Avalonia是什么？
Avalonia是一个跨平台的UI框架，专为.NET开发打造，提供灵活的样式系统，支持Windows、macOS、Linux、iOS、Android及WebAssembly等多种平台。它已成熟并适合生产环境，被Schneider Electric、Unity、JetBrains和GitHub等公司采用。
许多人认为Avalonia是WPF的继任者，它为XAML开发人员提供了一种熟悉且现代的跨平台应用开发体验。尽管与WPF相似，但Avalonia并非完全复制，而包含了许多改进。
SemanticKernel是什么？
Semantic Kernel是一个SDK，它可以将大型语言模型（如OpenAI、Azure OpenAI和Hugging Face）与常规编程语言（如C#、Python和Java）整合。特殊之处在于，Semantic Kernel通过允许定义和链式调用插件，能够自动调度并组合这些AI模型。其功能是，用户可以向LLM提出个性化目标，由Semantic Kernel的规划器生成实现目标的计划，然后由系统自动执行这份计划。
硅基流动介绍
硅基流动致力于打造大模型时代的AI基础设施，通过算法、系统和硬件的协同创新，跨数量级降低大模型应用成本和开发门槛，加速AGI普惠人类。
SiliconCloud是集合主流开源大模型的一站式云服务平台，为开发者提供更快、更便宜、更全面、体验更丝滑的模型API。
目前，SiliconCloud已上架包括DeepSeek-Coder-V2、Stable Diffusion 3 Medium、Qwen2、GLM-4-9B-Chat、DeepSeek V2、SDXL、InstantID在内的多种开源大语言模型、图片生成模型，支持用户自由切换符合不同应用场景的模型。同时，SiliconCloud提供开箱即用的大模型推理加速服务，为生成式AI应用带来更高效的用户体验。
我们知道在国内使用OpenAI不太方便同时成本也比较高。现在已经有很多开源的大模型了，但是对于个人开发者而言，部署它们的一大难点是硬件资源。没有显卡，也能部署一些参数少一些的开源大模型，但是推理速度肯定是很慢的，这里选择硅基流动的原因是第一，之前注册送了42元的额度，该额度不会过期，可以一直使用，第二，试了一下推理速度真的很快，第三（也是最重要的一点）（白嫖），硅基流动宣布：SiliconCloud平台的Qwen2(7B)、GLM4(9B)、Yi1.5（9B）等顶尖开源大模型免费使用。
构建什么样的工具
最近在学习Avalonia，动手做一个小工具实现自己的需求是一个很好的开始。同时对SemanticKernel也比较感兴趣，所以选择从最基本的制作一个基于大模型的聊天应用开始。个人对大模型的一大需求就是翻译，在查看英文网站时，遇到不太理解的地方，总喜欢问大模型，将某某某翻译为中文。因此选择构建解决自己这个需求的Avalonia练手小工具。该工具的效果如下所示：
聊天
英译中
中译英
开始实践
在SemanticKernel中使用SiliconCloud提供的API服务
要解决的第一个问题就是如何在SemanticKernel中使用SiliconCloud提供的服务。
SemanticKernel中并没有告诉我们如何连接其他的大模型，但由于SiliconCloud提供的接口是与OpenAI兼容的，因此可以通过在发送请求时，改变发送请求的地址来实现。
添加OpenAIHttpClientHandler类：
public class OpenAIHttpClientHandler : HttpClientHandler
{protected override async Task<HttpResponseMessage> SendAsync(HttpRequestMessage request, CancellationToken cancellationToken){UriBuilder uriBuilder;switch (request.RequestUri?.LocalPath){case "/v1/chat/completions":uriBuilder = new UriBuilder(request.RequestUri){// 这里是你要修改的 URLScheme = "https",Host = "api.siliconflow.cn",Path = "v1/chat/completions",};request.RequestUri = uriBuilder.Uri;break;}HttpResponseMessage response = await base.SendAsync(request, cancellationToken);return response;}
}
kernel通过这种方式构建：
var handler = new OpenAIHttpClientHandler();
var builder = Kernel.CreateBuilder()
.AddOpenAIChatCompletion(modelId: "Qwen/Qwen1.5-7B-Chat",apiKey: "你的apikey",httpClient: new HttpClient(handler));
_kernel = builder.Build();
_kernel为全局私有变量：
private Kernel _kernel;
构建页面
axaml如下所示：
<Window xmlns="https://github.com/avaloniaui"xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"xmlns:vm="using:AvaloniaChat.ViewModels"xmlns:d="http://schemas.microsoft.com/expression/blend/2008"xmlns:mc="http://schemas.openxmlformats.org/markup-compatibility/2006"xmlns:views="clr-namespace:AvaloniaChat.Views"mc:Ignorable="d" d:DesignWidth="800" d:DesignHeight="450"x:Class="AvaloniaChat.Views.MainWindow"Icon="/Assets/avalonia-logo.ico"Title="AvaloniaChat"><Design.DataContext><!-- This only sets the DataContext for the previewer in an IDE,to set the actual DataContext for runtime, set the DataContext property in code (look at App.axaml.cs) --><vm:MainViewModel /></Design.DataContext><StackPanel><Grid><Grid.ColumnDefinitions><ColumnDefinition Width="*" /><ColumnDefinition Width="*" /></Grid.ColumnDefinitions><Grid Grid.Column="0"><StackPanel><StackPanel Orientation="Horizontal"><Button Content="问AI" Margin="10"Command="{Binding AskCommand}"></Button><!--<Button Content="翻译为："></Button>--><Label Content="翻译为："HorizontalAlignment="Center"VerticalAlignment="Center"></Label><ComboBox ItemsSource="{Binding Languages}"SelectedItem="{Binding SelectedLanguage}"HorizontalAlignment="Center"VerticalAlignment="Center"></ComboBox><Button Content="翻译" Margin="10"Command="{Binding TranslateCommand}"></Button></StackPanel> <TextBox Height="300" Margin="10"Text="{Binding AskText}"TextWrapping="Wrap"AcceptsReturn="True"></TextBox></StackPanel> </Grid><Grid Grid.Column="1"><StackPanel><Button Content="AI回答" Margin="10"></Button><TextBox Height="300" Margin="10"Text="{Binding ResponseText}"TextWrapping="Wrap"></TextBox></StackPanel> </Grid>
</Grid> </StackPanel>
</Window>
界面效果如下所示：
构建ViewModel
ViewModel如下所示：
public partial class MainViewModel : ViewModelBase
{ private Kernel _kernel;[ObservableProperty]private string askText;[ObservableProperty]private string responseText;[ObservableProperty]private string selectedLanguage;public string[] Languages { get; set; }public MainViewModel(){var handler = new OpenAIHttpClientHandler();var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId: "Qwen/Qwen1.5-7B-Chat",apiKey: "你的apikey",httpClient: new HttpClient(handler));_kernel = builder.Build();AskText = " ";ResponseText = " ";SelectedLanguage = " ";Languages = new string[] { "中文","英文"};}[RelayCommand]private async Task Ask(){ if(ResponseText != ""){ResponseText = "";}await foreach (var update in _kernel.InvokePromptStreamingAsync(AskText)){ResponseText += update.ToString(); } }[RelayCommand]private async Task Translate(){string skPrompt = """{{$input}}将上面的输入翻译成{{$language}}，无需任何其他内容""";if (ResponseText != ""){ResponseText = "";}await foreach (var update in _kernel.InvokePromptStreamingAsync(skPrompt, new() { ["input"] = AskText,["language"] = SelectedLanguage })){ResponseText += update.ToString();}}
}使用流式返回
[RelayCommand]
private async Task Ask()
{ if(ResponseText != ""){ResponseText = "";}await foreach (var update in _kernel.InvokePromptStreamingAsync(AskText)){ResponseText += update.ToString(); }
}
实现效果如下：
写提示
当我们需要翻译功能的时候，只需要翻译文本，其他的内容都不要，简易的模板如下：
string skPrompt = """{{$input}}将上面的输入翻译成{{$language}}，无需任何其他内容""";
{{$input}}与{{$language}}是模板里的参数，使用时会被替换，如下所示：
await foreach (var update in _kernel.InvokePromptStreamingAsync(skPrompt, new() { ["input"] = AskText,["language"] = SelectedLanguage })){ResponseText += update.ToString();}
通过以上这几个步骤，我们就使用Avalonia制作完成一个简易的小工具了。
