C#开发者AI实战：从零调用大模型API打造图片生成工具

1. 为什么C#开发者现在入场AI正合适

说实话，这几年我一直有个感受：C#社区聊AI的声音，比Python社区小太多了。打开各种技术社区，铺天盖地都是Python、PyTorch、TensorFlow，好像不会Python就没资格碰AI一样。但作为一个搞了十多年C#的老开发，我心里一直不服气——C#做AI应用，真的不行吗？

答案显然是否定的。

先说个最简单的例子。很多C#程序员都在做上位机、桌面应用、工业控制软件，手里攒了一堆WINFORM、WPF的项目经验。如果想把AI能力塞进这些老项目里，用Python重构？不现实，成本太高。最务实的路线就是：原项目保持不动，用C#直接调用大模型API，把AI能力作为一个模块嵌进去。

再说一个更实际的现象。我最近在带几个同事做内部工具，需求很简单——做一个能自动生成产品描述图的桌面工具。技术栈就是C# + WinForm，调用大模型API，用户输入一句话，自动生成四张图，还能预览、保存。整个过程大概用了一个周末，代码量不到五百行。如果换成Python加Flask再加前端页面，反而要折腾半天环境。

所以我想写一篇真正适合C#程序员的AI入门实战，把你从"看过不少AI文章但不知道从哪下手"的状态，直接拉到"能独立写一个能用的小工具"的水平。

这篇文章里的所有代码，都是我实际跑通过的，不是那种复制下来就报错的Demo。我会尽量把每一个"为什么这样做"讲明白，毕竟干咱们这行的都知道，光有代码没有思路，换个场景就抓瞎。

适合谁来读？已经在写C#但还没碰过AI方向的开发者；想做AI工具但不想换语言栈的人；以及那些想给现有项目加AI功能，又怕搞不定的朋友。前提是你得会基本的C#语法，知道什么是类、什么是方法、什么是异步。

2. 选型：AI能力怎么接进来，用哪家的API

2.1 三类接入方式，先搞清楚你的场景

C#接入AI能力大概有三条路，我先把它们摆出来对比一下：

对于绝大多数C#开发者，尤其是第一次做AI应用的朋友，我的建议是：先从调用云端API开始。原因很简单：本地跑模型要处理CUDA、内存管理、模型格式转换，这一套下来没个把月摸不透，而且C#生态里这块资料确实少。云端API一个HTTP请求就行，让你把注意力放在"怎么用AI的能力"而不是"怎么把模型跑起来"。

2.2 为什么我推荐用HTTP请求而不是官方SDK

很多人一上来就找"有没有C#版SDK"。有，有一些大模型厂商确实提供了.NET SDK，但我个人更推荐直接用HTTP请求调API。

第一，HTTP请求是普适的。不管你今天用哪家的大模型，还是明天想换一家，底层交互方式本质上都是POST一个JSON过去，再收一个JSON回来。学会一次，终身受用。SDK的封装虽然省事，但每家的SDK设计风格都不一样，换一家就要重学一套。

第二，SDK本质也是包了一层HTTP请求，你在外面套SDK反而不好排查问题。API返回报错了，SDK把错误信息一包装，你反而搞不清楚到底是参数问题还是网络问题。直接看原始请求和原始返回，啥都清清楚楚。

第三，有些SDK更新不及时，尤其是偏门一点的模型服务。等他们适配，不如自己写一个HttpClient调用类，十分钟的事，稳定可控。

2.3 模型选哪个：理解一下"能聊天的"和"能画图的"

AI应用分两大类，一类是文字对话，一类是生成图片。初次上手，我建议你先做图片生成。为什么？因为图片生成的效果反馈非常直观——你说一句话，出来四张图，肉眼可见，特别有成就感。文字对话你还要考虑上下文、流式输出这些交互细节，上手门槛其实更高。

图片生成这块，大多数大模型厂商都有对应的API接口，参数大同小异，核心就是给一个Prompt提示词，返回图片的URL或Base64编码。我用的方案是部署在云端的一个图像生成模型，背后是英文提示词理解能力比较强的模型，直接用HTTP POST调用。

这里提醒一句：无论你选哪家，一定要先看清楚API文档里的鉴权方式和请求格式。现在大模型API基本都是用Token做鉴权，一个Key走天下，但有的放请求头里，有的放请求体里，有的要求Bearer前缀，别搞混了。

3. 动手前的准备：密钥申请、项目骨架、环境细节

3.1 获取API密钥，注意几个容易踩的坑

每个大模型平台都有自己的密钥申请流程，大致都是：注册账号、实名认证、开通对应服务、拿到API密钥。这里重点提醒几个坑：

第一，密钥一定要放服务端环境变量里，千万不要硬编码进代码。我见过不少人把API Key直接写在WinForm的cs文件里，然后代码传到Gitee私有仓库，后来仓库泄露，一夜之间被刷了几千块钱的调用量。正确做法是在本地环境变量里设置，代码里用Environment.GetEnvironmentVariable去读。

第二，开通服务之后，先看一眼免费额度或用完即止的设置。有些平台默认是持续扣费模式，没有额度上限管控，新手很容易在调试循环里把额度烧完。建议先把每次调用上限、每日限额设好再动手。

第三，密钥创建后只显示一次，如果你没有保存下来，只能重新创建一个。这个纯属个人经验教训，别问我是怎么知道的。

3.2 项目结构：WinForm程序怎么组织代码最顺手

既然是C#程序员入门AI，我默认你用的是Visual Studio，项目类型就选"Windows窗体应用(.NET Framework)"或者".NET Core Windows Forms"。如果你用的是.NET 6及以上，项目结构会清爽很多，依赖管理也方便。

我的建议是项目建好之后，把代码稍微分一下文件夹，不要全部堆在Form1.cs一个文件里：

code复制AIDemo/
├── Form1.cs                // 界面逻辑
├── AIService/              // AI服务调用
│   └── ImageGenService.cs  // 图片生成服务类
├── Models/                 // 数据模型
│   └── ImageGenResult.cs   // 生成结果模型
├── Common/
│   └── HttpHelper.cs       // HTTP请求封装（其实可以不用）
└── app.config              // 配置文件

说实话，只有几百度行的工具，不分文件夹也不影响运行。但分一下的好处是：后续你想扩展功能时，不用在Form1里翻几百行去找一个方法。我做这类工具的习惯是：界面代码和业务逻辑严格分离，窗体文件里只管按钮点击、ListView绑定这些UI操作，真正的API调用、数据处理全放独立的Service类里。

3.3 一个关键细节：目标平台的设置

如果你是64位Win11系统，项目用默认的"AnyCPU"平台目标，大概率能正常运行。但如果你在代码里要加载本地方言模型做音频识别，或者用到了某些需要本机DLL的库，就得注意把"平台目标"改成"X64"。这一块很多人容易忽略，等到报"未能加载DLL"错误时才开始排查，白白浪费一个小时。我的建议是一开始就把目标平台设为X64，省得后面麻烦。

这里顺手提一句：模型服务调用不需要GPU，也不需要本地装什么CUDA Toolkit，你的机器只要能上网，能跑Visual Studio，就足够了。

4. 第一个能跑通的AI应用：生成一张图片

4.1 API调用到底是怎么一回事，先理解再写代码

大模型的API调用，本质上就是一次HTTP POST请求。你给服务器发送一段JSON，里面包含你的指令（Prompt）、模型名称、参数设置，服务器处理完，给你返回一段JSON，里面就有生成结果。

类比一下：你就像在饭店点菜。你递给服务员一张菜单（Prompt指令），服务员送到后厨（大模型服务器），后厨做完菜端出来（返回结果）。中间过程你不用管，只需要把菜单写清楚，然后等着收菜就行。

C#里面发HTTP请求很简单，用HttpClient就够了。核心代码长这样：

csharp复制using System.Net.Http;
using System.Text;
using System.Text.Json;

public class ImageGenService
{
    private readonly HttpClient _httpClient;
    private readonly string _apiKey;
    private readonly string _endpoint;

    public ImageGenService()
    {
        _httpClient = new HttpClient();
        _apiKey = Environment.GetEnvironmentVariable("AIModelAPIKey");
        _endpoint = "https://api.xxx.com/v1/images/generations";
    }

    public async Task<string> GenerateImageAsync(string prompt)
    {
        var request = new
        {
            prompt = prompt,
            n = 1,
            size = "1024x1024"
        };

        var json = JsonSerializer.Serialize(request);
        var content = new StringContent(json, Encoding.UTF8, "application/json");
        _httpClient.DefaultRequestHeaders.Clear();
        _httpClient.DefaultRequestHeaders.Add("Authorization", $"Bearer {_apiKey}");

        var response = await _httpClient.PostAsync(_endpoint, content);
        var responseBody = await response.Content.ReadAsStringAsync();

        if (!response.IsSuccessStatusCode)
        {
            throw new Exception($"API调用失败：{response.StatusCode} - {responseBody}");
        }

        using JsonDocument doc = JsonDocument.Parse(responseBody);
        var imageUrl = doc.RootElement
            .GetProperty("data")[0]
            .GetProperty("url")
            .GetString();

        return imageUrl;
    }
}

这段代码建议你亲手敲一遍，不要复制。敲的过程中你会自然注意到HttpClient的用法、JSON序列化的结构、如何从响应里取数据——这些都是AI应用开发的"肌肉记忆"。

4.2 UI界面怎么写：两分钟搞定的WinForm

窗体设计很简单，我用了一个ListBox显示任务状态，一个RichTextBox显示结果URL，一个TextBox输入提示词，一个Button触发生成。

这里有一个新手很容易掉进去的坑：直接在线程池里调用async方法，导致UI卡死。WinForm的UI线程和后台线程是有严格区分的，你在按钮点击事件里用async void异步方法，没问题的；但如果你在一个同步循环里等待异步方法，就会死锁。

正确写法是：

csharp复制private async void btnGenerate_Click(object sender, EventArgs e)
{
    try
    {
        btnGenerate.Enabled = false;
        listBox1.Items.Add("正在生成，请稍候...");
        
        var service = new ImageGenService();
        var imageUrl = await service.GenerateImageAsync(txtPrompt.Text.Trim());
        
        listBox1.Items.Add("生成成功！");
        txtResult.Text = imageUrl;
        AddImageToListView(imageUrl);
    }
    catch (Exception ex)
    {
        listBox1.Items.Add($"生成失败：{ex.Message}");
        MessageBox.Show($"出错了：{ex.Message}");
    }
    finally
    {
        btnGenerate.Enabled = true;
    }
}

几点说明：

• async void在UI事件里是唯一合法的用法，其他地方一律用async Task，这个约定别打破。
• await关键字会保留UI上下文，所以await之后是可以直接操作UI控件的，不需要BeginInvoke那套老写法。
• 生成过程中把按钮禁掉，防止用户狂点导致重复请求。

4.3 跑起来了，然后呢：图片拿到之后怎么处理

API返回的通常是一个图片URL，你需要把它下载下来显示在界面上。这里给一个图片下载方法：

csharp复制private async void AddImageToListView(string url)
{
    using var client = new HttpClient();
    byte[] imageBytes = await client.GetByteArrayAsync(url);
    using var ms = new MemoryStream(imageBytes);
    var img = Image.FromStream(ms);
    
    var newImg = new Bitmap(img, new Size(256, 256));
    var imgList = new ImageList { ImageSize = new Size(256, 256) };
    imgList.Images.Add(newImg);
    
    listView1.LargeImageList = imgList;
    var item = new ListViewItem($"图片 {listView1.Items.Count + 1}", 0);
    listView1.Items.Add(item);
    
    // 顺手把图片保存到本地
    string fileName = $"output_{DateTime.Now:yyyyMMdd_HHmmss}.png";
    newImg.Save(fileName);
    listBox1.Items.Add($"已保存到 {Path.GetFullPath(fileName)}");
}

注意Image.FromStream这个方法有个坑：Stream必须保持打开状态直到图片被完全使用，否则会报"参数无效"。所以我用using块包裹MemoryStream，再在using块里完成图片处理和Bitmap转换，确保不出问题。

到这里，你已经拥有了一个真正能用的AI图片生成工具。虽然简陋，但千里之行始于足下，这个Demo成功跑通的意义在于：你验证了从C#程序调通大模型API的整条链路，后面所有的扩展都是在这条链路上做加法。

5. 进阶玩法：生成四张图、流式输出与并发优化

5.1 从一张到四张：参数与代码调整

只生成一张图不过瘾，我很快就把功能升级成了"一句话生成四张图"。改起来其实很简单，大多数图像生成API有一个n参数，表示一次要生成几张，改成4就行：

csharp复制var request = new
{
    prompt = prompt,
    n = 4,  // 让模型一次返回四张
    size = "1024x1024"
};

但如果你用的API不支持一次返回多张图，那就得在代码里并发调用四次。这里有个很关键的性能问题：四次串行请求要等四次网络往返时间，并发请求只需等最慢的那一次。

用C#的Task.WhenAll做并发非常简单：

csharp复制var tasks = new List<Task<string>>();
for (int i = 0; i < 4; i++)
{
    tasks.Add(GenerateOneImageAsync(prompt + $" - 风格变体{i+1}"));
}
string[] urls = await Task.WhenAll(tasks);

Task.WhenAll会把多个任务并行执行，全部完成后一次性返回。这个模式在AI应用里非常常见，因为大模型API的调用是纯IO操作，天然适合异步并发。但要注意：并发数量不要太高，一般API都会限流，并发10个以上很可能被拒。

5.2 让进度可视化：加一个流式输出的状态提示

生成四张图的时候，用户会在界面干等。如果没有任何反馈，用户会怀疑程序卡死了。我给ListBox加了一个简单的进度提示：

csharp复制listBox1.Items.Add($"正在生成第1张...");
await Task.Delay(500);

这个做法其实是取巧了，因为我也不知道每张图具体什么时候完成。更好的方案是，把每个生成任务包装成一个带状态的对象：

csharp复制public class GenerateTask
{
    public int Index { get; set; }
    public string ImageUrl { get; set; }
    public bool IsCompleted { get; set; }
}

然后在每个任务完成时，通过Progress<T>报告进度，更新UI。这样用户就能看到"第2张已完成，正在生成第3张..."这种直观的反馈。

5.3 解决WinForm的UI冻结问题：await和Task的组合落地

WinForm的UI冻结，本质原因是UI线程被阻塞了。很多新手写多线程，喜欢用Thread.Sleep(1000)去模拟等待，但这会把UI线程睡死，界面立刻无响应。

正确的做法是，用async/await配合Task.Delay，让出UI线程：

csharp复制// 错误示范：这会冻住界面
Thread.Sleep(1000);

// 正确示范：异步等待，UI还能响应用户操作
await Task.Delay(1000);

这里面的原理是：await会把后续代码注册为回调，先让出线程回到消息循环，等异步操作完成后再继续执行后续代码。用生活里的事打比方：你可以边烧水边拖地，而不是死盯着水壶等它烧开。

5.4 进阶优化：把七张图的耗时压缩到理论极限

有一次我的需求是生成七张图，如果串行跑，每张假设30秒，总共210秒，用户体验极差。用了并发之后，理论耗时压缩到最慢一张的时间，也就是30秒左右。

但我很快发现了一个新问题：七张图同时并发请求，有可能触发API的限流机制，十次里有两三次直接返回429（请求过多）。

解决方案有两种：

1. 限制最大并发数，比如最多并发3张，其余排队等待。
2. 每次请求之间加一个随机小延迟，错开请求高峰。

我现在用的是SemaphoreSlim控制并发，类似这样：

csharp复制private static readonly SemaphoreSlim _semaphore = new SemaphoreSlim(3);

private async Task<string> RateLimitedGenerateAsync(string prompt)
{
    await _semaphore.WaitAsync();
    try
    {
        return await GenerateOneImageAsync(prompt);
    }
    finally
    {
        _semaphore.Release();
    }
}

SemaphoreSlim可以把它理解成"限流闸门"：同一时间最多放三个请求通过，第四个必须等前三批有空位了再进。这样既不浪费并发能力，又不至于把API逼疯。

6. 边界条件处理：错误重试、输入校验与防呆设计

6.1 大模型API调用失败的几种常见情况和应对

开发AI应用跟开发普通应用最大的区别是：AI应用的不确定性更大。API可能因为各种原因失败，比如网络超时、模型负载高、内容安全策略拦截、超过免费额度等。所以一个健壮的AI应用必须包含错误重试机制。

我的做法是引入一个简单的重试循环，配合指数退避算法：

csharp复制public async Task<string> GenerateWithRetryAsync(string prompt, int maxRetry = 3)
{
    int retryCount = 0;
    int baseDelayMs = 2000;
    
    while (true)
    {
        try
        {
            return await GenerateOneImageAsync(prompt);
        }
        catch (Exception ex) when (IsRetryable(ex))
        {
            retryCount++;
            if (retryCount >= maxRetry) throw;
            
            int delay = baseDelayMs * (int)Math.Pow(2, retryCount - 1);
            listBox1.Items.Add($"第{retryCount}次调用失败，{delay/1000}秒后重试...");
            await Task.Delay(delay);
        }
    }
}

IsRetryable这个方法判断哪些错误值得重试，哪些错误重试也没用。一般规则是：429（限流）、500（服务器错误）、503（服务不可用）可以重试；400（参数错误）、401（鉴权失败）不要重试，重试一万次也不会成功。

6.2 输入校验：不要让你的密钥和提示词裸奔

用户在大模型产品里输入的内容，会经过内容安全审查，违规内容会被拒绝。我们在做工具时也要做好这层防护，但更重要的是在客户端就拦截掉明显不合适的输入。

我的做法是在点击"生成"按钮之前，对提示词做了几个简单的校验：

1. 非空校验：提示词为空直接弹提示，不调API。
2. 长度校验：超过500字符提示用户精简，因为过长提示词会被模型截断，效果反而不好。
3. 敏感词前置拦截：这层是一个黑名单过滤，虽然简单粗暴，但能挡掉大部分无意义的API调用。

这个前置校验看起来很不起眼，但真的能省不少钱和时间。你想，如果用户输了一个明显违规的词，你不前置拦截，API调用100%会返回审查不通过。不仅浪费一次调用额度，响应时间还很慢。

6.3 我在实际调试中踩过的一个坑：返回值非JSON格式

有一次调用一个图像生成API，返回的内容竟然是HTML格式的页面，我当时就懵了。排查了一圈发现，原来是我请求头的Accept字段写错了，服务器直接返回了一个错误提示页面。

这个教训让我养成一个习惯：所有API调用，第一件事先输出原始响应文本，不要急着解析JSON。看一眼响应原文，八成问题都能定位。如果原始响应是JSON，你再放心大胆地加反序列化逻辑。

另外还有一个很容易被忽略的问题，就是HTTP状态码为200，但业务状态码是失败。有些API会返回200，但JSON里带个success字段是false，老手也得翻车。所以解析响应时，不能只看HTTP状态码，还要看响应体里的业务状态码。

6.4 图片文件的保存策略和资源释放

生成的图片保存到本地时，我建议用时间戳命名，不要覆盖旧文件：

csharp复制string folder = Path.Combine(Environment.GetFolderPath(Environment.SpecialFolder.MyPictures), "AIGenerated");
Directory.CreateDirectory(folder);
string fileName = $"ai_img_{DateTime.Now:yyyyMMdd_HHmmss_fff}.png";
string fullPath = Path.Combine(folder, fileName);
image.Save(fullPath, ImageFormat.Png);

库System.Drawing创建的Bitmap和Graphics对象，用完之后一定要释放，否则会出现内存占用越来越高，最终变成"内存泄漏"的假象。我的习惯是：凡是创建了Bitmap、Graphics、Pen、Brush这类对象的，能using就using。

这里有个小细节：如果你要把生成的图片显示在ListView或PictureBox里，同时又要保存到本地，不能只调用一次Save就完事。显示用的Image对象和保存用的Image对象是有区别的——你保存之后可能就把Image对象Dispose了，界面上就显示不出来了。我的做法是先保存，后显示，并且显示用的Image是保存前克隆出来的一份：

csharp复制// 先存盘
image.Save(fullPath);

// 再显示
var clone = (Bitmap)image.Clone();
pictureBox1.Image = clone;

这样保存和显示互不干扰，两个对象各自释放自己的资源。

7. 把工具变成"产品"：界面增强和交互体验优化

7.1 一个ListView搞定历史记录

当我开始频繁使用这个工具，我发现在界面上加一个历史记录区域非常有必要。每次生成的图片URL、时间、提示词，都记录在案，方便回溯。

我用的方法是：

csharp复制public class GenerationRecord
{
    public string Prompt { get; set; }
    public string ImageUrl { get; set; }
    public DateTime CreatedAt { get; set; }
}

然后把这些记录绑定到ListView上，每一列显示一个字段。WinForm的ListView有网格线模式View.Details，配合列的设置就能做出一个看起来像模像样的历史记录面板。

不过WinForm的ListView功能其实挺基础的，如果你后续想做得更好看，建议换DataGridView，或者干脆引入一个简单的第三方UI库。但作为第一个AI应用，ListView完全够用了。

7.2 给按钮加取消功能

大模型生成图片很耗时，用户难免会在等待过程中后悔，想取消。特别是你用WinForm做多图并发生成时，取消功能几乎是刚需。我的做法是用一个CancellationTokenSource：

csharp复制private CancellationTokenSource _cts;

private async void btnGenerate_Click(object sender, EventArgs e)
{
    _cts?.Cancel();
    _cts?.Dispose();
    _cts = new CancellationTokenSource();
    
    try
    {
        var result = await GenerateWithRetryAsync(prompt, _cts.Token);
    }
    catch (OperationCanceledException)
    {
        listBox1.Items.Add("已取消生成。");
    }
}

private void btnCancel_Click(object sender, EventArgs e)
{
    _cts?.Cancel();
}

注意：API请求一旦发出，服务器那边是无法撤回的，CancellationToken只能取消客户端的等待和后续的重试。也就是说，用户点击取消后，界面马上恢复响应，但服务器可能仍然会生成完那张图并计入费用。这一点在使用时要跟用户讲清楚。

7.3 把密钥存到配置文件还是环境变量

上一节我提过密钥要放在环境变量里，但有些WinForm程序是要发给别人使用的，你不能要求每个用户都去配环境变量。这种情况，我建议把密钥和模型名都写到 app.config 或 JSON 配置文件里：

xml复制<appSettings>
    <add key="AIModelAPIKey" value="你的密钥" />
    <add key="AIModelEndpoint" value="https://api.xxx.com/v1/images/generations" />
    <add key="AIModelName" value="image-gen-v1" />
</appSettings>

然后代码里统一用ConfigurationManager去读：

csharp复制var apiKey = ConfigurationManager.AppSettings["AIModelAPIKey"];
var endpoint = ConfigurationManager.AppSettings["AIModelEndpoint"];

这样做的好处是，后续如果你想适配另一个厂商的API，不需要重新编译代码，改一下配置文件就能切换。写死在代码里的密钥是灾难，写在配置文件里是专业，写在环境变量里是推荐，按需选择。

8. 下一个实战目标：把AI接到你的老项目里去

8.1 最保守的接法：独立通信的本地服务

如果你的老项目是一个复杂的WinForm或者WPF系统，你完全不想碰它的核心代码，但又想加上AI能力，我的建议是：搞一个独立的本地AI服务程序，老项目通过HTTP或者命名管道跟它通信。

把这个AI服务单独做成一个控制台应用或Windows服务，监听本地端口，收到请求就调大模型API，返回结果给主程序。这样两边彻底解耦，AI服务挂了不影响主程序运行，主程序升级也不影响AI服务。

C#里写一个简单的HTTP监听服务，用HttpListener就够了，网上教程一搜一大把。核心代码大概就是这个雏形：

csharp复制HttpListener listener = new HttpListener();
listener.Prefixes.Add("http://localhost:58888/");
listener.Start();

while (true)
{
    var context = await listener.GetContextAsync();
    var request = context.Request;
    var response = context.Response;
    // 读取request里的prompt，调大模型API，写回response
}

这种架构的好处是：你的AI服务可以用任何语言写，主程序用什么语言都无所谓。今天用C#写，明天想换Python重写，主程序一行都不用改。

8.2 更深入的接法：在C#上层封装一个统一的AI接口

如果你的项目里有多个地方要用到AI能力，比如一个地方做智能客服，一个地方做内容审核，一个地方做图像识别。这时候再到处散布API调用代码，就成灾难了。

我的做法是设计一个统一接口，把AI能力抽象化：

csharp复制public interface IAIService
{
    Task<string> ChatAsync(string message, CancellationToken token = default);
    Task<string[]> GenerateImagesAsync(string prompt, int count, CancellationToken token = default);
    Task<string> AnalyzeImageAsync(string imagePath, string question, CancellationToken token = default);
}

然后在主项目里注册这个接口的实现，业务层只需要注入IAIService，根本不用关心底层是调用哪家的大模型。将来换供应商，或者从云端API换成私有化部署，只改实现类就够了。

这种"面向接口编程"的思路，在C#里算是基础功，但你一旦把AI能力也纳入这个模式，你的老项目对AI的适应能力就会强很多。

8.3 在C#里真正落地AI的场景举例

最后分享几个我实际做过的场景，给你们找找灵感：

• 工业上位机里的AI质量检测：C#上位机通过串口读传感器数据，数据在C#这边做简单判断后，把异常图片发给大模型API做进一步分析，返回不良原因。
• WinForm报表工具里的智能摘要：导出数据报表的同时，自动生成一段文字总结，描述数据的核心特征。底层就是拼接一个Prompt，调用Chat接口。
• 老系统里的智能搜索：用户用自然语言搜索，C#后端先把自然语言转成数据库查询条件，再执行查询。这就是最简单的"Text-to-SQL"应用。

每一个场景都不复杂，几百行代码就能搞定。关键在于你愿不愿意把手伸进AI这个领域，先写一个能跑的东西出来。

我做这个AI图片生成工具时，刚开始也就想着"试试看"，结果跑通之后发现——原来AI应用没那么玄乎。它就是一个API调用，跟你在C#里调用微信支付接口、调用短信服务接口没什么本质区别。区别只在于，参数怎么调、返回值怎么用，需要多一些试错和沉淀。

如果你看完这篇文章，能自己动手把第一个AI应用跑起来，那这篇文章的目的就达到了。后面越做越熟之后，你会发现，真正难的不是调用API，而是怎么把AI能力和你的业务场景结合起来——这个问题，任何教程都代替不了你对自己业务的理解。