OllamaSharp 是一个强大的库，为 Ollama API 提供 .NET 绑定，使得与 Ollama 的本地和远程交互变得更加简单。本文将指导您了解 OllamaSharp 的功能、设置和使用方法，并提供详细的示例和解释。

OllamaSharp 的特点

• 易于使用：只需几行代码即可与 Ollama 进行交互。
• 可靠性：支持 Microsoft Semantic Kernel、.NET Aspire 和 Microsoft.Extensions.AI 等多个 Microsoft 项目。
• API 覆盖：覆盖所有 Ollama API 端点，包括聊天、嵌入、列出模型、拉取和创建新模型等。
• 实时流式传输：直接将响应流式传输到您的应用程序。
• 进度报告：对拉取模型等任务提供实时进度反馈。
• 工具引擎：支持 复杂的工具和源生成器。
• 多模态：支持 视觉模型，扩展应用程序的能力。

官网

Markdown
https://github.com/awaescher/OllamaSharp

Microsoft AI Dev Gallery 代表了一种全新的 AI 开发范式，为 Windows 平台上的 AI 应用开发提供了强大的工具与生态环境。当前，AI 技术正以惊人的速度迭代与扩张，开发者难免会在技术选型、部署和学习曲线等方面遇到挑战。而 Microsoft AI Dev Gallery 的出现，正是为应对这些痛点：它不仅在架构层面提供了一个可基于本地与云端的混合式开发环境，还在应用示例和工具层面为开发者提供了丰富的开箱即用功能，帮助开发者以更低成本、更快速度落地 AI 项目。

核心优势

1. 开箱即用的示例库

• 丰富的示例集合

• 提供了超过 25 个可直接运行的 AI 应用示例。
• 涵盖主流的 AI 场景，包括图像分类、目标检测、OCR 识别、自然语言处理(NLP)等。
• 每个示例的从数据准备到模型推理和结果输出的整个流程都完整呈现，便于学习和快速迁移到实际项目。

• 源码透明

• 所有示例的 C# 源码都进行了充分的注释，包含了模型加载、数据预处理、推理过程等细节。
• 同时提供了在不同硬件条件下的性能优化建议，帮助开发者根据自身需求进行取舍和调优。
• 不同的示例也往往包含对设计模式、项目结构、工具选型的最佳实践参考。

• 场景多样化

• 从简单的图像二分类到更复杂的多模态信息处理，都能在这里找到对应示例。
• 支持离线和在线两种运行方式，能够自动根据网络情况进行切换或并行执行。
• 针对轻量级和高性能需求，Gallery 中也准备了对应的模型与示例，方便开发者快速比较并选用。

2. 简化的部署流程

• Hugging Face 集成

• 内置对 Hugging Face 预训练模型的下载支持，省去手动下载或频繁切换平台的步骤。
• 实现模型版本和依赖关系的自动管理，带来更顺畅的开发体验。
• 支持对模型进行增量更新与本地缓存，大幅缩短重复下载的等待时间。

• GitHub 协同

• 代码全部托管在 GitHub，方便团队协作与社区讨论。
• Issue 跟踪和 Pull Request 机制完善，帮助开发者及时解决在使用中的各种问题。
• 对社区贡献和功能请求也非常开放，欢迎开发者参与共建。

• 项目导出功能

• 支持一键导出为标准 Visual Studio 解决方案，自动包含依赖项与配置。
• 自带针对 .NET Framework、.NET Core 的不同模板，满足多种平台需求。
• 在导出后可以直接进行二次开发，无需手动复制粘贴或重新搭建项目结构。

3. 优质的开发体验

• 现代化界面设计

• 提供分类清晰的示例库面板，可快速查找与预览每个示例的功能说明与截图。
• 实时可视化：允许用户在示例运行后直接查看结果，可用于快速评估模型表现。
• 深浅主题支持，符合当今用户界面设计的流行趋势。

• 代码集成环境

• 内置的代码编辑器支持语法高亮、智能补全和调试断点。
• 如果更偏好功能强大的 IDE，AI Dev Gallery 也能直接与 Visual Studio 或 VS Code 无缝对接。
• 通过内置的示例脚本或脚本界面，可以轻松查看示例中与模型推理相关的关键代码位置。

• 资源整合

• 提供一本地化的“文档中心”，整合了官方文档、API 参考及模型说明。
• 同时附带详细的示例代码片段和对应的说明文档，方便精准定位问题或加深理解。
• 学习与实战环境合二为一，减少了在不同平台、不同文档间来回切换的成本。

应用场景

1. Windows应用开发

• 传统桌面应用升级

• 对已有的 WinForms、WPF 或 UWP 应用程序，随着业务需求升级，可以快速集成 AI Dev Gallery 中已有的 AI 功能，如图像增强、语义分析等。
• 完全本地化推理，不依赖云服务，为用户带来更低时延、更佳隐私保护的体验。

LLamaSharp 是一个高性能的 C# 库，用于与大型语言模型（LLM）进行交互。它通过与一个用 C++ 编写的本地库（称为 backend）进行交互，提供了对多种后端的支持，包括 CPU、CUDA、Metal 和 OpenCL。本文将指导您如何安装 LLamaSharp，并提供一个完整的示例，展示如何使用该库进行聊天。

安装 LLamaSharp

要开始使用 LLamaSharp，您需要安装 LLamaSharp 包和相应的后端。以下是安装步骤：

1. 安装 LLamaSharp 包：

   在 NuGet 包管理器控制台中运行以下命令：

Bash
PM> Install-Package LLamaSharp

概述

LLamaSharp 是一个跨平台的库，旨在高效地在本地设备上运行 LLaMA 和 LLaVA 模型。基于 llama.cpp 开发，LLamaSharp 提供了在 CPU 和 GPU 上进行推理的能力，支持更高级别的 API 和 RAG（检索增强生成）功能，使得在应用程序中部署大型语言模型（LLM）变得更加便捷。

官网

Markdown
https://github.com/SciSharp/LLamaSharp

主要功能

摘要

Hashids是一个小巧的库，用于将数字（通常是数据库中的ID）转换为一个短字符串，这个字符串是由字母（A-Z，a-z）和数字（0-9）组成的。Hashids的一个常见用途是在URL中隐藏数据库记录的实际ID，以增加安全性和对用户友好。

Hashids的.NET实现是Hashids.net，这是一个开源库，可以轻松地在.NET应用程序中使用。

正文

应用场景

• URL短化：将长数字ID转换为短字符串，使URL更加简洁。
• 增强安全性：隐藏实际的数据库ID，避免暴露内部数据结构。
• 避免ID预测：连续的数字ID容易让人预测，使用Hashids可以打乱这种连续性。

优势

• 不可逆性：不像加密算法，Hashids生成的ID没有直接的解密方法，但可以通过同样的盐值（salt）来解码。
• 自定义：可以自定义盐值和字母表，生成独特的Hashids。
• 简单易用：API简单，集成快速。
• 无碰撞：在相同的盐值下，不同的数字会生成不同的Hashid。

劣势

• 非加密：Hashids不是加密工具，不应用于需要高安全性的场景。
• 长度限制：生成的字符串长度可能随ID的增大而增大，不适合所有的短URL场景。