openai

GitHub
3k 541 简单 1 次阅读 昨天MIT插件开发框架语言模型音频
AI 解读 由 AI 自动生成,仅供参考

openai 是由 Betalgo Ranul 维护的一款社区驱动的 .NET 类库,旨在帮助开发者轻松地将 OpenAI 的强大能力集成到 .NET 应用程序中。它封装了访问 OpenAI 服务 API 的复杂细节,让程序员无需从零开始编写底层网络请求代码,即可快速调用大语言模型、图像生成等核心功能。

对于使用 C# 和 .NET 生态的软件开发人员而言,openai 解决了手动对接官方 API 时繁琐的认证、数据序列化及错误处理问题,显著提升了开发效率。该工具特别适合 .NET 后端工程师、全栈开发者以及希望在自己的应用中嵌入 AI 功能的技术团队。

其技术亮点包括对依赖注入(Dependency Injection)的原生支持,方便在 ASP.NET Core 等现代架构中无缝集成;同时提供了独立的实验性工具库以扩展功能。值得注意的是,项目近期更新了包命名空间(从 Betalgo.OpenAI 迁移至 Betalgo.Ranul.OpenAI),并持续跟进官方新特性,如实时音频 API(Realtime API)。此外,仓库内附带了详细的示例项目(OpenAI.Playground)和完善的文档,帮助用户快速上手,但建议在使用示例时注意隔离测试环境,以防误操作影响生产数据。

使用场景

一家基于 .NET 技术栈的电商初创团队,正急于在其客服系统中集成智能对话功能,以应对日益增长的咨询量。

没有 openai 时

  • 开发人员需手动编写复杂的 HTTP 请求代码来处理 REST API 调用,包括繁琐的请求头设置、JSON 序列化及错误重试逻辑。
  • 每次 OpenAI 接口更新或新增模型(如 GPT-4o),团队都必须重新解析官方文档并修改底层网络代码,维护成本极高。
  • 缺乏统一的依赖注入支持,导致 API 密钥管理分散在多个文件中,存在严重的安全泄露隐患且难以进行单元测试。
  • 处理流式响应(Streaming)时需要自行拼接数据块,代码臃肿且极易出现边界条件错误,开发效率低下。

使用 openai 后

  • 通过 Betalgo.Ranul.OpenAI 库提供的强类型客户端,开发者只需几行代码即可初始化服务,自动处理所有底层通信细节。
  • 库紧跟官方 API 迭代,新增模型和功能可直接通过 NuGet 包更新获取,无需改动现有业务逻辑,显著降低升级阻力。
  • 原生支持 .NET 依赖注入模式,配合 secrets.json 轻松实现密钥的安全配置与管理,代码结构清晰且易于测试。
  • 内置完善的流式响应处理方法,将复杂的数据流解析封装为简单的异步枚举,让实时对话功能的实现变得直观可靠。

openai 将 .NET 开发者从重复的网络协议编码中解放出来,使其能专注于构建高价值的智能业务逻辑。

运行环境要求

操作系统
  • Windows
  • macOS
  • Linux
GPU

未说明

内存

未说明

依赖
notes这是一个 .NET 库而非 Python 工具,因此不需要 GPU、特定显存或 Python 环境。最低要求是 .NET 9.0 运行时(已停止对 .NET 6 和 7 的支持)。使用时需配置 OpenAI API Key,建议在 playground 示例中使用独立账户以防误操作删除文件或模型。
python不适用 (基于 .NET)
.NET 9.0+
Microsoft.Extensions.AI >= 9.5.0
Betalgo.Ranul.OpenAI (核心库)
Betalgo.OpenAI.Utilities (可选工具库)
openai hero image

快速开始

Betalgo Ranul OpenAI Github 说明文档横幅

概述

这是一个用于访问 OpenAI API 的 .NET 库,由社区维护提供。该库使您能够轻松地将 OpenAI 的功能集成到您的 .NET 应用程序中。

⭐ 您的 Star 让我们倍感鼓舞!GitHub 仓库星标数

社区链接

  • Discord 欢迎加入我们,共同建设 .NET AI 社区
  • 静态徽章
  • 静态徽章

安装包

核心库

⚠️ 我们现在有了新的 PackageId 和新的命名空间。⚠️
⚠️ Betalgo.OpenAI 现已更名为 Betalgo.Ranul.OpenAI ⚠️

Betalgo.Ranul.OpenAI

Install-Package Betalgo.Ranul.OpenAI

实验性工具库

Betalgo.OpenAI.Utilities

Install-Package Betalgo.OpenAI.Utilities

文档与链接


致谢

本项目的维护离不开各位报告问题的用户、贡献者以及赞助者的支持。

💖 赞助者:
@betalgo, Laser Cat Eyes
@tylerje, @oferavnery, @MayDay-wpf, @AnukarOP, @Removable, @Scar11


示例用法

仓库中包含一个名为 OpenAI.Playground 的示例项目,帮助您理解该库的工作方式。然而,在进行实验时请务必小心,因为某些测试方法可能会导致意外后果,例如文件删除或模型微调。

!! 强烈建议您在使用 Playground 时不要使用主账号,而另开一个账号。部分测试方法可能会添加或删除您的文件和模型,从而引发不必要的麻烦。 !!

您的 API 密钥可在此处获取:https://platform.openai.com/account/api-keys
您的组织 ID 可在此处找到:https://platform.openai.com/account/org-settings

不使用依赖注入

var openAIService = new OpenAIService(new OpenAIOptions()
{
    ApiKey = Environment.GetEnvironmentVariable("MY_OPEN_AI_API_KEY")
});

使用依赖注入

secrets.json

"OpenAIServiceOptions": {
    "ApiKey": "您的 API 密钥放这里",
    "Organization": "您的组织 ID 放这里(可选)",
    "UseBeta": "true/false(可选)"
}

(要使用 用户机密:在“解决方案资源管理器”中右键单击您的项目名称,然后选择“管理用户机密”。这是保护您的 API 密钥的好方法。)

Program.cs

serviceCollection.AddOpenAIService();

或者

serviceCollection.AddOpenAIService(settings => { settings.ApiKey = Environment.GetEnvironmentVariable("MY_OPEN_AI_API_KEY"); });

注入服务后,您可以从服务提供商那里获取它:

var openAiService = serviceProvider.GetRequiredService<IOpenAIService>();

您还可以设置默认模型(可选):

openAiService.SetDefaultModelId(Models.Gpt_4o);

ChatGPT 示例

var completionResult = await openAiService.ChatCompletion.CreateCompletion(new ChatCompletionCreateRequest
{
    Messages = new List<ChatMessage>
    {
        ChatMessage.FromSystem("你是一个乐于助人的助手。"),
        ChatMessage.FromUser("2020 年世界大赛是谁赢了?"),
        ChatMessage.FromAssistant("2020 年世界大赛是由洛杉矶道奇队赢得的。"),
        ChatMessage.FromUser("比赛是在哪里举行的?")
    },
    Model = Models.Gpt_4o,
});
if (completionResult.Successful)
{
    Console.WriteLine(completionResult.Choices.First().Message.Content);
}

注意事项

由于时间限制,不是所有方法都经过充分测试或完全文档化。如果您遇到任何问题,请随时报告或提交拉取请求。您的贡献始终受到欢迎。

毋庸置疑,对于因使用该库而导致的任何损害,我概不负责。

更改记录

9.2.4

  • 修复了函数工具模式生成,确保参数始终输出 JSON Schema type: "object",避免出现类似 schema must be a JSON Schema of 'type: "object"', got 'type: "None"'invalid_function_parameters 错误。

9.2.0

  • 引入了 Betalgo.Ranul.OpenAI.Contracts 项目,用于集中管理请求/响应模型、枚举/值类型以及能力接口。
  • 用 Contracts 对应版本替换了旧版图像请求模型:
    • CreateImageRequest, CreateImageEditRequest, CreateImageVariationRequest
  • 将图像枚举重新组织到 Betalgo.Ranul.OpenAI.Contracts.Enums.Image.* 下,并新增了值类型(ImageOutputFormat, ImageResponseFormat, ImageSize, ImageModeration)。
  • Voice(值类型)替换了 VoiceEnum。用 ChatCompletionRole 和/或 AssistantMessageRole 替换了 MessageRole
  • 新增了基础响应类型:ResponseBase, ResponseBaseHeaderValues,改进了头部解析及使用暴露。
  • 更新了 IImageService 接口,使其消费 Contracts 请求模型并返回 ImageResponse;目前编辑/变体仍为旧版响应。
  • 这是逐步迁移的第一步,更改幅度较小,后续会根据测试情况进一步调整。
  • 详细指南请参阅:合约升级指南 (9.2.0)

9.1.0

图像生成

  • 添加了 UsageModel,以在图像生成响应中包含详细的 token 使用跟踪信息。

JSON Schema 验证

  • 增强了 FunctionParameters,支持 MultipleOfMinimumMaximumPattern
  • 添加了 SingleOrArrayToListConverter,用于处理单个值或数组。

代码改进

  • 重构了 MessageContent,使用表达式体辅助方法,并增加了对二进制文件的支持。
  • ToolDefinition 中的过滤器类型定义从 static string 改为 const string,以提高清晰度和性能。
  • 简化了过滤器创建方法。

文档与格式

  • 改进了 ToolDefinition 中的注释和格式。
  • 修复了 FunctionParameters 中的 BOM 字符问题。

9.0.4

  • Microsoft.Extensions.AI 更新至版本 9.5.0

9.0.3

  • Microsoft.Extensions.AI 更新至版本 9.4.0-preview.1.25207.5
  • 向模型列表中添加了新模型

9.0.2

  • Microsoft.Extensions.AI 更新至版本 9.3.0-preview.1.25114.11
  • 添加了推理耗力度参数
  • 向模型列表中添加了 o1o3-mini 模型

9.0.1

  • 消息列表现在接受 RunId。
  • 升级到 Microsoft.Extensions.AI 9.0.1 版本,解决了与其他 SDK 不同版本一起使用时出现的“未找到方法:‘!!0’”错误。

9.0.0

  • 新增 .NET 9 支持。
  • ⚠️ 对 .NET 6 和 .NET 7 的支持已结束。
  • 修复了工具库中的问题,并同步到最新版本。

更多变更日志


如遇任何问题、需要贡献或提供反馈,请随时联系我们或提交 Pull Request。

Betalgo X:Betalgo (@Betalgo) / X (twitter.com)
Betalgo LinkedIn:Betalgo | LinkedIn
Tolga X:Tolga Kayhan (@kayhantolga) / X (twitter.com)
Tolga LinkedIn:Tolga Kayhan | LinkedIn

版本历史

v9.1.02025/07/11
v9.0.42025/07/11
v9.0.32025/04/23
v9.0.22025/04/23
v9.0.12024/12/04
v9.0.02024/11/19
v8.10.12024/11/18
v8.10.02024/11/13
v8.9.02024/11/11
v8.8.02024/11/01
v8.7.22024/10/10
v8.7.12024/10/10
v8.7.02024/09/23
v8.6.22024/08/26
v8.6.12024/07/18
v8.6.02024/07/18
v8.5.12024/06/18
v8.5.02024/06/15
v8.4.02024/06/11
v8.3.02024/06/03

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

143.9k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|昨天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent