当前位置: 首页 > article >正文

SimpleTranslationAIAgent:基于C#与LLM的翻译AI Agent

基于C#与LLM通过简单对话即可实现文件到文件的翻译任务

该软件是MIT协议完全开源免费的,但是调用LLM的API可能需要费用,但是没关系,赛博菩萨硅基流动与智谱AI等都有免费的模型可调了。

这个Translation AI Agent只是一个简单的AI Agent示例应用,可能很多人都不需要它。

开源出来主要是为了感兴趣的同学可以在看源码之后,也可以使用C#+LLM构建出更有意思更能提高自己工作效率的自己专属的AI Agent应用!!

可以根据自己构建的AI Agent应用的复杂度,选择合适的模型。当应用比较简单时,可能免费的模型就可以了,但是当应用比较复杂时,可能需要更强的模型才行了。现在各大平台几乎都有送一些token体验,可以先拿这些token试一试。

image-20240831115531547

GitHub地址:https://github.com/Ming-jiayou/SimpleTranslationAIAgent

现在glm-4-flash免费了,经过测试可以完成一些简单的AI Agent任务。

首先来一个简单的任务,将内容翻译完之后,自动写入一个文件:

image-20240830164931643

我现在桌面上没有这个文件

image-20240830165003575

创建了这个文件,并将内容写入了:

image-20240830165110246

整个过程录屏看看:

md文件也是可以的:

image-20240830165653037

image-20240830165717751

录屏看下整个过程:

现在尝试一下更难的任务,将一个文件里的文本取出来翻译之后写入另一个文本。

比如我有一个test1.txt文件,如下所示:

image-20240830170813739

我想要让Translation AI Agent 帮我翻译成中文,然后存入另一个文件中,如果不存在这个文件就新建一个文件,就可以这么写,只要提供文件路径即可:

image-20240830171542144

失败了:

image-20240830172736359

换成更强的glm-4模型试试:

image-20240830172933040

成功完成这个任务了:

image-20240830173048479

现在试一下将这个文件:

image-20240830180636766

翻译成英文之后写入另一个文件:

image-20240830174100940

查看效果:

image-20240830174157728

自动省略了…

可以调试看看这个过程。

第一步先获取文件的内容:

image-20240830175134230

成功获取到文件内容:

image-20240830175207798

第二步出错了:

image-20240830175246128

我该用硅基流动提供的Qwen/Qwen2-72B-Instruct再试试:

image-20240830175603881

现在没错了。

成功获取翻译结果:

image-20240830175648519

第三步,将翻译之后的结果写入文件:

image-20240830175745941

已成功写入:

image-20240830175809502

第四步,返回完成信息:

image-20240830175845567

image-20240830175910947

查看效果:

image-20240830180006034

如果一个模型返回出错,可以重试,重试不行就可以换个模型试试了,越强的模型,成功的几率越高。

快速开始

GitHub地址:https://github.com/Ming-jiayou/SimpleTranslationAIAgent

注意到这里有个Releases:

image-20240831114112502

点击,有两个压缩包:

image-20240831114150976

一个依赖.net8.0-windows框架,一个独立。

安装了.net8.0-windows框架的就可以选体积小的那个,我已经安装了.net8.0-windows框架就选择体积小的那一个,点击就在下载了,下载之后解压缩,如下所示:

image-20240831114515700

现在只要打开appsettings填入你的API KEY即可使用,非常简单!!

打开appsettings.json文件如下所示:

image-20240831114609377

填入之后,点击SimpleTranslationAIAgent.exe即可运行:

image-20240831114749577

测试是否配置成功:

配置已经成功,测试Function Calling是否正常:

image-20240831114920726

Function Calling正常,现在就可以开始使用Translation AI Agent啦!!

源码构建指南

git clone到本地后,如下所示:

image-20240830160422435

打开appsettings.example.json文件,如下所示:

image-20240830160550389

智谱AI glm-4-flash免费了,以这个LLM为例,填入API KEY之后,将该文件名字改为appsettings.json或者新建一个appsettings.json,将文件内容复制进去即可:

image-20240830162839622

IDE:vs2022

.net版本:.net 8

打开解决方案:

image-20240830162920242

运行报错:

image-20240830163038688

右键sppsettings.json文件,点击属性,改为嵌入的资源:

image-20240830163211284

再次运行,通过对话验证是否配置成功:

image-20240830164734788

配置已经成功,测试Function Calling是否正常:

image-20240830164818771

Function Calling正常,现在就可以开始使用Translation AI Agent啦!!


http://www.kler.cn/a/284291.html

相关文章:

  • 如何在Python中实现一个简单的搜索引擎:从零开始的指南
  • 基于Qt/C++全局键盘和鼠标事件监控工具
  • JUC-locks锁
  • Java-Redisson分布式锁+自定义注解+AOP的方式来实现后台防止重复请求扩展
  • C指针创建三维数组
  • jQuery笔记
  • 国产游戏行业的技术进步与未来展望
  • Java | Leetcode Java题解之第385题迷你语法分析器
  • Linux 配置wireshark 分析thread 使用nRF-Sniffer dongle
  • kafak推送消息。
  • jenkins安装k8s插件发布服务
  • 项目中Redis常见的一些问题(缓存穿透,缓存雪崩,内存耗尽等)
  • Elasticsearch - SpringBoot 查询 es 相关示例
  • Linux Debian12安装flameshot火焰截图工具
  • 线段树维护更多类型的信息
  • c++ 分布式服务器 1
  • Linux | 进程池技术解析:利用无名管道实现并发任务处理(含实现代码)
  • NTP时间服务器是什么?功能是什么?京准电钟
  • 今日(2024年8月30日)科技新闻(本周)
  • Git之2.5版本重要特性及用法实例(五十七)
  • 《机器学习》【项目】 爬虫爬取数据、数据分词、贝叶斯算法、判断分类 <完整实战详解> (全篇完结)
  • ajax学习笔记
  • 认知杂谈42
  • 【系统】Linux系统下载 ubuntu/deepin/deepin
  • JAVA毕业设计166—基于Java+Springboot+vue3的流浪宠物救助管理小程序(源代码+数据库)
  • golang学习笔记——channel使用场景