利用AI Studio和Gemini大模型在C#中进行原型设计：一种创造性的解决方案

在快速原型设计领域，Google AI Studio 堪称一款低门槛且强大的工具，尤其在生成式AI方面。它可以让我们迅速迭代提示词、测试不同的大模型并即时看到结果，这对于探索生成式AI概念来说是一个真正的游乐场。然而，对于像我这样的C#开发者来说，AI Studio 的“获取代码”功能一直存在一个缺憾：它仅提供 Python、Node.js、TypeScript、REST/curl 以及最近新增的 Java、Kotlin、Swift 和 Dart 代码片段，唯独缺少了对C#的支持。虽然这只是一个小小的遗憾，但确实让我在将 AI Studio 中构建的原型无缝集成到 .NET 应用程序时遇到了一点阻碍。幸运的是，我们可以利用Gemini大模型的强大功能，巧妙地绕过这个限制，生成所需的C#代码，从而加速我们的开发流程。

AI Studio：快速原型设计的核心平台

AI Studio 的核心优势在于其简洁易用的界面，以及对多种大模型的支持。开发者可以通过简单的拖拽和配置，快速构建原型系统。举例来说，如果我们要构建一个基于大模型的文本摘要应用，只需要在AI Studio 中选择合适的模型（如 Gemini），然后设置输入和输出的格式，就可以快速生成一个可用的原型。这种快速原型设计的方式，极大地降低了开发门槛，让更多的开发者可以参与到AI的创新中来。根据Google的官方数据，使用 AI Studio 的开发者，平均可以将原型设计的周期缩短 40% 以上。

Gemini：代码生成的强大助手

面对 AI Studio 不直接提供 C# 代码的问题，我们可以巧妙地借助 Gemini 本身来生成 C# 代码。其基本思路是：利用 AI Studio 提供的 REST/curl 代码作为蓝图，然后通过精心设计的提示词，让 Gemini 将其转换为 C# 代码。这其实是一个“以其人之道，还治其人之身”的策略。

例如，我们可以创建一个提示词，告诉 Gemini ：“请将以下 curl 请求转换为 C# 代码，并使用 System.Net.Http.HttpClient 与 Gemini API 交互。函数应接受 API 密钥（字符串）和用户喜爱的电影列表（字符串）作为参数。它应将此信息发送到 Gemini API，并将模型的电影推荐作为单个字符串返回。提供此函数的完整 C# 代码，包括必要的 using 语句。”然后，将 AI Studio 生成的 curl 命令粘贴到提示词中，Gemini 就能生成相应的 C# 代码。

C#：.NET 应用开发的基石

有了 Gemini 生成的 C# 代码，我们就可以将其无缝集成到 .NET 应用程序中。C# 是一种强大的、类型安全的编程语言，是构建各种 .NET 应用的基石。通过将 Gemini 生成的代码集成到 C# 项目中，我们可以充分利用 .NET 平台的优势，例如强大的类型系统、丰富的类库和成熟的开发工具。此外，C# 还提供了优秀的异步编程支持，可以方便地处理与 Gemini API 的异步交互，从而提高应用程序的性能和响应能力。

REST/curl：连接AI Studio与Gemini的桥梁

AI Studio 提供的 REST/curl 代码，是连接 AI Studio 和 Gemini 的桥梁。它包含了与 Gemini API 交互所需的所有信息，例如请求的 URL、HTTP 方法、请求头和请求体。我们可以将这些信息提取出来，然后将其传递给 Gemini，让其生成相应的 C# 代码。

例如，在原文的电影推荐案例中，AI Studio 生成的 curl 命令包含了电影推荐的输入（用户喜爱的电影列表）和输出（Gemini 推荐的电影）。我们可以将这个 curl 命令作为输入，让 Gemini 生成一个 C# 函数，该函数可以将用户喜爱的电影列表作为参数传递给 Gemini API，并返回 Gemini 推荐的电影。

Prompt：指导Gemini生成高质量代码的关键

提示词（Prompt）是指导 Gemini 生成高质量 C# 代码的关键。一个好的提示词应该包含以下几个要素：

明确的目标：清楚地告诉 Gemini 你希望它生成什么样的代码，例如“生成一个 C# 函数，用于与 Gemini API 交互”。
详细的说明：提供尽可能详细的说明，例如“函数应接受 API 密钥和用户喜爱的电影列表作为参数”，“函数应使用 System.Net.Http.HttpClient 与 Gemini API 交互”。
清晰的格式：使用清晰的格式组织提示词，例如使用 markdown 格式，并使用代码块来包含代码片段。
必要的上下文：提供必要的上下文信息，例如 AI Studio 生成的 REST/curl 代码。

通过精心设计的提示词，我们可以引导 Gemini 生成高质量的、符合我们需求的 C# 代码。

代码清理和适配：确保代码的质量和可用性

即使 Gemini 生成的代码已经很不错了，但仍然需要进行一些清理和适配工作，以确保代码的质量和可用性。例如，我们需要检查代码中是否存在语法错误、逻辑错误和安全漏洞。此外，我们还需要根据实际的应用程序环境，对代码进行一些适配，例如修改配置文件的路径、调整 API 调用的参数等。

在原文的电影推荐案例中，Gemini 生成的代码使用 JsonNode 来动态修改 JSON 请求体。虽然这种方式是可行的，但可能会导致代码的可读性和可维护性降低。我们可以将其替换为更简洁的字符串替换方式，从而提高代码的质量。

实战案例：电影推荐应用

让我们通过一个实战案例来演示如何使用 AI Studio 和 Gemini 在 C# 中构建一个电影推荐应用。

步骤 1：在 AI Studio 中构建电影推荐原型

首先，我们需要在 AI Studio 中创建一个新的 Chat prompt，并配置以下信息：

System Instruction： “你是一个电影推荐专家。我会给你我最喜欢的电影列表，你会推荐 3 部我可能喜欢的电影，并简要解释原因。”
Add example turns：
- User： “我最喜欢的电影是黑客帝国、银翼杀手和星际穿越。”
- Model： “好的，基于您对黑客帝国、银翼杀手和星际穿越的热爱，很明显您喜欢具有存在主义、技术和现实本质等强烈主题的科幻片。以下是给你的 3 个建议：1. 入侵：一部关于梦境入侵的令人费解的惊悚片。2. 机械姬：一部视觉上令人惊叹的电影，探索人工智能和意识。3. 沙丘（2021）：一部具有丰富世界观的史诗般的太空歌剧。”
Final User Message Placeholder： “我最喜欢的电影是[INSERT_USER_MOVIES_HERE]”

步骤 2：获取 curl 代码

在 AI Studio 中点击 “Get Code” 按钮，然后选择 “REST” 选项卡，复制生成的 curl 命令。

步骤 3：创建转换提示词

创建一个新的 Chat prompt，并将以下提示词粘贴到编辑器中：

Create a C# function using System.Net.Http.HttpClient to interact with the Gemini API.

**Function Goal:** The function should take an API key (string) and a user's list of favorite movies (string) as parameters. It should send this information to the Gemini API and return the model's movie suggestions as a single string.

Provide the complete C# code for this function, including necessary using statements, within a single C# code block. The function should handle basic JSON serialization for the request and deserialization for the response to extract the text content.

CURL Request:
[PASTE THE CURL REQUEST BODY YOU COPIED IN STEP 2 HERE, ENSURING THE "INSERT_INPUT_HERE" PLACEHOLDER IS PRESENT IN THE LAST USER MESSAGE'S TEXT]

步骤 4：运行转换提示词

在 Chat prompt 窗口中，点击 “Run” 按钮。Gemini 将会生成相应的 C# 代码。

步骤 5：在 Visual Studio 中使用 C# 代码

创建一个新的 .NET Console Application，并将 Gemini 生成的 C# 代码粘贴到项目中。确保必要的 using 语句存在。

步骤 6：运行应用程序

运行应用程序，并输入你最喜欢的电影列表。Gemini 将会为你推荐 3 部你可能喜欢的电影。

重要注意事项

参数化：将 API 密钥、模型 ID 和用户喜爱的电影列表等参数参数化，以便于配置和修改。
错误处理：添加适当的错误处理代码，以处理 API 请求失败、JSON 解析错误和其他异常情况。
JSON 解析：使用合适的 JSON 解析库，例如 System.Text.Json，来解析 Gemini API 的响应。
异步编程：使用异步编程技术，例如 async 和 await 关键字，来处理与 Gemini API 的异步交互。
HttpClient 生命周期：正确管理 HttpClient 的生命周期，以避免资源泄漏和性能问题。

简化代码

在原文生成的代码中，使用了 JsonNode 类来动态修改 JSON 请求体。虽然这种方式是可行的，但可能会导致代码的可读性和可维护性降低。我们可以将其替换为更简洁的字符串替换方式，如下所示：

string baseJsonPayload = @"
{
    ""contents"": [
        {
            ""role"": ""user"",
            ""parts"": [ { ""text"": ""My favorite movies are The Matrix, Blade Runner, and Interstellar."" } ]
        },
        {
            ""role"": ""model"",
            ""parts"": [ { ""text"": ""Okay, based on your love for The Matrix, Blade Runner, and Interstellar, it's clear you enjoy thought-provoking sci-fi... (full model response here)"" } ]
        },
        {
            ""role"": ""user"",
            ""parts"": [ { ""text"": ""INSERT_INPUT_HERE"" } ]
        }
    ],
    ""generationConfig"": {
        ""responseMimeType"": ""text/plain""
    }
}
";

string finalJsonBody = baseJsonPayload.Replace("\"INSERT_INPUT_HERE\"", $"\"{userMoviesList}\"");

这种方式更加简洁明了，并且可以提高代码的可读性和可维护性。

结构化输出

正如我之前的文章中所述，为了简化与应用程序其余部分的集成，你可以利用 Gemini 模型的结构化输出能力。通过要求模型以特定的格式（例如 JSON）返回结果，你可以更容易地解析和使用这些结果。

总结

即使 AI Studio 的 “获取代码” 功能不断发展，并为我们提供更复杂的脚本，但提取核心 API 调用（端点、方法、标头、正文）并使用 Gemini 本身来构建 C# 客户端代码的基本原则仍然是一个非常方便的技巧。这需要现在从脚本中进行更多手动提取，但仍然比从头开始编写所有内容要好，尤其是在处理嵌套的 JSON 请求正文时。希望在不久的将来，C#也能加入AI Studio直接支持的语言列表。所以，继续在 AI Studio 中进行实验吧！不要因为 “获取代码” 输出看起来有点不同而感到沮丧。解构它，将基本要素输入到 Gemini 的新提示中，并保持 C# 集成的向前发展。

通过结合 AI Studio 的快速原型设计能力、Gemini 的代码生成能力和 C# 的强大功能，我们可以快速构建各种基于大模型的应用，从而加速我们的开发流程，并为用户带来更好的体验。

利用AI Studio和Gemini大模型在C#中进行原型设计：一种创造性的解决方案