.NET 9 发布了，有哪些令人激动的特性？

最新推荐文章于 2026-04-21 11:44:59 发布

原创最新推荐文章于 2026-04-21 11:44:59 发布 · 2.4k 阅读

22 ·

本内容遵循CC 4.0 BY-SA版权协议

标签

#.net

笔记专栏收录该内容

1199 篇文章

订阅专栏

.NET 9 是微软宣布的最新版本，它被认为是迄今为止最高效、最现代、最安全、最智能、性能最高的 .NET 版本。

一、.NET 9 的一些主要特点和改进

性能提升：.NET 9 包含了超过1000项与性能相关的改进，这些改进覆盖了运行时、工作负载和语言，通过更高效的算法生成更好的代码。Server GC（垃圾回收）经过重大改变，以适应应用程序的内存需求，而不是环境中可用的资源（内存和CPU）。TechEmpower 基准测试显示 .NET 9 在吞吐量上更高，内存使用量显著下降。
.NET Aspire：.NET Aspire 9 带来了一些用户最需要的功能，以帮助简化应用程序开发。现在可以从仪表板启动和停止资源，保持容器在调试会话之间存活，并访问包括 WaitFor 在内的新 API，以更好地管理资源启动。
人工智能（AI）生态系统：.NET 继续扩展构建和注入应用程序的 AI 功能。新的学习材料和示例、简化的集成、与合作伙伴的合作，以及将 AI 解决方案部署到云端都变得更加无缝。
AI 构建块：.NET 9 引入了通过 Microsoft.Extensions.AI 和 Microsoft.Extensions.VectorData 包的统一 C# 抽象层，这些抽象层促进了与 AI 服务的交互，包括小型和大型语言模型（SLM 和 LLM）、嵌入、向量存储和中间件。
ASP.NET Core 和 Blazor：ASP.NET Core 是 .NET 的全栈 Web 框架，提供了构建现代 Web 应用和可扩展后端服务所需的一切。.NET 9 中的 ASP.NET Core 应用默认安全，扩展了对预先编译的支持，改进了监控和跟踪，并且性能提升。
OpenAPI 增强：ASP.NET Core 中的 OpenAPI 功能也得到了增强，提供了更多的功能和改进。
.NET SDK：.NET 9 SDK 引入了工作负载集，其中所有工作负载都保持在单一特定版本，直到显式更新。此外，.NET SDK 可以检测和调整 .NET SDK 和 MSBuild 之间的版本不匹配问题。
AI 张量类型：.NET 9 包括新的张量类型，扩展了 AI 功能。TensorPrimitives 和新的 Tensor<T> 类型通过支持高效编码、操作和计算多维数据，扩展了 AI 功能。
安全性提升：.NET 9 默认启用了控制流执行技术（CET），这显著提高了安全性，通过硬件强制的栈保护来防止返回导向编程（ROP）漏洞利用。

这些改进使得 .NET 9 成为一个强大的平台，用于构建现代、高性能和安全的应用程序，并且进一步集成了 AI 功能。

二、.NET 9 在人工智能领域的应用创新

.NET 9 在人工智能领域的应用带来了多项创新，主要包括以下几个方面：

AI生态系统扩展：.NET 9 提供了新的学习材料和样例，简化了与.NET生态系统的集成，并与Azure、OpenAI、LlamaIndex、Qdrant、Pinecone、Milvus、AutoGen、OllamaSharp、ONNX Runtime等合作伙伴合作，构建了一个强大的AI生态系统。
AI构建块：.NET 9 引入了新的抽象来简化AI集成，包括Microsoft.Extensions.AI和Microsoft.Extensions.VectorData，为与AI服务交互提供了统一的C#抽象层。这些抽象支持小型和大型语言模型（SLM和LLM）、嵌入、向量存储和中间件。
张量和分词器：.NET 9 中引入了新的Tensor<T>类型，用于表示多维数据，简化了库和应用操作之间的互操作性。同时，Microsoft.ML.Tokenizers支持多种标记化算法，包括字节级BPE、SentencePiece和WordPiece，改进了对流行模型系列（如GPT、Llama、Phi和Bert）的标记器支持。
GPU加速：.NET 9 中的GPU加速比以往任何时候都更容易获得，包括用于高效多维数组运算的新Tensor<T>类型，CUDA互操作改进，以及与Nvidia的cuDNN库集成，用于深度学习基元。
简化的AI模型部署：.NET 9 通过新的ASP.NET Core集成简化了AI模型部署，包括新项目模板、模型终端节点的自动OpenAPI/Swagger文档、内置模型版本控制和A/B测试支持，以及使用gRPC集成提供可扩展的模型服务。
新的数值API：.NET 9 引入了新的数值API，以实现高效的张量和矩阵运算，包括System.Numerics.Tensor<T>用于高效的张量运算和System.Numerics.Matrix<T>用于矩阵代数，以及SIMD加速线性代数例程。
GitHub Copilot增强功能：.NET 9 强调了为.NET开发者改进的GitHub Copilot集成，包括用于调试的AI智能变量检查、AI驱动的IEnumerable可视化工具、改进的代码修复功能、增强的C# AI补全以及协助调试失败的测试。

这些创新使得.NET 9成为一个强大的平台，用于构建现代、高性能和安全的AI应用程序。

三、.NET 9 具体AI示例

openai调用

dotnet add package OpenAI --version 1.0.0

using System;
using System.Net.Http;
using System.Text;
using System.Threading.Tasks;
using Newtonsoft.Json;

namespace AIExample
{
    class Program
    {
        static async Task Main(string[] args)
        {
            var apiKey = "your_openai_api_key"; // 替换为你的OpenAI API密钥
            var prompt = "Once upon a time in a land far, far away...";
            var response = await GenerateTextAsync(apiKey, prompt);
            Console.WriteLine(response);
        }

        static async Task<string> GenerateTextAsync(string apiKey, string prompt)
        {
            var url = "https://api.openai.com/v1/engines/davinci-codex/completions";
            var requestBody = new
            {
                prompt = prompt,
                max_tokens = 50,
                n = 1,
                stop = null,
                temperature = 0.7
            };

            using var httpClient = new HttpClient();
            httpClient.DefaultRequestHeaders.Authorization = new System.Net.Http.Headers.AuthenticationHeaderValue("Bearer", apiKey);
            httpClient.DefaultRequestHeaders.Accept.Add(new System.Net.Http.Headers.MediaTypeWithQualityHeaderValue("application/json"));

            var json = JsonConvert.SerializeObject(requestBody);
            var content = new StringContent(json, Encoding.UTF8, "application/json");

            var response = await httpClient.PostAsync(url, content);
            response.EnsureSuccessStatusCode();

            var responseBody = await response.Content.ReadAsStringAsync();
            var result = JsonConvert.DeserializeObject<dynamic>(responseBody);
            return result.choices[0].text.Trim();
        }
    }
}

在这个示例中，我们使用了OpenAI的API来生成一段基于给定提示词的文本。以下是代码的主要步骤：