JaydenAI的博客

MAF框架通过FunctionInvokingChatClient中间件驱动AIFunction调用，但默认仅将结果封装为Tool角色的ChatMessage，无法像LangChain工具那样灵活添加结构化消息。为解决此问题，演示程序利用MessageInjectingChatClient在银行转账工具中动态注入风控提示消息：当检测到未确认转账时，注入Assistant消息警告欺诈风险并索要验证码；若已确认则直接执行转账。通过会话状态管理两次调用差异，输出结果显示风险拦截与成功转账的不同流程。此

本文介绍了CachingChatClient中间件，它通过缓存LLM调用结果来减少重复请求，节省时间和费用。该中间件将LLM视为纯函数，对相同输入返回缓存结果而非重新调用。演示程序展示了如何使用DistributedCachingChatClient子类配合内存缓存实现该功能：首次调用触发LLM请求并缓存结果，后续相同请求直接返回缓存，清除缓存后再次触发新请求。文章还分析了CachingChatClient抽象类的核心实现，包括缓存开关和键生成机制。

FunctionInvokingChatClient是实现Agent核心功能的关键中间件，主要承担两项核心功能：1）通过ReAct循环实现推理与工具调用的交替执行，解决复杂任务；2）为敏感工具函数引入人机交互审批流程。演示代码展示了如何利用该中间件实现天气查询的ReAct工作流和银行转账的审批机制，前者自动完成"思考-行动-观察"循环，后者在敏感操作前生成审批请求等待用户确认。该设计既保证了Agent的自动化执行能力，又为关键操作提供了必要的安全控制。

本文介绍了如何利用OpenTelemetry为LLM调用添加可观测性支持。通过OpenTelemetryChatClient中间件，开发者可以方便地获取链路跟踪和性能指标数据。文章演示了在本地使用Docker搭建Jaeger、Prometheus和Grafana监控环境的过程，并提供了一个C#控制台应用示例，展示如何集成OpenTelemetry SDK来收集和输出LLM调用的监控数据。示例中创建了多层级的Activity来模拟调用链，并通过配置不同的Exporter将数据发送到控制台、Jaeger和Pro

摘要 本文探讨了ChatHistoryProvider的默认存档机制及其局限性。默认情况下，该提供者在ReAct循环结束后才存档所有消息，存在数据丢失风险。作者通过自定义ChatHistoryProviderWrapper中间件实现细粒度存档，在每次迭代时保存消息。演示程序验证了这一点：当查询苏州天气时，系统会依次调用位置查询和天气预报工具，默认设置下这些中间消息仅在最终存档，而使用包装类后每次工具调用都会即时保存。这种改进确保了对话历史的完整性和可靠性，特别适用于需要记录详细交互过程的场景。

本文介绍了一种结合大语言模型(LLM)与专业图片生成模型的解决方案。通过开发ImageGeneratingChatClient中间件，用户可以自然语言描述图片需求，由LLM生成专业提示词，再由ImageGenerator调用图片生成API实现高质量图片输出。文章包含具体实现：1)定义ImageGenerator类处理API调用和错误处理；2)展示如何通过中间件构建对话循环，实现从自然语言描述到图片生成的全流程。该方案降低了用户直接编写专业提示词的门槛，提升了图片生成体验。

本文介绍了两种动态配置ChatOptions的方法：1)通过ConfigureOptionsChatClient中间件动态切换AI模型，示例展示了交替使用gpt-5.2-chat和DeepSeek-V4-Pro模型生成幽默回复；2)通过AIContextProviderChatClient中间件结合CompactionProvider实现对话历史摘要功能，利用SummarizationCompactionStrategy在保持语义前提下精简对话历史。两种方法都通过构建器模式灵活配置IChatClient，前

本文介绍了ReducingChatClient中间件的设计目的和实现原理，该组件通过精简对话历史来优化LLM的决策质量。主要内容包括： 问题背景：过多的对话上下文会干扰Agent判断，需要合理精简以腾出上下文窗口空间。 核心实现： 基于IChatReducer接口设计摘要功能 SummarizingChatReducer实现通过LLM生成对话摘要 提供targetCount和threshold参数控制摘要触发条件 边界保护机制： 保持工具调用完整性 避免用户问题孤立 提供自定义提示词功能 应用效果：演

LoggingChatClient是一个用于记录LLM调用的中间件，继承自DelegatingChatClient。它会在调用前后输出日志，记录输入输出内容、时间戳等信息，支持通过日志级别控制输出详细程度。演示代码展示了如何将其与OpenAIClient集成，在Debug级别记录调用状态，在Trace级别还会输出完整的请求响应内容，便于调试和监控Agent行为。