Avalonia是什麼?
Avalonia是一個跨平臺的UI框架,專為.NET開發打造,提供靈活的樣式系統,支援Windows、macOS、Linux、iOS、Android及WebAssembly等多種平臺。它已成熟並適合生產環境,被Schneider Electric、Unity、JetBrains和GitHub等公司採用。
許多人認為Avalonia是WPF的繼任者,它為XAML開發人員提供了一種熟悉且現代的跨平臺應用開發體驗。儘管與WPF相似,但Avalonia並非完全複製,而包含了許多改進。
SemanticKernel是什麼?
Semantic Kernel是一個SDK,它可以將大型語言模型(如OpenAI、Azure OpenAI和Hugging Face)與常規程式語言(如C#、Python和Java)整合。特殊之處在於,Semantic Kernel透過允許定義和鏈式呼叫外掛,能夠自動排程並組合這些AI模型。其功能是,使用者可以向LLM提出個性化目標,由Semantic Kernel的規劃器生成實現目標的計劃,然後由系統自動執行這份計劃。
矽基流動介紹
矽基流動致力於打造大模型時代的AI基礎設施,透過演算法、系統和硬體的協同創新,跨數量級降低大模型應用成本和開發門檻,加速AGI普惠人類。
SiliconCloud是集合主流開源大模型的一站式雲服務平臺,為開發者提供更快、更便宜、更全面、體驗更絲滑的模型API。
目前,SiliconCloud已上架包括DeepSeek-Coder-V2、Stable Diffusion 3 Medium、Qwen2、GLM-4-9B-Chat、DeepSeek V2、SDXL、InstantID在內的多種開源大語言模型、圖片生成模型,支援使用者自由切換符合不同應用場景的模型。同時,SiliconCloud提供開箱即用的大模型推理加速服務,為生成式AI應用帶來更高效的使用者體驗。
我們知道在國內使用OpenAI不太方便同時成本也比較高。現在已經有很多開源的大模型了,但是對於個人開發者而言,部署它們的一大難點是硬體資源。沒有顯示卡,也能部署一些引數少一些的開源大模型,但是推理速度肯定是很慢的,這裡選擇矽基流動的原因是第一,之前註冊送了42元的額度,該額度不會過期,可以一直使用,第二,試了一下推理速度真的很快,第三(也是最重要的一點)(白嫖),矽基流動宣佈:SiliconCloud平臺的Qwen2(7B)、GLM4(9B)、Yi1.5(9B)等頂尖開源大模型免費使用。
構建什麼樣的工具
最近在學習Avalonia,動手做一個小工具實現自己的需求是一個很好的開始。同時對SemanticKernel也比較感興趣,所以選擇從最基本的製作一個基於大模型的聊天應用開始。個人對大模型的一大需求就是翻譯,在檢視英文網站時,遇到不太理解的地方,總喜歡問大模型,將某某某翻譯為中文。因此選擇構建解決自己這個需求的Avalonia練手小工具。該工具的效果如下所示:
聊天
英譯中
中譯英
開始實踐
在SemanticKernel中使用SiliconCloud提供的API服務
要解決的第一個問題就是如何在SemanticKernel中使用SiliconCloud提供的服務。
SemanticKernel中並沒有告訴我們如何連線其他的大模型,但由於SiliconCloud提供的介面是與OpenAI相容的,因此可以透過在傳送請求時,改變傳送請求的地址來實現。
新增OpenAIHttpClientHandler類:
public class OpenAIHttpClientHandler : HttpClientHandler
{
protected override async Task<HttpResponseMessage> SendAsync(HttpRequestMessage request, CancellationToken cancellationToken)
{
UriBuilder uriBuilder;
switch (request.RequestUri?.LocalPath)
{
case "/v1/chat/completions":
uriBuilder = new UriBuilder(request.RequestUri)
{
// 這裡是你要修改的 URL
Scheme = "https",
Host = "api.siliconflow.cn",
Path = "v1/chat/completions",
};
request.RequestUri = uriBuilder.Uri;
break;
}
HttpResponseMessage response = await base.SendAsync(request, cancellationToken);
return response;
}
}
kernel透過這種方式構建:
var handler = new OpenAIHttpClientHandler();
var builder = Kernel.CreateBuilder()
.AddOpenAIChatCompletion(
modelId: "Qwen/Qwen1.5-7B-Chat",
apiKey: "你的apikey",
httpClient: new HttpClient(handler));
_kernel = builder.Build();
_kernel為全域性私有變數:
private Kernel _kernel;
構建頁面
axaml如下所示:
<Window xmlns="https://github.com/avaloniaui"
xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
xmlns:vm="using:AvaloniaChat.ViewModels"
xmlns:d="http://schemas.microsoft.com/expression/blend/2008"
xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"
xmlns:views="clr-namespace:AvaloniaChat.Views"
mc:Ignorable="d" d:DesignWidth="800" d:DesignHeight="450"
x:Class="AvaloniaChat.Views.MainWindow"
Icon="/Assets/avalonia-logo.ico"
Title="AvaloniaChat">
<Design.DataContext>
<!-- This only sets the DataContext for the previewer in an IDE,
to set the actual DataContext for runtime, set the DataContext property in code (look at App.axaml.cs) -->
<vm:MainViewModel />
</Design.DataContext>
<StackPanel>
<Grid>
<Grid.ColumnDefinitions>
<ColumnDefinition Width="*" />
<ColumnDefinition Width="*" />
</Grid.ColumnDefinitions>
<Grid Grid.Column="0">
<StackPanel>
<StackPanel Orientation="Horizontal">
<Button Content="問AI" Margin="10"
Command="{Binding AskCommand}"></Button>
<!--<Button Content="翻譯為:"></Button>-->
<Label Content="翻譯為:"
HorizontalAlignment="Center"
VerticalAlignment="Center"></Label>
<ComboBox ItemsSource="{Binding Languages}"
SelectedItem="{Binding SelectedLanguage}"
HorizontalAlignment="Center"
VerticalAlignment="Center"></ComboBox>
<Button Content="翻譯" Margin="10"
Command="{Binding TranslateCommand}"></Button>
</StackPanel>
<TextBox Height="300" Margin="10"
Text="{Binding AskText}"
TextWrapping="Wrap"
AcceptsReturn="True"></TextBox>
</StackPanel>
</Grid>
<Grid Grid.Column="1">
<StackPanel>
<Button Content="AI回答" Margin="10"></Button>
<TextBox Height="300"
Margin="10"
Text="{Binding ResponseText}"
TextWrapping="Wrap"></TextBox>
</StackPanel>
</Grid>
</Grid>
</StackPanel>
</Window>
介面效果如下所示:
構建ViewModel
ViewModel如下所示:
public partial class MainViewModel : ViewModelBase
{
private Kernel _kernel;
[ObservableProperty]
private string askText;
[ObservableProperty]
private string responseText;
[ObservableProperty]
private string selectedLanguage;
public string[] Languages { get; set; }
public MainViewModel()
{
var handler = new OpenAIHttpClientHandler();
var builder = Kernel.CreateBuilder()
.AddOpenAIChatCompletion(
modelId: "Qwen/Qwen1.5-7B-Chat",
apiKey: "你的apikey",
httpClient: new HttpClient(handler));
_kernel = builder.Build();
AskText = " ";
ResponseText = " ";
SelectedLanguage = " ";
Languages = new string[] { "中文","英文"};
}
[RelayCommand]
private async Task Ask()
{
if(ResponseText != "")
{
ResponseText = "";
}
await foreach (var update in _kernel.InvokePromptStreamingAsync(AskText))
{
ResponseText += update.ToString();
}
}
[RelayCommand]
private async Task Translate()
{
string skPrompt = """
{{$input}}
將上面的輸入翻譯成{{$language}},無需任何其他內容
""";
if (ResponseText != "")
{
ResponseText = "";
}
await foreach (var update in _kernel.InvokePromptStreamingAsync(skPrompt, new() { ["input"] = AskText,["language"] = SelectedLanguage }))
{
ResponseText += update.ToString();
}
}
}
使用流式返回
[RelayCommand]
private async Task Ask()
{
if(ResponseText != "")
{
ResponseText = "";
}
await foreach (var update in _kernel.InvokePromptStreamingAsync(AskText))
{
ResponseText += update.ToString();
}
}
實現效果如下:
寫提示
當我們需要翻譯功能的時候,只需要翻譯文字,其他的內容都不要,簡易的模板如下:
string skPrompt = """
{{$input}}
將上面的輸入翻譯成{{$language}},無需任何其他內容
""";
{{$input}}
與{{$language}}
是模板裡的引數,使用時會被替換,如下所示:
await foreach (var update in _kernel.InvokePromptStreamingAsync(skPrompt, new() { ["input"] = AskText,["language"] = SelectedLanguage }))
{
ResponseText += update.ToString();
}
透過以上這幾個步驟,我們就使用Avalonia製作完成一個簡易的小工具了。