用 .NET 10 技术栈 “玩转 AI 学习” 的路线图：从 Minimal API 到 AI Agent 产品

.NET 10 AI 学习路线图：从 Minimal API 到 Agent 产品

一篇写给 .NET 程序员的上手路线。不劝你用 Python 重写后端，而是把 AI 当成「新一类后端依赖」来学------先用起来，再逐步把数据库、工具和推理挂上去。

一、为什么需要这份路线图

很多 .NET 开发者面对 2026 年的 AI 浪潮会卡在一个念头：「我是不是得转 Python？」

答案是不用。

.NET 10 是 LTS（支持到 2028-11），底座是 C# 14 + ASP.NET Core 10 + EF Core 10 + Aspire 13。这一代最关键的不是某个新语法，而是微软把 AI 抽象做进了 BCL：

Microsoft.Extensions.AI（MEAI） ：统一的 IChatClient 抽象，换模型只要改一行。
MCP C# SDK 1.0：把你的 Service 方法变成 AI 可调用工具。
Agent Framework 1.0：管多步推理、上下文压缩、多 Agent 协作。

一句话：你十年积累的后端代码，加几个 Attribute 就成了 AI 时代的工具箱。

这份路线图借用「先就业、后深入」的 AI 学习心法------先用起来 → 理解边界 → 搭个人工作流 → 做产品/IP，把它完整重排成 .NET 10 版本。

二、核心心法（四步走）

步骤	心态	.NET 10 对应动作
先用起来	把 AI 当实习生	Minimal API + MEAI 接一次大模型
理解边界	知道它为什么胡说	DI/EF/AOT 原理 + MCP 概念 + 上下文压缩
搭工作流	嵌进日常开发	RAG（EF Core 向量）+ MCP 暴露旧 Service + SSE
做产品	封装成对外服务	Agent Framework 多 Agent + A2A + Foundry 托管

原则：别一上来背概念，先让 ASP.NET Core 10 跑起来，再让大模型在你路由里答一句话，然后逐步把数据库/工具/多步推理挂上去。

三、阶段一：先用起来（2~3 周）

目标：跑通一个 .NET 10 后端，并让大模型在你的接口里「说一句话」。

学什么？

.NET 10 安装 ：SDK、VS2026 / VS Code + C# Dev Kit，项目里开 <LangVersion>14</LangVersion>。
ASP.NET Core 10 Minimal API ：app.MapPost("/chat", ...)、内置 DataAnnotations 校验、IResult 返回、SSE 原生流式 （text/event-stream）。
EF Core 10 基础 ：DbContext、ef core migrations、FirstOrDefaultAsync、JSON 列。
接 AI 的第一行代码 ：Microsoft.Extensions.AI 的 IChatClient。

csharp 复制代码

builder.Services.AddChatClient(new OpenAIChatClient("gpt-4o-mini", apiKey));

控制器里注入 IChatClient，await chatClient.CompleteAsync("用一句人话解释什么是 MCP")。

做 3 个真实小任务（别写教程 Demo）

一个 /echo Minimal API，把请求体校验跑通。
一个 /ask 接口，把前端问题转发给大模型，用 HTTP/SSE 流式吐字。
用 EF Core 把对话日志存进 SQLite，能按 session 查历史。

本阶段别碰

❌ 别学 Transformer 数学
❌ 别自己搭向量库
❌ 别写 Agent（会劝退）

里程碑：让 ASP.NET Core 10 跑起来，让大模型在你的路由里「说一句话」。

四、阶段二：理解边界（3~4 周）

目标：知道 .NET 10 每块干嘛、AI 为什么会胡说。

.NET 侧必须懂的 5 件事

DI 生命周期 ：AddSingleton/Scoped/Transient and Keyed DI / Keyed Service 在 Minimal API 里怎么选。
Minimal API 校验链 ：[Required] + IValidatableObject + 自定义 Filter。
EF Core 10 新特性 直接用在后面 RAG 检索增强生成（Retrieval Augmented Generation）：
- LeftJoin/RightJoin 原生支持
- 命名查询过滤器（IgnoreQueryFilters(["TenantFilter"])）
- 向量相似度搜索（production-ready）
Native AOT 与容器 ：控制台程序 dotnet publish 直接出镜像，冷启动快 75%。
Aspire 13 是什么 ：不是必学，但要知道它能把 「Web + API + Worker + DB + MQ + Redis + AI 服务」 一键起分布式追踪。

AI 侧必须懂的 4 个名词（人话版）

Prompt 边界 ：模型不是搜索引擎，缺上下文就编------所以用 RAG 补上下文（基于事实来源）。
幻觉：模型自信地错，解法 = 给原文引用 + 让 EF 存溯源。
上下文窗口 ：Token（词元） 有限，长会话要压缩（Agent Framework 的 Automatic context compaction 就是干这个）。
MCP（模型上下文协议） ：把 「查订单」、「读 Confluence」、「调内部 API」 包成标准 AI Tool，模型按 schema 调用，不用每人写胶水代码。

小实验

把阶段一的 /ask 改成：系统提示写 「你是售后助理，只允许用工具查数据」，不挂工具时故意问 「我上次退货到哪了」，观察它怎么编。

五、阶段三：把 AI 嵌进工作流（4~6 周）

目标：用 .NET 原生栈做出一个内部知识库问答。

5.1 RAG 落地（全程 .NET）

切片：Microsoft.Extensions.DataIngestion（读 PDF/MD/Confluence 导出）。
向量化：IEmbeddingGenerator（M.E.AI 抽象，可换 OpenAI/Azure/Ollama）。
存储：EF Core 10 向量列 或 Microsoft.Extensions.VectorData（ PG / Cosmos / SQLite 都行）。
检索 + 生成：M.E.AI 的 ChatClient + 把命中片段塞进 ChatMessage。

通俗说：公司文档进数据库 → 用户提问变向量 → 找最像的 3 段 → 连同问题喂给大模型 → 回答带引用。

5.2 MCP C# SDK（关键一步）

NuGet：ModelContextProtocol（ 2026年2月份 1.0 已 GA）。

csharp 复制代码

# 当下最新版本：2026-08-28
dotnet add package ModelContextProtocol --version 2.2.0

csharp 复制代码

[McpServerTool(Title = "查库存")]
public static async Task<string> CheckStock(string sku)
{
    // 里面就是普通 EF Core 查询
}

前端 / Claude / Cursor / 自研 AI Agent 都能发现这个 Tool，模型自己决定什么时候调用。

对 .NET 人来说：你以前写的 Service 方法，加个 Attribute 就变成 AI 可调用能力。

5.3 异步工作流

用 Aspire 把 Web + API + Worker + Qdrant + PG 组一起跑。
用 BackgroundService 做文档增量嵌入。
用 SSE / WebSocketStream（.NET 10 新增·一等公民）做前端流式。

阶段交付物

一个「内部知识库问答」：

上传 Markdown → 后台嵌入
前端提问 → Minimal API 走 RAG → SSE 吐答案
模型可经 MCP 调「查最新价格」「开工单」

六、阶段四：做 Agent 产品 / 对外服务（长期，6 周+）

目标：把能力封装成可对外服务的 AI Agent 产品。

用 Microsoft Agent Framework 1.0（2026-04 GA）

关于 MAF 更多信息请查看，https://www.nuget.org/profiles/MicrosoftAgentFramework

它把 Semantic Kernel + AutoGen 合并了，.NET/Python 同 API。

核心构件：

AIAgent / ChatClient.AsHarnessAgent()：自带上下文压缩、Todo、文件记忆、Plan/Execute 模式。
MCP 集成 ：Agent 直接消费你阶段三写的 MCP Server。
A2A ：多个 Agent 互相派活（比如 「售前 Agent」转「工单 Agent」）。
Foundry Hosted Agents ：本地跑完直接丢 Azure AI Foundry 托管，带鉴权/伸缩/追踪。

最小 AI Agent 示例：

csharp 复制代码

var agent = chatClient
    .AsHarnessAgent(128_000, 16_384, new()
    {
        Name = "售后Agent",
        ChatOptions = new()
        {
            Instructions = "先查MCP工具，再回答；拿不到证据就明说",
            Tools = { new CheckStockTool(), new OpenTicketTool() }
        }
    });

产品化时补的 .NET 能力

鉴权：ASP.NET Core Identity 10 原生 Passkey（无密码）。
多租户 ：EF Core 10 命名过滤器 TenantFilter。
观测：Aspire 13 Service Defaults 的 OpenTelemetry 自动埋点，让 AI Agent 每步 Tool 调用可见。
部署：Native AOT + 容器原生镜像，Lambda/ACA/自建 K8s or K3s 都行。

可交作业（选一个做深）

垂直 Agent：比如「.NET 报错诊断 Agent」，接 GitHub MCP + 文档 MCP + 你公司/单位代码索引。
企业内部 Copilot：Outlook 邮件 → MCP 查 CRM → Agent 起草回复。
小程序后台：.NET 10 做 API，前端微信小程序，Agent 管多轮订餐/售后。

七、四阶段对照表（一眼看懂）

原文 AI 路线	.NET 10 对应做法	周期
先用起来（当实习生）	Minimal API + M.E.AI 接一次 Chat	2-3 周
懂原理/边界（Prompt/幻觉）	DI/EF/AOT 原理 + MCP 概念 + 上下文压缩	3-4 周
搭个人工作流	RAG（EF Core 向量）+ MCP 暴露旧 Service + SSE	4-6 周
做产品/IP	Agent Framework 多 Agent + A2A + Foundry 托管	长期

八、给 .NET 程序员的建议

别从 Python 重写后端------用 M.E.AI 做统一抽象即可。
别一上来学 Transformer------先跑通再深入。
先让 ASP.NET Core 10 跑起来。
再让大模型在你路由里答一句话。
最后把旧系统变成 AI Agent 的工具箱。

.NET 10 是 LTS，支持到 2028；你现在学的这套技术栈，至少能撑 3 年。

九、书签级清单（按序刷）

安装 .NET 10 SDK → 写一个带校验的 Minimal API
接 Microsoft.Extensions.AI 跑通 /ask + SSE
用 EF Core 10 存对话历史 → 加 LeftJoin 练习
用 DataIngestion + VectorData 做 100 篇 MD 的 RAG
把「查库存」方法标 [McpServerTool] 起 MCP Server
前端接 MCP 客户端，看模型自己调工具
引入 Microsoft.Agents.AI 写单 Agent（带 Todo + 记忆）
两个 Agent 用 A2A 分工，Aspire + Docker 起全套，丢容器跑

温馨提示：别一上来背概念，先让 ASP.NET Core 10 跑起来，再让大模型在你路由里答一句话，然后逐步把「数据库/工具/多步推理」挂上去。