Architecture | The .NET Blog

SDD Conference 2026

Mon, 11 May 2026 00:00:00 +0000

SDD 2026 于 2026年5月11日至15日 在 伦敦 Barbican Centre 举办。为期3天的核心大会从周二到周四，周一和周五有可选的全天工作坊。

拥有 78场演讲 和 14场工作坊，是欧洲内容最丰富的开发者大会之一。

主题

架构思维
C# 13 中的函数式代码
无服务器设计
语义 AI
Azure Kubernetes Services
精益 DevOps 策略
模型上下文协议 (MCP)
.NET 中的智能代理 AI
重构单体应用
使用 LLM 更快编程
后量子世界中的密码学
本地优先开发

演讲者

世界级阵容包括 Kevlin Henney、Neal Ford、Sander Hoogendoorn、Andrew Clymer、Jacqui Read、Christian Weyer、Jeff Prosise、Jules May、Oliver Sturm 和 Raju Gandhi。

门票和信息

98%的 SDD 2025 参会者将整体体验评为"好"、“非常好"或"优秀”。

使用.NET可组合技术栈构建AI驱动的会议应用

Emiliano Montesdeoca — Wed, 06 May 2026 00:00:00 +0000

本文已自动翻译。要查看原始版本，请点击此处.

使用.NET可组合技术栈构建AI驱动的会议应用 — Microsoft通过组合五个.NET扩展库，构建了ConferencePulse——一个用于实时会议演讲的Blazor Server应用。该应用在MVP Summit上投入使用。

ConferencePulse的功能

ConferencePulse在实时演讲期间运行，提供以下功能：根据演讲内容AI生成的投票、通过RAG管道从实时知识库提取信息的观众问答、自动生成的洞察，以及由多个并发AI代理生成的演讲摘要。技术栈为.NET 10、Blazor Server、Aspire，分为五个项目：Web、Core、Ingestion、Agents、Mcp和AppHost。

Microsoft.Extensions.AI：万物的统一抽象

IChatClient是统一的抽象层——配置一次，同一接口可用于Azure OpenAI、OpenAI、Anthropic或任何其他提供商。六行代码即可获得具备函数调用、OpenTelemetry追踪和日志中间件的完整配置客户端：

services.AddChatClient(new AzureOpenAIClient(...).GetChatClient("gpt-4o"))
 .UseFunctionInvocation()
 .UseOpenTelemetry()
 .UseLogging();

同一个IChatClient在后续数据摄取的增强步骤中被复用——无需为此创建单独的客户端。

DataIngestion管道

演讲内容通过管道流转：MarkdownReader → HeaderChunker（500个token，50个token重叠）→ SummaryEnricher + KeywordEnricher → VectorStoreWriter（Qdrant）。增强器使用同一个IChatClient在索引前生成摘要并提取关键词。观众问题、问答对和投票结果在演讲进行期间实时摄取——知识库在演讲过程中持续增长。

VectorData：与提供商无关的搜索

无论底层存储是Qdrant还是Azure AI Search，VectorStoreCollection.SearchAsync()的工作方式相同。支持混合搜索（向量+全文检索）。观众问答的RAG管道查询该集合，获取相关文本块作为上下文传递给聊天客户端。

MCP：作为工具的演讲内容

演讲内容通过MCP公开，任何兼容MCP的客户端都可以访问。服务器和客户端均已实现——服务器将演讲知识作为MCP工具公开，客户端允许在代理管道中调用这些工具。

Agent Framework：并行多代理摘要

演讲摘要由三个并发运行的代理生成——PollSummaryAgent、QuestionSummaryAgent和InsightSummaryAgent——然后合并。这使用了Microsoft Agent Framework的群聊或并行执行模式。每个代理处理一个关注点，编排器合并各代理的输出。

设计原则

文章提出了一个值得铭记的观点：使用最简单的适用工具。简单生成任务使用直接的IChatClient调用；结构化数据提取使用工具/函数调用；只有在需要自主多步骤推理时才使用完整的代理。库的分层设计强制执行这一原则——你可以使用Microsoft.Extensions.AI而无需引入完整的Agent Framework。

查看完整文章以获取完整的项目结构和源代码链接。

你的 Agent 在哪里记住事情？聊天历史存储实践指南

Emiliano Montesdeoca — Sat, 25 Apr 2026 00:00:00 +0000

本文已自动翻译。如需查看原文，请点击此处。

在构建 AI Agent 时，你把大部分精力花在模型、工具和提示词上。对话历史存储在哪里这个问题看起来像是实现细节——但实际上是你将做出的最重要的架构决策之一。

它决定了用户能否分叉对话、撤销回答、重启后恢复会话，以及数据是否会离开你的基础设施。Agent Framework 团队发布了一篇深度分析。

两种基本模式

服务管理型：AI 服务存储对话状态。你的应用保持一个引用，服务自动在每次请求中包含相关历史记录。更简单，控制更少。

客户端管理型：你的应用维护完整历史记录，并在每次请求时发送相关消息。服务无状态。你控制一切。

Agent Framework 如何抽象这一切

AgentSession session = await agent.CreateSessionAsync();
var first = await agent.RunAsync("我叫 Alice。", session);
var second = await agent.RunAsync("我叫什么名字？", session);

session = agent.create_session()
first = await agent.run("我叫 Alice。", session=session)
second = await agent.run("我叫什么名字？", session=session)

Session 处理底层差异。无论切换什么提供商，应用代码不变。

提供商快速参考

提供商	存储位置	模式	压缩
OpenAI/Azure Chat Completions	客户端	N/A	你
Foundry Agent Service	服务端	线性	服务端
Responses API（默认）	服务端	分叉型	服务端
Anthropic Claude, Ollama	客户端	N/A	你

如何选择

需要分叉对话或"撤销"？ → 服务管理型 Responses API
需要数据主权？ → 带数据库后端的客户端管理型
只是简单聊天机器人？ → 服务管理型线性即可

阅读完整文章了解完整决策树。