[MAF预定义ChatClient中间件-04]ReducingChatClient——通过精减对话实施又不丢失基本语义

📰 来源: 博客园

绝大部分的Agent都采用对话的方式来和用户进行交互，所以对话的内容就成了Agent决策的基础，对话历史也成为占据LLM上下文窗口的主要内容。LLM推理的质量并非与上下文的丰富程度成正向关系，有时候过多的上下文信息反而会干扰Agent的判断，导致它做出错误的决策。ReducingChatClient就是为了解决这个问题而设计的一个中间件，它通过精减对话内容来帮助Agent更好地理解用户的意图，从而做出更准确的决策。为上下文窗口腾出更多空间也是保证可靠性的一种基本的手段。

1. 利用ReducingChatClient摘要对话内容

如下的程序演示了如何利用ReducingChatClient来部分对话内容进行摘要，保证在不丢失基本语义的前提下，腾出更多的上下文窗口。如代码片段所示，我们基于OpenAIClient创建了一个IChatClient对象，并在此基础上利用ChatClientBuilder注册了ReducingChatClient中间件，并指定了一个SummarizingChatReducer对象来提供基于摘要的队对话精减功能。我们在创建SummarizingChatReducer对象的时候，传入了一个用于对摘要进行生成的ChatClient对象，该对象依然是基于OpenAIClient创建的，并且使用了相同的模型来生成摘要。我们还为SummarizingChatReducer对象指定了targetCount和threshold两个参数，前者表示我们希望在摘要之后保留多少条消息，后者则是一个阈值，用于触发摘要操作的阈值（超过targetCount+threshold）。

using Azure;
using dotenv.net;
using Microsoft.Extensions.AI;
using OpenAI;

DotEnv.Load();

var apiKey = Environment.GetEnvironmentVariable("API_KEY")!;
var endpoint = Environment.GetEnvironmentVariable("OPENAI_URL")!;

var summaryClient = new OpenAIClient(
    credential: new AzureKeyCredential(apiKey),
    options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetChatClient(model: "DeepSeek-V4-Pro")
    .AsIChatClient();

var client = new OpenAIClient(
    credential: new AzureKeyCredential(apiKey),
    options: new OpenAIClientOptions { Endpoint = new Uri(endpoint) })
    .GetChatClient(model: "gpt-5.2-chat")
    .AsIChatClient()
    .AsBuilder()
    .UseChatReducer(reducer: new SummarizingChatReducer(chatClient:summaryClient, targetCount: 3, threshold:1))
    .Use((messages,options, next, cancelToken)  => {
        Console.WriteLine( $"请求消息共计{messages.Count()}条");
        var index = 1;
        foreach (var message in messages)
        {
            Console.WriteLine($"{index++}. {message}");
        }
        return next(messages, options, cancelToken);
    })
    .Build();

ChatMessage[] messages = [
    new ChatMessage(ChatRole.User, "今天苏州的天气怎么样？"),
    new ChatMessage(ChatRole.Assistant, "苏州今天是晴天。"),
    new ChatMessage(ChatRole.User, "气温多少？。"),
    new ChatMessage(ChatRole.Assistant, "室外温度25度。"),
    new ChatMessage(ChatRole.User, "有风吗？"),
    new ChatMessage(ChatRole.Assistant, "西北风4级。"),
    new ChatMessage(ChatRole.User, "根据天气，给我一些着装建议。")
];

var response = await client.GetResponseAsync(messages);
Console.WriteLine($"\n\n{response}");

为了查看经过ReducingChatClient精减之后的对话历史，我们在ChatClientBuilder中注册了一个简单的中间件来输出当前传入的消息列表。IChatClient管道构建成功之后，我们调用GetResponseAsync方法并指定了一组消息（共7条）来模拟一段对话的历史。由于我们在ReducingChatClient中指定了targetCount为3，并且threshold为1，必然会触发摘要操作。摘要完成后，保留了最后三条消息，只对对前4条消息进行了摘要，这一切体现在如下的输出中：

请求消息共计4条
1. 用户询问了今天苏州的天气情况，助手回答为晴天。随后用户进一步询问气温，助手回答室外温度为25度。对话围绕苏州当日的天气状况和具体气温展开，内容简洁明确。
2. 有风吗？
3. 西北风4级。
4. 根据天气，给我一些着装建议。


今天苏州**晴天，25℃，西北风4级**，体感会比较清爽，风稍微有点明显。给你一些穿搭建议：

### 👕 上衣
- **短袖T恤、薄衬衫**都可以
- 如果怕风，建议带一件**薄外套/防风夹克**

### 👖 下装
- **牛仔裤、休闲裤**都合适
- 不怕冷的话也可以穿**薄款长裙/半裙**

### 👟 鞋子
- 运动鞋、休闲鞋都很舒服
- 风有点大，尽量避免太轻薄易飘的穿搭

### 🌞 其他建议
- 晴天紫外线可能偏强，出门可以**戴太阳镜、涂防晒**
- 风力4级骑车会有点顶风，注意安全

整体来说是**舒适偏清爽型天气**，穿得轻松一点就好 👍

2. IChatReducer

ReducingChatClient的核心是IChatReducer接口，我们可以称之为精简器。它定义了一个ReduceAsync方法，用于对传入的消息列表进行精减处理。我们可以通过实现IChatReducer接口来定义自己的消息精减策略，从而满足不同场景下的需求。

public interface IChatReducer
{
	Task<IEnumerable<ChatMessage>> ReduceAsync(
        IEnumerable<ChatMessage> messages, 
        CancellationToken cancellationToken);
}

2.1 SummarizingChatReducer

SummarizingCh