公司新聞

在與Jeff Fritz的.NET AI訓練營學到了什麼

更新:

請參閱 Jeff Fritz .NET AI Bootcamp - https://www.youtube.com/live/nJYB9Fb0hr4

Iron Software 自豪地贊助了 Jeff Fritz 的 8 小時 .NET AI Bootcamp，為 .NET 社群提供了所需的：一個全面的實用工作坊，將 AI 從流行語轉變為實際開發工具。 這不是另一個理論概述，Jeff Fritz 從頭開始構建工作的應用程式，演示了開發者可以立即應用的現實世界實施模式。 第二場針對 .NET Aspire 的工作坊將於下周舉行，您可以在此處找到更多資訊。

作為我們持續支持 .NET 開發者教育和社群成長的一部分，Iron Software 和 Jeff Fritz 使這場免費的全天虛擬活動成為可能，惠及全球數千開發者。這個工作坊展示了我們對促進 .NET 生態系統中創新和合作的承諾。

工作坊環境和設置

訓練營強調將會議視為專注的工作坊，而不是被動觀看。 Jeff Fritz 建議使用 .NET 9 Preview、Docker 和適當的 GitHub token 設置來獲取模型，保持乾淨的開發環境。

GitHub token 設置被證明非常簡單：導航到開發者設置，創建對模型具有讀取訪問權限的細粒度 token，並設置適當的到期時間。 GitHub 的開放模型提供免費訪問 GPT-4 Mini，不需 OpenAI 或 Azure 訂閱。

Jeff Fritz 展示了三種部署選項：GitHub Models 用於免費訪問、Azure OpenAI Service 用於企業功能，以及 Ollama 用於完全的本地隱私。 關鍵見解是供應商的靈活性； 應用程式可以在不重新編寫代碼的情況下在服務之間切換。

構建真正的應用程式：測驗應用程式

Fritz 沒有展示另一個聊天機器人，而是使用 Blazor Server 構建了一個實用的測驗應用程式。 該應用程式生成任何主題的動態問答題，展示了真實世界的 AI 整合模式。

實施突出了通過 Microsoft.Extensions.AI 依賴注入的乾淨整合，使 AI 服務如同日誌記錄或 HTTP 客戶端一樣易於訪問。 應用程式展示了提示鏈接運作，展示了多個 AI 呼叫如何協同工作創建複雜的用戶體驗。

Microsoft.Extensions.AI：統一的供應商抽象

Microsoft.Extensions.AI 成為工作坊中最重要的技術揭示。 此套件提供跨 AI 供應商的統一抽象，允許應用程式通過一致的介面與 OpenAI、Ollama 或 GitHub Models 協作。

抽象在 Program.cs 中使用熟悉的 .NET 依賴注入模式註冊 AI 客戶端。 應用程式會依據要求、成本或部署限制編寫對著一致的介面，同時保持完全靈活性以更改供應商。

從第一天開始的安全最佳實踐

Jeff Fritz 強調在開發過程中適當地管理秘密。 工作坊涵蓋了 .NET 使用者秘密的發展，避免將 API 密鑰放入配置文件中，並防止憑證提交到源代碼控制。

專注於安全優先的開發而非後期程序糾正，這在許多 AI 實施中解決了一個關鍵缺口。 因為 AI 應用程式經常需要多個 API 密鑰和服務憑證，所以早期建立安全範式可以防止顯著的安全漏洞。

檢索增強生成（RAG）：必要模式

工作坊最有價值的部分涵蓋了檢索增強生成的實施。 Fritz 構建了一個完整的系統，處理文檔、創建塊、生成向量嵌入、將它們存儲在內存中，並在生成響應之前將用戶查詢匹配到相關內容。

Fritz 描述 RAG 為 "適用於法律、財務、知識庫及其他領域的現實世界最強大模式。" 此模式將 AI 從一般的問答轉變為理解和推理特定組織數據的應用，解鎖顯著的商業價值。

演示顯示了從簡單問答進展到可理解公司文檔、政策和知識庫的應用程式，這些實際 AI 實施能夠帶來可衡量的商業影響。

使用 Ollama 的本地開發

對於需要完全控制或避免外部 API 依賴的開發者，Jeff Fritz 展示了使用 Docker 中的 Ollama 進行本地 AI 開發。 該設置涉及拉取 Docker 映像、在可用時配置 GPU 支持，並下載適當的模型。

本地部署提供完全的隱私，消除了外部依賴，並且需要極少的硬件資源。 Fritz 多次強調，有意義的 AI 開發並不需要昂貴的 GPU 硬件； 標準開發機器可以有效地處理大多數工作流程。

實用提示工程

工作坊包括可操作的提示工程技術，避免過於簡化或不必要的複雜性。 Fritz 示範了結構化提示和對話角色，展示了像 "你是一位 .NET 專家幫助一位初級開發者" 的上下文如何顯著提高回應質量。

測驗應用程式展示了維護對話上下文和引導 AI 回應，這是生產應用程式中至關重要的能力，超越單次查詢互動。

當前限制和現實期望

Jeff Fritz 提供了對當前 AI 限制的誠實評估。 大多數大型語言模型在英文中表現最佳，在其他語言中生成較不可靠的結果，這是一個需要生態系統持續改進的領域。

成本分析顯示 GitHub Models 對於學習和小型項目是真正免費的，而 Azure OpenAI 提供按次 token 計費，這些價格對於合理的規模來說仍然是負擔得起的。 主要優勢在於從免費層開始並能夠在無需代碼更改的情況下擴展。

硬件要求依然是可達到的； 標準開發筆記本電腦能夠處理 AI 開發流程，並且本地模型在簡便的硬件配置上有效運行。

入門：資源和後續步驟

訓練營的資料庫在 github.com/csharpfritz/ai-bootcamp 包含完整的示例、Docker 配置、Blazor 模板和模型設置說明。 YouTube 重播將使那些錯過現場會議的人能夠隨代碼學習。

推薦的進階路徑：

  1. 開始 GitHub Models 的無成本試驗
  2. 克隆訓練營資料庫並實施測驗應用程式
  3. 探索 Microsoft.Extensions.AI 抽象和供應商靈活性
  4. 使用展示的模式構建 RAG 應用程式
  5. 當專案需求證明其複雜性時，擴展至 Azure 或本地模型

更廣泛的影響

這次訓練營展示了 .NET 中的 AI 整合已超越實驗階段，進入標準開發實踐。Microsoft.Extensions.AI 的供應商抽象、GitHub 模型的可訪問 LLM 使用，以及像 RAG 這樣的經驗模式的結合，為 .NET 開發者創造了具體的機會。

開發路徑比許多人預期的更加清晰。 開發者不需要擁有 AI 專業知識來構建智能應用程式； .NET 生態系統現在提供抽象，允許專注於應用邏輯，而不是 AI 集成的複雜性。

Jeff Fritz 的工作坊證明，開發者可以在一天之內從零 AI 知識進展到功能性應用程式。 對於對 AI 實施感興趣但不確定切入點的 .NET 開發者，這次訓練營展示了技術的可達性。

為什麼這很重要

當 Iron Software 繼續支持 .NET 社群創新時，像 Fritz 的訓練營此類活動正是推動生態系統前進的實用、實用學習。 這不是理論上的 AI 討論，而是開發人員可以立即在生產應用實施的可操作知識。

此工作坊證實了 .NET 社群所懷疑的：AI 整合正在成為開發者工具包的標準部分，而不是專門環節。 有了適當的抽象、可訪問的模型和經驗模式，進入壁壘已顯著降低。

對於正在評估 AI 整合的組織，信息已經明確：工具已存在，模式已被驗證，.NET 生態系統提供了可靠、可擴展的 AI 驅動應用的基礎。 問題不在於是否整合 AI，而是團隊能夠多快適應這些模式以提供商業價值。

專注於使您的應用程式獨特的點

在將 AI 功能納入您的應用程式時，請記得某些基礎組件更應交由經驗豐富企業級解決方案。 與其浪費開發時間重新創造 PDF 生成、OCR 處理或條碼閱讀功能，開發者應專注於應用程式獨特的價值主張。

Iron Software 的 .NET 程式庫集能夠處理這些基礎設施擔憂，從而讓開發團隊專注於 AI 功能和業務邏輯，從而使他們的應用程式與眾不同。 從 IronPDF 進行文件處理到 IronOCR 用於智能文本提取，這些經過戰鬥考驗的程式庫無縫整合到現代 AI 工作流程中。

今天開始構建智能應用程式

準備實施 Fritz 工作坊中展示的模式了嗎？Iron Software 提供我們完整 .NET 程式庫套件的免費試用，讓您訪問能夠完善 AI 集成的文件處理和數據提取工具。

免費試用 Iron Suite。

我們的程式庫與 Fritz 展示的 Microsoft.Extensions.AI 模式一起工作，支持快速開發將 AI 智慧和強大文件處理能力結合的複雜應用程式。 不論您是構建處理 PDF 的 RAG 系統、提取掃描文檔數據的應用程式還是生成智能報告的工作流程，Iron Software 提供的基礎工具讓您專注於創新而不是實施的複雜性。