AI Agent 中文学习指南

主题

08 · 02.dotnet-agent-framework-workflow-ghmodel-sequential ​

返回：多 Agent 协作 · 不可变原始文件

原课程补充材料

根据对应简体中文译本整理。原代码片段未进行云端验证。

⏩ 使用 Azure OpenAI （Responses API）进行顺序 Agent 工作流（.NET） ​

📋 高级顺序处理教程 ​

本笔记本演示了如何使用 .NET 的 Microsoft Agent Framework 和 Azure OpenAI（Responses API）实现 顺序工作流模式 。你将学习如何构建复杂的逐步处理流水线，Agent 按特定顺序执行，每个阶段基于前一阶段的结果展开。

🎯 学习目标 ​

🔄 顺序处理架构 ​

  • 线性工作流设计 ：创建具有清晰依赖关系的逐步处理流水线
  • 状态管理 ：维护跨顺序工作流阶段的上下文和数据流
  • Azure OpenAI（Responses API） ：在多阶段 .NET 工作流中利用 Azure OpenAI 模型
  • 企业流水线模式 ：构建可用于生产的顺序处理系统

🏗️ 高级顺序模式 ​

  • 阶段门控处理 ：在工作流阶段间实现验证检查点
  • 上下文保留 ：维护所有阶段的状态和累积知识
  • 错误传播 ：优雅地处理顺序处理链中的失败
  • 性能优化 ：高效的顺序执行，开销最小化

🏢 企业顺序应用 ​

  • 文档处理流水线 ：多阶段文档分析、转换和验证
  • 质量保证工作流 ：顺序审核、验证和审批流程
  • 内容生产流水线 ：调研 → 写作 → 编辑 → 审核 → 发布
  • 业务流程自动化 ：具有明确阶段依赖关系的多步骤业务工作流

⚙️ 前置条件与设置 ​

📦 必备 NuGet 包 ​

.NET 顺序工作流所需的核心包：

xml

<PackageReference Include="Microsoft.Extensions.AI" Version="10.*" />


<PackageReference Include="Azure.AI.OpenAI" Version="2.*" />


<PackageReference Include="Azure.Identity" Version="1.15.0" />
<PackageReference Include="System.Linq.Async" Version="6.0.3" />

🔑 Azure OpenAI 配置 ​

环境设置（.env 文件）：

text
AZURE_OPENAI_ENDPOINT=https://<your-resource>.openai.azure.com
AZURE_OPENAI_DEPLOYMENT=gpt-5-mini

配置管理：

csharp
// Load environment variables securely
Env.Load("../../../.env");
var azureEndpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT");
var deployment = Environment.GetEnvironmentVariable("AZURE_OPENAI_DEPLOYMENT");

🏗️ 顺序工作流架构 ​

原课程流程图 · 保留原图节点与关系
查看 Mermaid 源码
graph TD
    A[Initial Input] --> B[Stage 1: 分析代理]
    B --> C[检查点 1]
    C --> D[Stage 2: 处理代理]
    D --> E[检查点 2]
    E --> F[Stage 3: 验证代理]
    F --> G[最终输出]
    
    H[状态上下文] --> B
    H --> D
    H --> F
    
    I[Azure OpenAI（响应 API）] --> B
    I --> D
    I --> F

关键组件：

  • 顺序 Agent ：为每个处理阶段提供专门 Agent
  • 状态上下文 ：维护跨阶段的累积数据和决策
  • 检查点 ：阶段间的验证点，确保质量和一致性
  • Azure OpenAI 客户端 ：所有工作流阶段一致访问 AI 模型

🎨 顺序工作流设计模式 ​

📝 文档处理流水线 ​

Raw Document → Content Extraction → Analysis → Validation → Structured Output

🎯 内容创作工作流 ​

Brief/Requirements → Research → Content Creation → Review → Final Polish

🔍 质量保证流水线 ​

Initial Review → Technical Validation → Compliance Check → Final Approval

💼 商业智能工作流 ​

Data Collection → Processing → Analysis → Report Generation → Distribution

🏢 企业顺序优势 ​

🎯 可靠性与质量 ​

  • 确定性处理 ：通过结构化阶段实现一致且可重复的结果
  • 质量关卡 ：验证检查点确保各阶段质量
  • 错误隔离 ：一阶段的问题不传播至后续阶段
  • 审计跟踪 ：完整跟踪每个阶段的决策和转换

📈 可扩展性与性能 ​

  • 模块化设计 ：各阶段可独立优化
  • 资源管理 ：跨阶段高效分配 AI 模型资源
  • 状态优化 ：各阶段间最小化状态传递以优化性能
  • 并行阶段组 ：允许多个顺序工作流并行运行

🔒 安全性与合规性 ​

  • 阶段级安全 ：不同处理阶段应用不同安全策略
  • 数据验证 ：确保每个检查点数据完整和合规
  • 访问控制 ：对不同工作流阶段实施细粒度权限
  • 法规合规 ：通过结构化处理满足法规要求

📊 监控与分析 ​

  • 阶段级指标 ：监控每个工作流阶段性能
  • 瓶颈识别 ：识别并优化缓慢阶段
  • 质量指标 ：跟踪每阶段的质量和成功率
  • 流程优化 ：基于阶段级分析不断改进

让我们一起构建稳健的顺序 AI 处理流水线！🚀

💻 运行代码 ​

完整实现见 02.dotnet-agent-framework-workflow-ghmodel-sequential.cs。该文件展示了一个 三阶段家具分析工作流 ：

  1. 阶段 1 - 销售 Agent ：分析家具图片并提供购买建议
  2. 阶段 2 - 价格 Agent ：提供详细价格细目和预算选项
  3. 阶段 3 - 报价 Agent ：生成专业的 Markdown 格式报价文档

🏗️ 工作流架构 ​

Image Input → Sales Analysis → Price Estimation → Quote Generation → Final Output

每个 Agent：

  • 接收前一阶段的输出作为上下文
  • 利用专业知识构建前期分析结果
  • 通过状态管理保持工作流连续性

🚀 运行示例 ​

前置条件：

  • 将家具图片放在 ../imgs/home.png（或更新 imgPath 变量）
  • 配置 .env 文件，包含 Azure OpenAI 端点和部署信息，然后执行 az login 登录
bash
# 使脚本可执行（Unix/Linux/macOS）
chmod +x 02.dotnet-agent-framework-workflow-ghmodel-sequential.cs

# 运行顺序工作流
./02.dotnet-agent-framework-workflow-ghmodel-sequential.cs

或在 Windows：

powershell
dotnet run 02.dotnet-agent-framework-workflow-ghmodel-sequential.cs

📝 预期输出 ​

工作流将：

  1. 销售 Agent ：从图片识别家具项目并提供建议
  2. 价格 Agent ：增加详细定价分析，包含预算级别和购物建议
  3. 报价 Agent ：生成包含所有信息综合的格式化报价文档

最终输出将是基于图片分析的全面、专业家具报价单。

🔧 自定义选项 ​

修改 Agent 行为：

csharp
// Adjust agent instructions to change their focus
const string SalesAgentInstructions = "Your custom instructions...";

更改顺序流程：

csharp
// Add or reorder workflow stages
var workflow = new WorkflowBuilder(salesagent)
    .AddEdge(salesagent, priceagent)
    .AddEdge(priceagent, quoteagent)
    .AddEdge(quoteagent, newAgent)  // Add another stage
    .Build();

使用不同输入：

csharp
// Process text instead of images
ChatMessage userMessage = new ChatMessage(ChatRole.User, [
    new TextContent("Analyze pricing for a modern living room set")
]);

🎯 真实应用场景 ​

该顺序模式适用于：

  • 电子商务 ：产品分析 → 定价 → 报价生成
  • 房地产 ：物业分析 → 估价 → 上架创建
  • 保险 ：理赔分析 → 评估 → 报价生成
  • 内容创作 ：调研 → 写作 → 编辑 → 发布

🔍 理解状态流 ​

顺序中每个 Agent 接收：

  • 原始输入 ：初始用户消息（图片+文本）
  • 前序 Agent 输出 ：会话历史中所有先前 Agent 响应
  • 累积上下文 ：贯穿工作流的完整状态维护

这使得多阶段复杂处理成为可能，每个 Agent 基于全部前序阶段的综合上下文进行构建。

基于 Microsoft AI Agents for Beginners · 非官方中文学习版

原课程 © Microsoft Corporation · MIT License

100%