SimpleAIAgent：使用免费的glm-4-flash即可开始构建简单的AI Agent应用

本篇文章分享SimpleAIAgent：使用免费的glm-4-flash即可开始构建简单的AI Agent应用，对你有帮助的话记得收藏一下，看极客之家收获更多编程知识

SimpleAIAgent是基于C# Semantic Kernel 与 WPF构建的一款AI Agent探索应用。主要用于使用国产大语言模型或开源大语言模型构建AI Agent应用的探索学习，希望能够帮助到感兴趣的朋友。

接下来我想分享一下我的AI Agent应用实践。

翻译文本并将文本存入文件

第一个例子是翻译文本，并将文本存入指定的文件。

输入如下内容：

执行过程

第一步，LLM判断应该调用的函数与参数如下：

第二步，LLM帮我们调用这个函数，并返回结果：

第三步，LLM再次判断需要调用的函数与参数：

第四步，LLM调用这个函数，并返回函数返回值：

第五步，LLM判断任务已经完成，调用结束函数：

第六步，返回最终的回应：

查看结果

会发现桌面多了一个文件，打开如下所示：

以上AI Agent应用使用glm-4-flash即可实现，当然也可以尝试其他模型，模型越强，成功概率越高。

实现文件到文件的翻译

输入：

文件1.txt的内容如下：

是一段关于WPF的中文描述，现在我想让LLM帮我翻译成英文之后再保存到另一个文件。

同样还是使用免费的glm-4-flash

执行过程

第一步，LLM判断应该调用的函数与参数如下：

第二步，LLM帮我们调用这个函数，并返回结果：

第三步，LLM判断任务已经完成，调用结束函数：

第四步，返回最终的回应：

查看结果

实现要点

大家可能会注意到实现的要点其实就是要让LLM自动调用函数，也就是实现自动函数调用的功能。

之后要做的就是根据你想让LLM自动做的事去写插件，然后导入这个插件罢了。

插件中函数最好不要太多，太多模型能力弱的就会乱调用。根据你的需求，实现不同人物导入不同的插件比较好。

插件可以这样写，以上面的翻译插件为例：

#pragma warning disable SKEXP0050
    internal class TranslationFunctions
    {
        private readonly Kernel _kernel;
        public TranslationFunctions()
        {
            var handler = new OpenAIHttpClientHandler();
            var builder = Kernel.CreateBuilder()
            .AddOpenAIChatCompletion(
               modelId: ChatAIOption.ChatModel,
               apiKey: ChatAIOption.Key,
               httpClient: new HttpClient(handler));
            _kernel = builder.Build();
        }
        [KernelFunction, Description("选择用户想要的语言翻译文本")]
        public async Task<string> TranslateText(
            [Description("要翻译的文本")] string text,
            [Description("要翻译成的语言，从'中文'、'英文'中选一个")] string language
 )
        {
            string skPrompt = """
                            {{$input}}

                            将上面的文本翻译成{{$language}}，无需任何其他内容
                            """;
            var result = await _kernel.InvokePromptAsync(skPrompt, new() { ["input"] = text, ["language"] = language });
            var str = result.ToString();
            return str;
        }

        [KernelFunction, Description("实现文件到文件的翻译")]
        public async Task<string> TranslateTextFileToFile(
           [Description("要翻译的文件路径")] string path1,
           [Description("保存翻译结果的文件路径")] string path2,
           [Description("要翻译成的语言，从'中文'、'英文'中选一个")] string language
)
        {
            string fileContent = File.ReadAllText(path1);
            var lines = TextChunker.SplitPlainTextLines(fileContent,100);
            var paragraphs = TextChunker.SplitPlainTextParagraphs(lines, 1000);
            string result = "";
            string skPrompt = """
                            {{$input}}

                            将上面的文本翻译成{{$language}}，无需任何其他内容
                            """;
            foreach (var paragraph in paragraphs)
            {
                var result1 = await _kernel.InvokePromptAsync(skPrompt, new() { ["input"] = paragraph, ["language"] = language });
                result += result1.ToString() + "\r\n";
            }        
           
            var str = result.ToString();

            // 使用 StreamWriter 将文本写入文件
            using (StreamWriter writer = new StreamWriter(path2, true))
            {
                writer.WriteLine(str);
            }

            string message = $"已成功实现文件{path1}到文件{path2}的翻译";
            return message;
        }

        [KernelFunction, Description("将文本保存到文件")]
        public string SaveTextToFile(
           [Description("要保存的文本")] string text,
           [Description("要保存到的文件路径")] string filePath
)
        {
            // 使用 StreamWriter 将文本写入文件
            using (StreamWriter writer = new StreamWriter(filePath, true))
            {
                writer.WriteLine(text);
            }
            return "已成功写入文件";
        }

        [KernelFunction, Description("从文件中读取文本")]
        public string GetTextFromFile(
           [Description("要读取的文件路径")] string filePath
)
        {
            string fileContent = File.ReadAllText(filePath);
            return fileContent;
        }

    }

就是加上了一些描述用于帮助LLM理解函数的用途罢了，相信对程序员朋友来说不是什么问题，现在就可以动手构建自己的AI Agent应用了。

希望这次的分享对使用LLM构建AI Agent应用感兴趣的朋友有所帮助。

对这个应用感兴趣的朋友，拉一下代码，将appsettings.example.json改为appsettings.json，填入你的API Key与模型名或者使用Ollma填入地址，填入模型名即可快速体验。

GitHub地址：https://github.com/Ming-jiayou/SimpleAIAgent

版权声明：本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：jacktools123@163.com进行投诉反馈，一经查实，立即删除！