💡
原文中文，约4400字，阅读约需11分钟。
📝
内容提要
在构建对话式 AI 应用时，管理上下文信息至关重要。AIContextProvider 是 Microsoft Agent Framework 的核心，允许开发者在对话中注入和持久化上下文。通过重写 InvokingAsync、InvokedAsync 和 Serialize 方法，开发者可以动态调整 AI 行为，实现个性化交互。
🎯
关键要点
- 在构建对话式 AI 应用时，管理上下文信息至关重要。
- AIContextProvider 是 Microsoft Agent Framework 的核心，允许开发者注入和持久化上下文。
- AIContextProvider 是一个抽象类，充当 AI Agent 的“记忆模块”。
- 通过重写 InvokingAsync、InvokedAsync 和 Serialize 方法，开发者可以动态调整 AI 行为。
- InvokingAsync 方法在 Agent 调用大语言模型之前执行，允许动态修改系统提示。
- InvokedAsync 方法在 Agent 调用 LLM 之后执行，用于更新上下文状态。
- Serialize 方法负责将当前上下文状态序列化为 JsonElement，以持久化 Agent 的“记忆”。
- 通过 UserInfoMemory 示例，展示了如何实现一个能记住用户偏好的 AI 健身教练。
- 在调用前通过 InvokingAsync 注入上下文，在调用后通过 InvokedAsync 更新上下文。
- 状态序列化通过 Serialize 方法实现，框架负责在不同对话轮次之间传递状态。
- AIContextProvider 是实现有状态、个性化对话的核心机制，允许开发者构建智能 Agent。
❓
延伸问答
AIContextProvider 在对话式 AI 应用中有什么作用？
AIContextProvider 是 Microsoft Agent Framework 的核心，允许开发者在对话中注入和持久化上下文信息，充当 AI Agent 的“记忆模块”。
如何通过重写方法来管理上下文信息？
开发者可以重写 InvokingAsync、InvokedAsync 和 Serialize 方法来动态调整 AI 行为和持久化上下文状态。
InvokingAsync 方法的主要功能是什么？
InvokingAsync 方法在 Agent 调用大语言模型之前执行，允许动态修改系统提示，以影响对话行为。
如何实现一个能记住用户偏好的 AI 健身教练？
通过定义 UserInfo 数据类和继承 AIContextProvider 的 UserInfoMemory 类，结合 InvokingAsync 和 InvokedAsync 方法来管理用户偏好。
Serialize 方法在 AIContextProvider 中的作用是什么？
Serialize 方法负责将当前上下文状态序列化为 JsonElement，以便持久化 Agent 的“记忆”。
AIContextProvider 如何支持多轮对话的上下文管理？
AIContextProvider 自动处理状态的序列化和反序列化，确保在多轮对话中上下文信息能够被可靠地传递。
➡️
