的 SenparcAiSetting 节点的信息。
2. 可以使用 Senparc.AI.Config.SenparcAiSetting.AiPlatform 可以读取或者设置当前系统默认的模型平台。
3. 如果你想在系统中同时配置和使用多个平台（甚至同一个平台的不同账号或模型配置），可以在 appsettings.json 下 SenparcAiSetting 节点下添加一个 Item 节点，如：

   

    1     "Items": {
    2       "AzureDallE3": {
    3         "AiPlatform": "AzureOpenAI",
    4         "AzureOpenAIKeys": {
    5           "ApiKey": "<My AzureOpenAI Keys>",
    6           "AzureEndpoint": "<My AzureOpenAI DallE3 Endpoint>",
    7           "AzureOpenAIApiVersion": "2022-12-01",
    8           "ModelName": {
    9             "TextToImage": "dall-e-3"
   10           }
   11         }
   12       },23       "OtherModels": {
   24         "AiPlatform": "<AiPlatform>"
   25         //任意数量的 *Keys 配置
   26       }
   27     }

   

   在代码中索引 Key 的方式找到对应配置，如：

   var senparcAiSetting = ((SenparcAiSetting)Senparc.AI.Config.SenparcAiSetting)["AzureDallE3"];//获取 AzureDallE3 模型配置