Dieser Artikel beschreibt eine Methode zur Kombination von Claude Code und Codex, um die .NET-Feature-Entwicklung zu optimieren und gängige Kontext- und Konsistenzprobleme bei KI-Tools zu überwinden. Die Strategie beinhaltet Claude für die Planung und Codex für den Bau, verbunden durch eine Markdown-Datei für effiziente Kommunikation.
Dieser Artikel behandelt eine eingebettete Vektordatenbank-Alternative für .NET RAG-Anwendungen und stellt VectorRAG.Net vor, um Latenz zu reduzieren und externe Dienstabhängigkeiten zu eliminieren. Er analysiert Szenarien, in denen dieser Ansatz Cloud-Lösungen übertrifft.
Dieser Artikel stellt das Microsoft Agent Framework vor, positioniert es innerhalb des aktuellen .NET KI-Stacks und erläutert, wann es die richtige Abstraktion ist. Er beschreibt seine Bedeutung für Agenten, Sitzungen, Tools und Workflows, aufbauend auf `Microsoft.Extensions.AI`.
Der Artikel hebt hervor, dass die größte Herausforderung bei der Entwicklung von generativen KI-Funktionen in .NET-Anwendungen mit Semantic Kernel darin besteht, den an das LLM gesendeten Kontext zu steuern, anstatt es nur aufzurufen. Wichtige Lektionen betonen die Erstellung dedizierter Kontext-Builder, um nur relevante Daten zu senden, und die Priorisierung der Token-Optimierung gegenüber der Diskussion über Modellversionen für bessere Kosten und geringere Latenz.
Phase 2 des .NET AI Architect Laboratory-Projekts ermöglichte einen autonomen KI-Agenten, der mit Microsoft Semantic Kernel lokale Projektdateien auf Sicherheitslücken und Leistungsengpässe analysieren kann. Das System implementierte auch dynamisches Provider-Routing, um während des Betriebs zwischen Gemini 2.5 Flash und Groq (Llama 3.3 / Llama 3.1) zu wechseln.
Dieser schnelle Tipp erklärt, wie Kontextkomprimierung in .NET für RAG-Systeme implementiert werden kann, da ein direktes Äquivalent zu Tools wie LLMLingua fehlt. Es wird vorgeschlagen, ein kleineres, günstigeres Arbeitsmodell zu verwenden, um abgerufene Dokumentation vorzuverarbeiten und nur wesentliche Fakten zu extrahieren, um Kosten und Latenz bei Premium-KI-Modellen zu reduzieren.
A Microsoft anunciou o GitHub Copilot Testing para .NET, uma nova ferramenta de testes de unidade gerados por IA integrada ao Visual Studio 2026. Essa inovação promete um avanço significativo na produtividade de desenvolvedores .NET, automatizando a criação de testes, sugerindo casos de borda e otimizando o processo de testing.
Der Autor hat seine TravelAI.Core-Bibliothek neu aufgebaut, um mit mehreren KI-Anbietern wie OpenAI, Anthropic, Ollama und Azure zu funktionieren, anstatt sich nur auf Azure OpenAI zu verlassen. Diese Änderung vereinfacht den Einrichtungsprozess für Entwickler, die die Bibliothek ausprobieren möchten, ohne sich anfänglich an einen Cloud-Anbieter binden zu müssen.