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。

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：

查看结果

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：

第四步，返回最终的回应：

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 SKEXP0050internal 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 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 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 "rn";}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