(其中一种可能性) 2025年末:世界最贵AI诞生,算力达到10^27 FLOP 2026年初:编程实现自动化 2026年末:AI取代部分工作 2027年3月:算法取得突破,Agent-2诞生 2027 2027年1月:Agent-2永不停止学习 在Agent-1的协助下,OpenBrain现正对Agent-2进行持续训练。 这次的重点是更加高质量的数据。 在研究工程(设计和实验)方面,Agent-2能力水平几乎与顶尖人类专家相当。 2027年3月:算法突破 三个数据中心部署了海量的Agent-2,昼夜不停地工作,用于大量生产合成训练数据。 另外两个数据中心则用于更新权重。Agent-2每天都在变得更聪明。 在数千个Agent-2自动化研究员的协助下,OpenBrain正在取得重大的算法进展。 其一,是利用更高带宽的思维过程(如神经网络内部语言的递归与记忆)来增强AI基于文本的思维链 。
.NET 平台 AI 生态发展时间线 从提供AI服务统一抽象接口的Microsoft.Extensions.AI,到实现复杂AI工作流编排的Semantic Kernel (SK),再到整合多方优势、专注于智能体 而即将发布的.NET 10,更是一个从底层性能、硬件支持到工具链都为AI深度优化的“AI Ready”平台,旨在为智能应用提供坚实的基石。 而作为一名.NET 开发者如何抓住平台机遇,在AI浪潮中激流勇进呢? 没关系,从今天起,我们将正式开启[.NET+AI]系列文章的推送。本系列旨在陪伴大家由浅入深地开启智能体开发之旅。 Microsoft.Extensions.AI (MEAI) 是微软为 .NET 生态系统打造的 AI 功能基础抽象层。
深夜浏览技术社区,看着Python开发者分享AI项目如鱼得水,而你作为.NET开发者,心里冒出一个问题: "是该转型Python,还是继续坚守.NET?难道.NET开发者真的无缘AI红利吗?" 今天,我要告诉你一个被严重低估的事实: .NET开发者不仅能做AI,而且可能是最适合把AI落地到生产环境的那群人。 第一部分:破解迷思——.NET真的做不了AI吗? → 结构化输出 对比学习成本: Python转.NET AI:学语言 + 学框架 + 学AI = 3个月+ .NET学AI:只需学AI框架 = 1个月 2️⃣ 统一的开发体验 从Web开发到AI开发, 第二部分:揭秘武器——.NET AI技术栈到底有多强? 现在你知道了.NET可以做AI,那么具体怎么做呢?让我带你了解.NET AI的完整技术栈。 2.1 M.E.AI:.NET平台的AI底座 是什么? Microsoft.Extensions.AI (MEAI) 是.NET平台的AI统一抽象层。
namespace> <podName> 13、k8s node 标签添加、移除相关操作 # 查看所有k8s机器的标签 kubectl get node --show-labels # 如果要调度的机器agent -2上没有node标签,那么就执行以下命令: kubectl label node agent-2 node=public # 移除agent-2节点上的node标签 kubectl label node agent-2 node- # 修改一个Label的值,需要加上--overwrite参数: kubectl label node agent-2 node=public --overwrite
需求理解 → 分析推理 → 设计思考 → 架构决策 → 任务分解 → 实施生成 → 测试验证 agent-1 (Context 基线师): Context 基线建立 + 领域知识构建 + 上下文管理 agent 主导) 用户输入: "我想做一个电商系统" agent-1 响应: - 引导用户明确商业目标 - 询问目标用户群体 - 了解核心业务流程 - 确认技术约束条件 商业目标确认 (agent-1 + agent -2 协作) 确认内容: - 业务价值和盈利模式 - 核心功能优先级 - 用户体验期望 - 系统规模和性能要求 功能范围界定 (agent-2 主导) 输出内容: - 核心功能清单 - 功能边界定义 文档结构规划 - 协作链执行计划 内容摘要确认 (用户确认) 确认内容: - 需求理解的准确性 - 系统架构的合理性 - 实施计划的可行性 7-Agent 协作链执行 完整执行: agent-1 → agent 用户: "确认,请开始" agent-2: "开始执行7-Agent协作链,为您生成完整的技术实施方案..."
在 .NET Aspire 讨论之后,团队在直播和发布公告[4]帖子中继续讨论 .NET 9 中的 AI。 今年,我们看到整个行业的团队利用 .NET 构建了令人惊叹的 AI 解决方案”。 以下是 .NET 9 中 AI 新增功能的要点摘要: 扩展的 AI 生态系统: 新的学习材料和样例 简化了与 .NET 生态系统的集成 与合作伙伴合作,构建充满活力的 AI 社区 改进了 AI 解决方案到云的部署 适用于 .NET 的 AI 构建块:Microsoft 引入了新的抽象来简化 AI,包括: 表示多维数据的新类型 简化库之间的互操作性 改进了应用操作 针对常用模型系列(GPT、Llama、Phi、Bert : 用于调试的 AI 智能变量检查 AI 驱动的 IEnumerable 可视化工具 改进的代码修复功能 增强的 C# AI 补全 协助调试失败的测试 该发布公告继续讨论了 Blazor、.NET MAUI
您将发现整个 .NET 堆栈中从编程语言、开发人员工具和工作负载的全面增强功能,使您能够使用统一平台进行构建,并轻松地将 AI 注入您的应用程序。 在 .NET Aspire 讨论之后,团队在直播和发布公告[4]帖子中继续讨论 .NET 9 中的 AI。 今年,我们看到整个行业的团队利用 .NET 构建了令人惊叹的 AI 解决方案”。 以下是 .NET 9 中 AI 新增功能的要点摘要: 扩展的 AI 生态系统: 新的学习材料和样例 简化了与 .NET 生态系统的集成 与合作伙伴合作,构建充满活力的 AI 社区 改进了 AI 解决方案到云的部署 适用于 .NET 的 AI 构建块:Microsoft 引入了新的抽象来简化 AI,包括: Microsoft.Extensions.AI 和 Microsoft.Extensions.VectorData
Microsoft.Extensions.AI 在 .NET AI 应用架构中的定位示意图:应用程序通过 Microsoft.Extensions.AI 调用下层各种 AI 服务(如 Semantic Microsoft.Extensions.AI 简介 随着 .NET 9 的发布,微软引入了一套 统一的 AI 抽象层 来简化 AI 模型在 .NET 应用中的集成。 Microsoft.Extensions.AI 作为 .NET AI 支持的一部分,被深度嵌入到了 依赖注入(DI) 容器和 中间件管道 中。 总结来说,Microsoft.Extensions.AI 在 .NET 9 的 AI 体系中提供了标准化、可插拔的 AI 接口层。 通过这种标准化,Microsoft.Extensions.AI 实际上鼓励 AI ISV 厂商快速提供 .NET 接口,从而丰富 .NET AI 生态。
通过将 Python 擅长的丰富AI模型生态与 .NET 应用集成,eShopSupport 展示了在不重写现有 .NET 项目的情况下利用 Python 来增强 AI 能力的方式。 .NET Aspire 工作负载,一键启用所需的 AI 推理基础设施(如本地 LLM 推理器 Ollama、向量数据库等)。 关键技术栈和依赖 eShopSupport 所使用的技术栈覆盖前后端、AI框架和基础设施多个层面,构建了一个现代化的 .NET 智能应用: 后端框架:基于 .NET 8 和 ASP.NET Core。 这种多元的技术组合展示了在企业应用中引入 AI 的端到端方案:既利用了 .NET 强大的 Web 开发能力和新推出的 AI 支持库,也不避讳引入 Python 等异构技术来用其所长。 总之,eShopSupport 将前沿的生成式 AI 技术以工程最佳实践方式融入解决方案,其代码既是 AI 应用的范例,也是 .NET 微服务架构的优秀示例,值得深入研读和借鉴。
你是否在思考如何利用AI为您公司的产品增加智能方向的业务扩展? 或者你是否有思考过怎么去利用AI减少部分工作量? 如果你有类似于上面的问题,想要学习AI,并且您是一名.NET开发工程师,或您是一名弃暗投明的Java转.NET AI方向的工程师,那么你可以从这一篇开始,使用.NET semantic-kernel进行从 准备 实现我们需要确认您是一名有过.NET经验的开发者,您对于.NET至少是一名初级工程师; 好,下面我们将打开我们常用的编程工具Visual Studio 2022 来,跟着我们一步一步来 创建项目 总结 本文主要为.NET开发者提供了如何从零开始使用.NET的semantic-kernel进行AI开发的教程。 首先,作者详细介绍了如何创建一个.NET项目,并安装需要的Microsoft.SemanticKernel依赖包。接着,作者引导读者在提供免费AI大模型的网站上注册,并获取API令牌。
图片上图展示了将表 X 从 Agent-1 所在的 Capture 上挪动到 Agent-2 所在的 Capture 上的过程,具体如下:Coordinator 让 Agent-2 准备表 X 的数据。 Agent-2 在准备好了数据之后,告知 Coordinator 这一消息。Coordinator 发送消息到 Agent-1,告知它移除表 X 的同步任务。 Coordinator 再次发送消息到 Agent-2,开始向下游复制表 X 的数据。Agent-2 再次发送消息到 Coordinator,告知表 X 正处于复制数据到下游的状态。 Replication set 状态转换过程在上文中讲述的两阶段调度挪动表的基本过程中,可以看到在 Agent-2 执行了前两步之后,表 X 在 Agent-1 和 Agent-2 的 Capture 不同点在于,Agent-1 此时正在复制表,Agent-2 此时只是加载表。
前言 你是否也曾被 AI 编程助手的“幻觉”搞得头疼? 现在 .NET 官方团队发布了 .NET Agent Skills(dotnet/skills),一套专为 AI 编码 Agent 打造的 .NET 官方技能库(Agent Skills)。 它就像给 Copilot CLI、Claude Code、Codex CLI 等 AI 工具装上了"专业大脑",让它们真正理解 .NET 的框架、API 、单元测试和最佳实践等,从此告别胡说八道,写出靠谱代码 、Copilot、Cursor 等)精准执行特定任务 从此,告别重复造轮子,让 AI 编程真正走向专业化、规模化。 dotnet-ai 面向 .NET 的 AI/ML 技能:技术选型、LLM 集成、智能体工作流、RAG 流水线、MCP 及经典 ML 与 ML.NET 的结合应用。
自从大模型爆火以来,.Net不管是官方、还是社区开源项目,都陆续推出很多重磅的项目。 在AI领域,对话即平台(CaaP)是未来的发展方向。 下面介绍一个开源项目,面向AI Bot平台构建者的开源机器学习框架:BotSharp,它已经为.NET开发人员提供了使用BotSharp AI BOT platform Builder构建CaaP的整套工具包 兼容多种 AI 平台,如 ChatGPT 3.5/4.0、Gemini 2、LLaMA 3、Claude Sonnet 3.5、HuggingFace 等。 http://localhost:5015/ 2、部分界面截图 2.1 登录界面 2.2 后台首页 2.3 路由 2.4 代理列表 2.5 会话列表 04 技术优势 跨平台:使用 C# 编写,运行在 .NET LLM 插件:与不同 AI 平台的接口插件,如 Azure OpenAI、OpenAI、Anthropic AI、Google AI、Meta AI、HuggingFace 等。
通过 ApprovalRequiredAIFunction 为敏感工具加上人工审批环节,快速构建符合企业合规要求的 MAF 人机协作智能体。
MEAI 缓存机制:让 AI 应用响应提速 10 倍 一句话简介 通过 Microsoft.Extensions.AI 的缓存功能,智能存储和复用 AI 响应,显著降低 API 成本并将响应速度提升 10 安装依赖包 dotnet add package Microsoft.Extensions.AI dotnet add package Microsoft.Extensions.AI.OpenAI dotnet 启用缓存(3 行代码) using Microsoft.Extensions.AI; using Microsoft.Extensions.Caching.Distributed; // 创建缓存存储 验证缓存效果 var question = "什么是 Microsoft.Extensions.AI?" Server 等企业级存储 适用场景: FAQ 和客服系统 文档查询和知识库 批量处理和数据分析 下一步: 探索 MEAI 的 Chat Reducer(消息压缩)和自定义中间件功能,构建更强大的 AI
盘点6个基于.Net开发的、热门AI项目。 1、跨平台:采用.Net 7.0、手机端采用:Xamarin,支持MacOS、Windows、Linux、Android、iOS。 2、UI框架: Avalonia UI。 Github:https://github.com/Stability-AI/StableSwarmUI 详细介绍:StableSwarmUI:Stable Diffusion客户端,官方出品、功能强大且易用 五、ChatGPT SDK 这个是根据OpenAI的开放API,封装的.Net SDK。目前官方的API都已经封装,包含生成文本、图片、获取模型等。 是基于.Net开发的开源项目,核心功能是为Stable Diffusion提供易于使用的软件包管理器。
ChatOptions 详解:精准控制 AI 对话的配置利器 一句话简介 ChatOptions 是 Microsoft.Extensions.AI 中传递给 IChatClient 的统一配置容器,用于在单次请求中精准控制生成策略 = []; additionalProperties[SummaryKey] = newSummary; 场景 3:Azure AI Inference 的额外属性 在 Microsoft.Extensions.AI.AzureAIInference 抽象与实现的矛盾 ChatOptions 提供统一配置,但各提供商有特有选项 例如 OpenAI 的 IncludeUsage、Azure AI 的自定义配置 避免抽象层膨胀 不为每个提供商在 :Raw representation 中的非 null 值具有最高优先级 ✅ 最佳实践:标准功能用标准属性,特殊功能用扩展点,始终返回新实例 下一步:探索 Microsoft.Extensions.AI
引言 关注.NET AI和.NET Vector原生开发已有半年之久了,其核心组件在历经这半年预发布期的持续迭代后,终于在5月16日和5月20日逐步发布了。 如今,随着正式版的发布,这些库为 .NET 原生 AI 开发提供了强大的基础,支持开发者构建可扩展、可维护且具备互作性的 AI 驱动型应用程序。 什么是 AI 和 Vector Data Extensions AI 和 Vector Data Extensions 是一组专为 .NET 设计的库,旨在处理 AI 模型和矢量存储相关任务。 它们通过提供共享的抽象和实用工具,帮助开发者在 .NET 生态系统中无缝集成 AI 功能。 AI 开发库 AI Dev Gallery 专为 Windows 开发人员设计,作为 .NET AI 开发的综合游乐场,有助于将 AI 功能集成到应用和项目中。
它支持通过一组一致且标准化的 API 和约定将 AI 功能无缝集成到 .NET 应用程序中。 项目特色 统一的API:提供一组一致的 API 和约定,用于将 AI 服务集成到 .NET 应用程序中。 灵活性:允许 .NET 库作者使用 AI 服务,而无需绑定到特定提供商,使其适用于任何提供商。 易用性:使 .NET 开发人员能够使用相同的底层抽象试验不同的包,并在整个应用程序中维护单个 API。 项目作用 Microsoft.Extensions.AI类库不仅简化了AI功能的集成,还促进了.NET生态系统的创新。 任何提供 AI 客户端的 .NET 包都可以实现此接口,从而实现与正在使用的 .NET 代码的无缝集成。
MEAI 提示工程实战:从零构建企业级意图识别系统 一句话简介 本文以铁路票务意图识别为例,演示如何使用 Microsoft.Extensions.AI (MEAI) 构建高质量提示词,掌握 7 大核心技巧和参数调优方法 ,快速构建企业级 AI 应用。