SimpleAIAgent：使用免费的glm-4-flash即可开始构建简单的AI Agent应用

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。

翻译文本并将文本存入文件

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：

第二步，LLM帮我们调用这个函数，并返回结果：

第三步，LLM再次判断需要调用的函数与参数：

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：

第六步，返回最终的回应：

查看结果

会发现桌面多了一个文件，打开如下所示：

以上AI Agent应用使用glm-4-flash即可实现，当然也可以尝试其他模型，模型越强，成功概率越高。

实现文件到文件的翻译

输入：

文件1.txt的内容如下：

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：

第二步，LLM帮我们调用这个函数，并返回结果：

第三步，LLM判断任务已经完成，调用结束函数：

第四步，返回最终的回应：

查看结果

实现要点

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<string> 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<string> 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() + "\r\n";}        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;}}