# Senparc.AI
**Repository Path**: yzq/Senparc.AI
## Basic Information
- **Project Name**: Senparc.AI
- **Description**: From【https://github.com/Senparc/Senparc.AI】
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: main
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-29
- **Last Updated**: 2026-06-29
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Senaprc.AI
Senparc 全家桶的 AI 扩展包，目前主要集中于 LLM（大语言模型）的交互。
## 项目介绍
| 名称 | 说明 | Nuget |
|--------|--------|--------|
| Senparc.AI | 为所有标准接口和基础功能的基础模块 | [](https://www.nuget.org/packages/Senparc.AI/) |
| Senparc.AI.AgentKernel | 基于 Senparc.AI 标准，整合多种 AI Agent 能力的扩展内核，便于快速集成与开发 Agent 应用， 同时支持 Chat、Embedding、TTS、STT、Image 等其他 AI 能力。此模块对 [Microsoft Agent Framework](https://github.com/microsoft/agent-framework) 进行了深度封装，支持多种大模型后端以及插件扩展。| [](https://www.nuget.org/packages/Senparc.AI.AgentKernel/) |
| Senparc.AI.Kernel | 基于 Senparc.AI 标准，使用 [SemanticKernel](https://github.com/microsoft/semantic-kernel) 实现的接口调用，可以实现即插即用。| [](https://www.nuget.org/packages/Senparc.AI.Kernel/) |
| `Senparc.AI.PromptRange`
([独立项目](https://github.com/Senparc/Senparc.AI.PromptRange)) | 为基于 Senparc.AI 标准，为“PromptRange（提示词靶场）”生态提供底层标准支持的底层库。目前已经由 [Senparc.Xncf.PromptRange](https://github.com/NeuCharFramework/NcfPackageSources/tree/master/src/Extensions/Senparc.Xncf.PromptRange) 实现，可用于开发基于 PromptRange 的扩展应用，兼容 Web、桌面、手机等系统（支持 .NET 6.0 及以上框架）。[NeuCharFramework(NCF)](https://github.com/orgs/NeuCharFramework) 框架已经默认集成 [Senparc.Xncf.PromptRange](https://github.com/NeuCharFramework/NcfPackageSources/tree/master/src/Extensions/Senparc.Xncf.PromptRange)，可无需修改任何代码，直接使用。（[什么是 PromptRange？](https://github.com/Senparc/Senparc.AI.PromptRange/wiki/What's-PromptRange%3F)） | |
| Senparc.AI.Agents | 基于 Senparc.AI 标准，使用 [AutoGen](https://github.com/microsoft/autogen) 实现的 Agent 集成扩展模块。| [](https://www.nuget.org/packages/Senparc.AI.Agents/) |
## 开发过程
### 第一步：配置账号
在 appsettings.json 中配置 OpenAI 或 Azure OpenAI 等不同类型的 AI 平台的接口信息，如：
``` json
//Senparc.AI 设置
"SenparcAiSetting": {
"IsDebug": true,
"AiPlatform": "NeuCharAI", //注意修改为自己平台对应的枚举值
"NeuCharAIKeys": {
"ApiKey": "", //在 https://www.neuchar.com/Developer/AiApp 申请
"NeuCharEndpoint": "https://www.neuchar.com/", //查看 ApiKey 时可看到 DeveloperId
"ModelName": {
"Chat": "gpt-4o",
"Embedding": "text-embedding-ada-002",
"EmbeddingDimensions": 1536,
"TextCompletion": "gpt-4o-instruct",
"SpeechToText": "whisper",
"TextToSpeech": "tts"
}
},
"AzureOpenAIKeys": {
"ApiKey": "",
"AzureEndpoint": "", //https://xxxx.openai.azure.com/
"AzureOpenAIApiVersion": "2022-12-01", //调用限制请参考：https://learn.microsoft.com/en-us/azure/cognitive-services/openai/quotas-limits
"ModelName": {
"Chat": "gpt-35-turbo"
}
},
"OpenAIKeys": {
"ApiKey": "",
"OrganizationId": "",
"OpenAIEndpoint": null,
"ModelName": {
"Chat": "gpt-35-turbo"
}
},
"HuggingFaceKeys": {
"Endpoint": "", //HuggingFace 的 Endpoint
"ModelName": {
"TextCompletion": "chatglm2"
}
},
"Items": {
// 更多自定义配置
}
}
```
> **说明：以上代码配置的含义如下**
> - `AiPlatform` 为平台类型，可选值包括：
> - `OpenAI`：openai.com 官方接口
> - `NeuCharAI`：Senparc 提供的 https://www.neuchar.com 中转接口
> - `AzureOpenAI`：基于微软 Azure 的 AzureOpenAI 接口（AOAI）
> - `HuggingFace`：HuggingFace 接口
> - `FastAPI`：FastAPI 接口
>
> 系统会自动根据此字段切换对应平台，无需在逻辑代码中进行判断。
> - **配置要点：**
> - **仅当** `AiPlatform` 设置为 `OpenAI` 时，需配置 `OpenAIKeys` 及以下内容。
> - **仅当** `AiPlatform` 设置为 `NeuCharAI` 时，需配置 `NeuCharAIKeys` 及以下内容。
> - **仅当** `AiPlatform` 设置为 `AzureOpenAI` 时，需配置 `AzureOpenAIKeys` 及以下内容。
> - 其他平台类型配置方法类似。
> - 每个平台类型的配置下，均包含一个 `ModelName` 节点，用于指定本平台所需支持的模型类型。例如需将 Chat 接口设为 GPT-4，则可配置：`"Chat": "gpt-4"`。
> **温馨提示：**
> - AzureOpenAI 调用限制请参考：
> - OpenAI 调用限制请参考 OpenAI 后台：
#### 进阶（一）：配置多模型环境
#### 进阶（二）：动态配置模型参数
### 第二步：开发
Senparc.AI 使用了创新的对话式编程体验，您无需了解过多不同平台、SDK 的详细用法，只需要按照自己的想法进行定义和编程，最后接收结果，以目前最火的聊天场景（Chat）为例：
```C#
//获取 AI 模型配置（从 appsettings.json 自动读取）
var aiSetting = Senparc.AI.Config.SenparcAiSetting;
// 创建 AI Handler 处理器（也可以通过工厂依赖注入）
var handler = new SemanticAiHandler(aiSetting);
// 定义 AI 接口调用参数和 Token 限制等
var promptParameter = new PromptConfigParameter()
{
MaxTokens = 2000,
Temperature = 0.7,
TopP = 0.5,
};
// 准备运行
var userId = "JeffreySu";//区分用户
var iWantToRun =
handler.IWantTo()
.ConfigModel(aiSetting.ModelName.Chat, userId, modelName)
.BuildKernel()
.RegisterSemanticFunction("ChatBot", "Chat", promptParameter)
.iWantToRun;
// 输入/提问，获取结果
var prompt = "请问中国有多少人口？";
var aiRequest = iWantToRun.CreateRequest(prompt, true, true);
var aiResult = await iWantToRun.RunAsync(aiRequest);
//aiResult.Result 结果：中国的人口约为13.8亿。
```
## 示例
所有快速参考示例位于 `/Samples/` 文件夹内
文件夹 | 说明
------|--------
Samples/Senparc.AI.Samples.AgentKernelConsoles | AgentKernel 命令行示例
Samples/Senparc.AI.Samples.Consoles | 命令行
Samples/Senparc.AI.Samples.Agents | Agent（智能体）测试，已集成 AutoGen
## 命令示例行使用说明
### 1. 打开解决方案
打开解决方案 `Senparc.AI.sln`，设置 appsettings.json 中 ApiKey 等平台参数，启动项目 `Senparc.AI.Samples.Consoles`：
### 2. 操作
#### 2.1 对话
输入 `1`，进入对话操作：
#### 2.2 TextCompletion
在主界面输入 `2` 进入 TextCompletion 操作：
#### 2.3 Embedding
在主界面输入 `3` 即可进入 Embedding 操作，Embedding 分为常规信息和引用信息两类，将在下一步中做选择：
#### 2.3.1 常规 Embedding（Information）
选择 `1`，进入到常规 Embedding 测试，输入信息由 3 个英文冒号分割，录入完成后输入 `n` 开始对话测试：
#### 2.3.2 引用 Embedding（Reference）
2.2.2 上一步选择 `2`，进入到引用 Embedding 测试，输入信息由 3 个英文冒号分割，录入完成后输入 `n` 开始对话测试：
#### 2.4 DallE 绘图操作
初始界面中输入 `4`，进入 DallE 接口的绘图操作：
结果将以 URL 的形式返回，此时出入 `s` ，可保存图片到本地：
> 注意：接口返回的 URL 是一个暂存地址，不可用于持久化的展示，需要及时保存，
## 单元测试
## TODO:
1. [x] 实现更多模型和模式的匹配。
1. [x] 实现全自动的工厂模块自动配置。
1. [x] 集成到 [Senaprc.Weixin SDK](https://github.com/JeffreySu/WeiXinMPSDK)，0 逻辑代码实现 AI 能力接入（聊天场景为主）。
1. [x] 集成到 [NeuCharFramework](https://github.com/NeuCharFramework/NCF)，0 逻辑代码实现 AI 能力接入（开发和云运营场景为主）。
1. [x] 完成更多默认模型适配（目前已经提供自定义扩展能力）
1. [ ] 完善独立文档