如何将人工智能代理集成到.NET环境中以提升开发效率

生成的代码随后会被呈现给开发者进行审核。所有建议都不会被自动应用，而是由开发者逐一评估——他们可以选择直接采纳这些建议，或者对其进行修改以满足项目需求，甚至完全拒绝它们。

这种工作流程凸显了企业采用AI技术时的一个重要原则：虽然AI代理能够加速开发进程，但最终代码的正确性、安全性及可维护性仍需由人类开发者来把关，才能确保其真正成为应用程序的一部分。

AI代理在.NET开发生命周期中的定位

生成式AI能够帮助您和您的团队完成整个软件开发生命周期，而不仅仅是在编码阶段。越来越多的企业团队正在利用AI来简化开发的各个环节，同时仍保持人类的监督与把控。

需求分析

AI可以将用户需求转化为具体的技术任务，生成验收标准，并帮助识别缺失的需求。

示例提示：

“请为使用ASP.NET Core Identity实现用户认证功能生成相应的技术任务。”

应用设计

AI代理可以推荐架构模式、建议项目结构，并生成初始的类图或服务边界定义。

例如，对于一个电子商务平台的需求分析，AI助手可能会建议将系统拆分为产品服务、订单服务、库存服务、身份认证服务和API网关等模块。

API开发

AI在API开发领域的作用尤为显著——它能够自动生成重复性的Web API代码。这样一来，开发者就无需手动编写控制器、数据传输对象、请求模型、依赖注入配置、验证逻辑以及Swagger注释等内容，只需生成初始实现方案，然后根据实际需求进行优化即可。

这种方法大大减少了冗余代码，同时确保了各服务之间的一致性。

业务逻辑

AI可以帮助实现算法、应用设计模式，并简化复杂的业务流程。

例如，当收到如下提示时：

“请使用策略模式来实现一个定价计算器。”

AI代理会生成相应的接口、具体策略实现、依赖注入配置以及示例代码。这样，开发者就可以将精力集中在业务规则的开发上，而无需花费太多时间处理基础设施相关的问题。

测试

编写全面的单元测试虽然往往具有重复性，但却十分必要。人工智能助手能够生成xUnit测试、NUnit测试、模拟对象、边界情况测试用例、异常处理测试以及参数化测试案例。

这样，你就可以确认这些生成的测试确实能够准确反映预期的程序行为，而不仅仅是提高了代码的覆盖率而已。

文档编制

在文档维护方面，人工智能也能立即发挥其价值。

例如，XML格式的文档注释、API端点描述、README文件、架构概述、拉取请求说明以及版本更新笔记等，都属于这类应用场景。

这种方式有助于保持文档内容与代码库的一致性，同时还能减少人工维护的工作量。

代码审查

现代的人工智能助手还可以帮助进行同行评审，它们能够识别出重复的代码逻辑、效率低下的算法、不一致的命名规范、缺失的空值检查代码、潜在的安全漏洞，以及可以进行重构的地方。

人工智能并非要取代人类审核员，而是作为一道额外的质量保障关卡，在代码投入生产环境之前及时发现存在的问题。

参考架构

典型的企业级人工智能辅助.NET开发工作流程如下所示：

图2：企业级人工智能辅助.NET开发工作流程

图2展示了生成式人工智能是如何融入现代企业级.NET开发工作流程中的，同时它也依然是受控软件交付流程的一部分。

开发工作首先在Visual Studio或VS Code等集成开发环境中开始，人工智能助手会协助生成代码、重构现有实现逻辑、编写测试用例，并解释那些不熟悉的API接口。生成的代码会成为ASP.NET Core解决方案的一部分，然后像其他源代码一样被提交到版本控制系统中。

这些代码并不会直接被部署到生产环境中，而是会经过标准的CI/CD流程。在这个过程中，自动化的构建过程、单元测试、静态应用安全测试（SAST），以及使用SonarQube等工具进行的代码质量分析，都会确保生成的代码符合组织设定的标准。只有当所有这些质量和安全检查都通过后，应用程序才会被正式部署到生产环境中。

这种工作流程表明，人工智能能够加速软件的开发进程，而现有的DevSecOps实践依然能够为软件开发提供必要的管理、安全保障以及质量把控。

如何在.NET环境中设置人工智能助手

迈向人工智能辅助开发的第一个步骤，就是将相应的助手工具集成到你的开发环境中去。

如今，有多种基于人工智能技术的编码辅助工具能够支持.NET开发，其中包括GitHub Agent、Microsoft Agent、Cursor、JetBrains AI Assistant，以及那些基于大型语言模型构建的企业级解决方案。尽管这些工具的用户界面存在一些差异，但它们的集成使用流程大体上是相同的。

典型的企业级配置步骤包括：

• 为Visual Studio或Visual Studio Code安装相关的人工智能扩展程序。

• 使用组织账户进行身份验证。

• 配置企业级的隐私政策设置。

• 将这些辅助工具连接到你的代码仓库中。

• 在必要时，限制对敏感代码库的访问权限。

许多企业还会设定相关策略，以决定是否允许使用生成的提示或代码来优化模型。当处理涉及专有业务逻辑或受监管的数据时，这些管控措施尤为重要。

一旦完成配置，这些辅助工具就会直接在编辑器内部运行，能够提供实时的代码建议、解释现有代码、生成测试用例，并解答编程相关问题，而无需你离开集成开发环境。

编写更优质的提示语句

人工智能生成的代码质量，在很大程度上取决于提示语句的质量。模糊不清的指令通常会导致生成一些通用性的解决方案，而详细具体的提示则能帮助产生更加准确且易于维护的代码。

举个例子，来看以下这两个提示语句：

创建一个产品API。

由于缺乏具体的上下文信息，人工智能生成的代码很可能与你的项目架构不匹配。

而一个更有效的提示语句可能是：

使用依赖注入、异步方法、验证机制、仓库模式以及正确的HTTP状态码，为产品管理功能生成一个ASP.NET Core 10 REST API控制器。

这样的提示能够引导人工智能模型生成符合企业级开发标准的代码，而不会产生过于简单的示例代码。

生成样板代码

企业级应用程序往往包含大量重复的基础设施代码。控制器、数据传输对象、接口、依赖注入配置以及服务实现机制，通常都会遵循一些固定的模式。

人工智能辅助工具可以在几秒钟内生成这些常见的代码模板，这样你就可以把精力集中在业务逻辑的开发上了。

假设你正在开发一个库存管理API，那么你可以使用以下这样的提示语句：

使用依赖注入和异步方法，为产品CRUD操作生成一个ASP.NET Core控制器。

人工智能工具可能会生成如下这样的代码：

[ApiController]
[Route("api/products")]
public class ProductsController : ControllerBase
{
    private readonly IProductService _service;

    public ProductsController(IProductService service)
    {
        _service = service;
    }

    [HttpGet]
    public async Task GetProducts()
    {
        var products = await _service.GetAllAsync();
        return Ok(products);
    }

    [HttpGet("{id}")
    public async Task GetProduct(int id)
    {
        var product = await _service.GetByIdAsync(id);

        if (product == null)
            returnNotFound();

        return Ok(product);
    }
}

请注意，人工智能生成了依赖注入机制、异步方法、正确的路由属性、HTTP状态码，以及结构清晰的控制器代码。

你不应该盲目接受这些生成的代码，而应该检查它们是否符合你项目中的约定、命名标准、认证要求以及错误处理政策。

生成数据传输对象

人工智能还能简化请求和响应模型的创建过程。

提示：

为产品的创建和更新操作生成数据传输对象。

public class CreateProductDto
{
    public string Name { get; set; } = string.Empty;

    public decimal Price { get; set; }

    public int Stock { get; set; }
}

public class UpdateProductDto
{
    public string Name { get; set; } = string.Empty;

    public decimal Price { get; set; }

    public int Stock { get; set; }
}

这种方式能够避免重复性工作，同时确保各个API之间保持一致性。

加速API开发

在提高开发效率方面，最大的收获之一就是能够生成完整的API端点，而不仅仅是单独的方法。

以实现客户管理服务为例：

如果不用手动编写每个端点的代码，人工智能就可以自动生成整个CRUD API结构。

[HttpPost]
public async Task Create(
    CreateCustomerDto dto)
{
    var customer = await _service.CreateAsync(dto);

    return CreatedAtAction(
        nameof(GetCustomer),
        new { id = customer.Id },
        customer);
}

同样地，更新和删除端点的代码也可以通过类似的方式自动生成：

[HttpPut("{id}")]
public async Task Update(
    int id,
    UpdateCustomerDto dto)
{
    var updated = await _service.UpdateAsync(id, dto);

    if (!updated)
        returnNotFound();

    return NoContent();
}

由于这些操作往往具有重复性，因此由人工智能生成的代码通常能提供一个很好的起点。

生成验证逻辑

企业级API需要强大的验证机制。

你不必再编写那些重复的空值检查代码，而是可以让人工智能利用数据注解或FluentValidation框架来生成相应的验证规则。

public class CreateCustomerDto
{
    [Required]
    [StringLength(100)]
    public string Name { get; set; } = "";

    [EmailAddress]
    public string Email { get; set; } = "";
}

对于更复杂的应用程序，人工智能还可以生成FluentValidation的规则。

public class CustomerValidator
    : AbstractValidator〈CreateCustomerDto〉
{
    public CustomerValidator()
    {
        RuleFor(x => x.Name)
            .NotEmpty()
            .MaximumLength(100);

        RuleFor(x => x.Email)
            .EmailAddress();
    }
}

这能够大幅节省开发时间，同时还能促进规范的验证流程的建立。

AI辅助重构

许多企业系统都包含多年来积累下来的旧代码。人工智能工具在不对这些代码的功能产生任何影响的情况下，能够非常有效地对其进行现代化改造。

请看下面的服务方法示例。

重构前：

public decimal CalculateDiscount(Customer customer)
{
    decimal discount = 0;

    if (customer.Type == "Gold")
    {
        discount = customer.Amount * 0.15m;
    }
    else
    {
        if (customer.Type == "Silver")
        {
            discount = customer.Amount * 0.10m;
        }
        else
        {
            discount = 0;
        }
    }

    return discount;
}

虽然这个方法能够正常运行，但其嵌套的条件结构确实难以进行扩展。

public decimal CalculateDiscount(Customer customer)
{
    return customer.Type switch
    {
        "Gold" => customer.Amount * 0.15m,
        "Silver" => customer.Amount * 0.10m,
        _ => 0
    };
}

public class TaxCalculator
{
    public decimal Calculate(decimal price)
    {
        return price * 0.15m;
    }
}

public class TaxCalculatorTests
{
    [Fact]
    public void Calculate_ReturnsTax()
    {
        var calculator = new TaxCalculator();

        var result = calculator.Calculate(100);

        Assert.Equal(15, result);
    }

    [Theory]
    [InlineData(0)]
    [InlineData(250)]
    [InlineData(1000)]
    public void Calculate_WorksForMultipleValues(decimal price)
    {
        var calculator = new TaxCalculator();

        var result = calculator.Calculate(price);

        Assert.Equal(price * 0.15m, result);
    }
}

var repository = new Mock();

repository
    .Setup(r => r.GetByIdAsync(1))
    .ReturnsAsync(new Product
    {
        Id = 1,
        Name = "Laptop"
    });

/// <summary>
/// 获取库存中所有可用的产品信息。
/// </summary>
/// <returns>
/// 一个包含Product对象的集合。
/// </returns>
public async Task<IEnumerable<Product>>>> GetAllAsync()
{
    ...
}

public async Task GetProduct(int id)
{
    var product = await _repositoryByIdAsync(id);

    return new ProductDto
    {
        Name = product.Name,
        Price = product.Price
    };
}

public async Task

var products = await _context.Products
    .Where(p => p.IsActive)
    .OrderBy(p => p.Price)
    .ToListAsync();

var products = await _context.Products
    .AsNoTracking()
    .Where(p => pIsActive)
    .OrderBy(p => p.Price)
    .ToListAsync();

var products = _context.Products
    .ToList()
    .Where(p => p.Price > 100);

var products = await _context.Products
    .Where(p => p.Price > 100)
    .ToListAsync();

name: .NET CI

on:
  pull_request:
    branches:
      - main

jobs:
  build:

    runs-on: ubuntu-latest

    steps:

      - uses: actions/checkout@v4

      - uses: actions/setup-dotnet@v4
        with:
          dotnet-version: '10.0.x'

      - run: dotnet restore

      - run: dotnet build --no-restore

      - run: dotnet test --no-build