如何使用Azure AI OpenAI传入数据集调用模型生成响应（C#实现求助）

嘿，看起来你已经把Azure OpenAI的客户端基础配置搞定了，就是在把数据集传给模型生成连贯响应这块摸不清方向对吧？我给你调整下代码，分两种常用场景来给你讲：

一、简单场景：直接用Chat Completions API传入数据集 #

如果你的需求是单次传入数据集生成响应，不用多轮对话或工具调用，直接用ChatClient的GetChatCompletionsAsync就够了，核心是把数据集整理成清晰的自然语言格式塞进prompt里。

给你改个可运行的示例：

public class AzureAIService
{
    private readonly AzureOpenAIClient _azureClient;
    private readonly ChatClient _chatClient;

    #pragma warning disable OPENAI001
    public AzureAIService(string apiKey)
    {
        // 优先从环境变量拿密钥，也可以直接传入（但环境变量更安全）
        string keyFromEnvironment = Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY") ?? apiKey;
        string resourceEndpoint = "https://your-azure-openai-resource.com"; // 替换成你的资源端点

        _azureClient = new AzureOpenAIClient(
            new Uri(resourceEndpoint),
            new ApiKeyCredential(keyFromEnvironment));
        
        // 初始化ChatClient，替换成你的GPT部署名
        _chatClient = _azureClient.GetChatClient("my-gpt-35-turbo-deployment");
    }

    // 传入数据集生成响应的方法
    public async Task<string> GenerateResponseFromDatasetAsync(string dataset)
    {
        // 构造对话消息：系统角色定义任务，用户角色传入数据集
        var chatMessages = new List<ChatMessage>
        {
            new ChatMessage(ChatRole.System, "你是电商数据分析助理，需要根据提供的用户销售数据生成业务建议，语言要简洁专业。"),
            new ChatMessage(ChatRole.User, $"请根据以下数据生成业务建议：\n{dataset}")
        };

        // 调用模型生成响应
        var response = await _chatClient.GetChatCompletionsAsync(chatMessages);
        return response.Value.Choices[0].Message.Content;
    }
}

// 调用示例
// var aiService = new AzureAIService("你的备用密钥");
// var dataset = @"今日销售数据：
// - 总订单量：1200单，同比昨日增长15%
// - 客单价：89元，同比下降5%
// - 热销品类：电子产品占比45%，家居用品占比30%";
// var result = await aiService.GenerateResponseFromDatasetAsync(dataset);
// Console.WriteLine(result);

关键点说明： #

• 数据集要尽量结构化（比如用列表、换行），让模型更容易解析
• 系统角色的指令要明确，告诉模型你要它做什么（比如“生成业务建议”“分析数据异常”）

二、复杂场景：用Assistant API传入数据集 #

你代码里已经在尝试Assistant API了，但问题是初始消息里没把实际数据集传进去，只是写了一句空泛的提示。给你修正这部分代码：

public class AzureAIService
{
    private readonly AzureOpenAIClient _azureClient;
    #pragma warning disable OPENAI001
    private readonly AssistantClient _assistantClient;

    public AzureAIService(string apiKey)
    {
        string keyFromEnvironment = Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY") ?? apiKey;
        string resourceEndpoint = "https://your-azure-openai-resource.com";

        _azureClient = new AzureOpenAIClient(
            new Uri(resourceEndpoint),
            new ApiKeyCredential(keyFromEnvironment));
        
        _assistantClient = _azureClient.GetAssistantClient();
    }

    public async Task<string> GenerateResponseWithAssistantAsync(string dataset)
    {
        // 1. 创建助理（如果已经创建过，可以直接用助理ID，不用每次都创建）
        Assistant assistant = await _assistantClient.CreateAssistantAsync(
            model: "my-gpt-4o-deployment", // 替换成你的GPT-4o部署名
            new AssistantCreationOptions()
            {
                Name = "Ecommerce Assistant",
                Instructions = "你是电商数据分析助理，需要根据提供的销售指标数据生成针对性的业务建议和趋势分析",
                // 如果不需要代码解释器，可以去掉这个工具
                Tools = { ToolDefinition.CreateCodeInterpreter() },
            });

        // 2. 构造带数据集的初始消息
        var initialMessage = new ThreadInitializationMessage(
            MessageRole.User,
            $"请根据以下今日电商数据生成业务建议：\n{dataset}");

        // 3. 创建线程并传入初始消息
        AssistantThread thread = await _assistantClient.CreateThreadAsync(new ThreadCreationOptions()
        {
            InitialMessages = { initialMessage },
        });

        // 4. 运行助理任务
        Run run = await _assistantClient.CreateRunAsync(
            threadId: thread.Id,
            new RunCreationOptions()
            {
                AssistantId = assistant.Id,
                Instructions = "请重点关注订单量和客单价的变化趋势" // 可以额外补充本次任务的具体要求
            });

        // 5. 轮询等待任务完成（生产环境可以用webhook，这里简化用轮询）
        do
        {
            await Task.Delay(1000);
            run = await _assistantClient.GetRunAsync(thread.Id, run.Id);
        } while (run.Status is RunStatus.Queued or RunStatus.InProgress);

        // 6. 获取生成的响应消息
        var messages = await _assistantClient.GetMessagesAsync(thread.Id);
        return messages.Value.First(m => m.Role == MessageRole.Assistant).Content[0].Text.Value;
    }
}

// 调用示例
// var aiService = new AzureAIService("你的备用密钥");
// var dataset = @"今日核心指标：
// - 总销售额：106800元
// - 新用户占比：28%，环比上周提升8%
// - 退货率：3.2%，同比下降1.5%";
// var result = await aiService.GenerateResponseWithAssistantAsync(dataset);
// Console.WriteLine(result);

关键点说明： #

• 助理不需要每次调用都创建，你可以提前创建好，之后直接用assistant.Id来调用，更高效
• 如果不需要代码解释器（比如只是分析文本数据），可以去掉Tools配置，减少资源消耗
• 生产环境不要用轮询等待Run完成，建议配置Webhook来接收任务完成通知

你之前踩的坑 #

你之前用GetCompletionsAsync的时候，应该是没把数据集和明确的指令结合起来，导致模型不知道要做什么。不管用哪种API，核心都是：给模型明确的任务指令 + 清晰结构化的数据集，这样才能生成连贯有用的响应。

备注：内容来源于stack exchange，提问作者imj