.NET 10 实战：集成AI大模型、MongoDB与Redis构建智能Web API

这次我们来看一个完整的 .NET 10 后端项目实战。这个项目的重点不是讲概念而是从零开始手把手搭建一个具备现代后端架构的 Web API 服务。我们将集成 AI 大模型能力作为核心功能使用 MongoDB 处理非结构化数据用 Redis 做高性能缓存最后通过 Nginx 进行反向代理实现一个可部署、可扩展的生产级应用骨架。对于 .NET 开发者而言.NET 10 带来了更高的性能和更现代的 API。结合 AI 能力意味着你的后端服务可以轻松拥有智能对话、内容生成、数据分析等前沿功能。而 MongoDB 和 Redis 的组合则解决了海量数据存储和瞬时高并发访问的难题。Nginx 的引入让服务在安全、负载和静态资源处理上更加游刃有余。本文将带你完成从环境准备、项目创建、逐层集成到最终部署上线的全过程。你会看到如何用最小的配置启动 AI 服务如何设计 MongoDB 的文档模型来存储 AI 交互记录如何利用 Redis 缓存热点请求以提升响应速度以及如何配置 Nginx 让整个应用在公网安全运行。无论你是想学习 .NET 10 的新特性还是希望为自己的项目添加 AI 能力并构建稳健的后端架构这篇内容都能提供直接的、可落地的参考。1. 核心能力速览在开始动手之前我们先快速了解这个项目栈能做什么以及你需要准备什么。能力项说明核心框架.NET 10 (LTS)使用最新的 C# 12 语言特性性能更高现代 API 支持更好。AI 集成接入 OpenAI 兼容的 API如 Azure OpenAI, Ollama 本地模型实现智能对话、文本生成等功能。主数据库MongoDB用于存储非结构化的 AI 对话历史、用户会话、日志等文档型数据。缓存层Redis用于缓存高频访问的 AI 模型配置、用户会话状态、热点数据大幅降低数据库压力。Web 服务器/反向代理Nginx作为反向代理提供负载均衡、SSL 终结、静态文件服务和访问控制。项目类型ASP.NET Core Web API提供 RESTful 接口。部署方式支持本地运行、Docker 容器化部署以及通过 Nginx 暴露到公网。适合场景需要快速构建具备 AI 能力的智能后台服务、聊天机器人后端、内容生成平台等。硬件门槛开发环境无特殊要求。若 AI 部分使用本地大模型如通过 Ollama则需要足够的 CPU/内存/GPU 资源。2. 适用场景与使用边界这个技术栈组合非常适合于需要处理非结构化数据、要求高并发响应、并且希望引入智能交互的现代应用。它非常适合以下场景智能客服/聊天机器人后端利用 AI 处理用户问答MongoDB 存储对话历史Redis 缓存用户上下文。内容生成与辅助平台集成 AI 进行文章撰写、代码生成、翻译等使用 MongoDB 存储生成任务和结果。数据分析与报告系统AI 处理原始数据并生成洞察结构化结果存入关系型数据库非结构化的中间过程和日志存入 MongoDB。需要快速迭代的原型项目.NET 10 的开发效率配合 NoSQL 的灵活 schema非常适合敏捷开发。需要注意的边界与限制AI 服务依赖本项目演示接入的是标准 HTTP API。如果你使用云端 AI 服务如 Azure OpenAI会产生费用且依赖网络。如果使用本地模型如 Ollama则需自行保障模型的可用性与性能。数据一致性MongoDB 是文档数据库不适合需要复杂事务和强一致性的核心财务类业务。Redis 是内存缓存存在数据丢失风险除非开启持久化不应用于存储唯一持久化数据。合规与安全集成 AI 时务必注意用户数据的隐私保护避免在提示词中传入敏感信息。所有通过 Nginx 暴露的服务必须配置好防火墙、SSL 证书和访问日志。学习成本虽然 .NET 10 对开发者友好但整个技术栈涉及多个组件对于新手在调试和运维上会有一定的复杂度。3. 环境准备与前置条件开始编码之前请确保你的开发环境已经就绪。以下是必需的软件和工具清单.NET 10 SDK这是构建和运行项目的核心。前往微软官网下载并安装最新 .NET 10 SDK。安装后在命令行执行dotnet --version确认版本为 10.x.x。集成开发环境 (IDE)Visual Studio 2022 (推荐)社区版免费对 .NET 和 C# 支持最完善。Visual Studio Code轻量级选择需安装 C# 扩展。数据库与缓存MongoDB可以选择安装本地 MongoDB 社区版或者使用云服务如 MongoDB Atlas提供免费集群。本地安装后确保mongod服务运行在默认端口 27017。Redis下载并安装 Redis for Windows或使用 Docker 运行 Redis 镜像。确保 Redis 服务运行在默认端口 6379。反向代理 (用于后续部署)Nginx从官网下载 Windows 或 Linux 版本。我们主要在部署阶段使用它。AI 服务接入凭证 (二选一)云端 API准备一个 OpenAI 或 Azure OpenAI 服务的 API Key 和 Endpoint。本地模型安装 Ollama 并拉取一个模型如llama3.1确保其 API 服务默认端口 11434可访问。可选工具Postman 或 curl用于测试 API 接口。MongoDB Compass图形化客户端便于查看和管理数据。Redis Desktop Manager图形化客户端便于查看缓存数据。Docker Desktop如果你计划进行容器化部署。4. 创建项目与基础结构首先我们创建一个干净的 ASP.NET Core Web API 项目并引入必要的 NuGet 包。打开命令行创建一个新项目# 创建一个名为 AIDotNetBackend 的 Web API 项目 dotnet new webapi -n AIDotNetBackend -f net10.0 # 进入项目目录 cd AIDotNetBackend接下来为项目添加 MongoDB、Redis 和 HTTP 客户端支持的 NuGet 包。你可以使用 .NET CLI 或 Visual Studio 的包管理器。# 添加 MongoDB 官方驱动 dotnet add package MongoDB.Driver # 添加 StackExchange.Redis 客户端 dotnet add package StackExchange.Redis # 添加用于配置的 Options 和 IHttpClientFactory 支持通常已包含确保存在 # dotnet add package Microsoft.Extensions.Http现在规划一下项目的基本结构。我们将采用一种清晰的分层架构虽然不是严格的分层但逻辑上分离AIDotNetBackend/ ├── Controllers/ # API 控制器 ├── Services/ # 业务逻辑服务 │ ├── Interfaces/ # 服务接口 │ └── Implementations/ # 服务实现 ├── Models/ # 数据模型 (DTOs, Entities) ├── Repositories/ # 数据访问层可选本文为简化直接写在Service中 ├── Configuration/ # 应用配置类 ├── Middlewares/ # 自定义中间件如异常处理 └── Program.cs # 主程序入口在appsettings.json中添加我们所有外部服务的连接字符串和配置{ Logging: { LogLevel: { Default: Information, Microsoft.AspNetCore: Warning } }, AllowedHosts: *, ConnectionStrings: { MongoDB: mongodb://localhost:27017, Redis: localhost:6379 }, AIService: { Provider: AzureOpenAI, // 可选OpenAI, AzureOpenAI, Ollama Endpoint: https://your-resource.openai.azure.com/, ApiKey: your-azure-openai-api-key-here, DeploymentName: gpt-4, // 或模型名如 gpt-35-turbo ApiVersion: 2024-02-01 }, DatabaseSettings: { DatabaseName: AIBackendDb, ConversationsCollectionName: Conversations } }重要永远不要将真实的ApiKey提交到源代码仓库。应该使用用户机密User Secrets或环境变量来管理。对于开发环境可以使用dotnet user-secrets init dotnet user-secrets set AIService:ApiKey your-real-api-key然后在appsettings.json中将ApiKey的值改为从配置中读取的占位符或者直接删除依靠 User Secrets 覆盖。5. 集成 MongoDB存储 AI 对话历史我们将使用 MongoDB 来存储用户与 AI 的对话记录。首先在Models文件夹下创建数据模型。创建Models/Conversation.csusing MongoDB.Bson; using MongoDB.Bson.Serialization.Attributes; namespace AIDotNetBackend.Models; public class Conversation { [BsonId] [BsonRepresentation(BsonType.ObjectId)] public string? Id { get; set; } [BsonElement(SessionId)] public required string SessionId { get; set; } // 会话标识可以是用户ID或临时ID [BsonElement(UserMessage)] public required string UserMessage { get; set; } [BsonElement(AssistantMessage)] public required string AssistantMessage { get; set; } [BsonElement(ModelUsed)] public string? ModelUsed { get; set; } // 使用的AI模型 [BsonElement(CreatedAt)] public DateTime CreatedAt { get; set; } DateTime.UtcNow; [BsonElement(Metadata)] public BsonDocument? Metadata { get; set; } // 可扩展的元数据如Tokens消耗 }接下来创建一个服务来处理与 MongoDB 的交互。在Services文件夹下创建MongoDbService.csusing AIDotNetBackend.Models; using Microsoft.Extensions.Options; using MongoDB.Driver; namespace AIDotNetBackend.Services; public class MongoDbService { private readonly IMongoCollectionConversation _conversationsCollection; public MongoDbService(IOptionsDatabaseSettings databaseSettings) { var mongoClient new MongoClient(databaseSettings.Value.ConnectionString); var mongoDatabase mongoClient.GetDatabase(databaseSettings.Value.DatabaseName); _conversationsCollection mongoDatabase.GetCollectionConversation(databaseSettings.Value.ConversationsCollectionName); } // 创建新的对话记录 public async Task CreateAsync(Conversation newConversation) await _conversationsCollection.InsertOneAsync(newConversation); // 根据会话ID获取历史记录 public async TaskListConversation GetBySessionIdAsync(string sessionId) await _conversationsCollection.Find(x x.SessionId sessionId) .SortByDescending(x x.CreatedAt) .Limit(50) // 限制返回最近50条避免上下文过长 .ToListAsync(); // 可选删除旧记录等方法 }我们需要创建DatabaseSettings配置类。在Configuration文件夹下创建DatabaseSettings.csnamespace AIDotNetBackend.Configuration; public class DatabaseSettings { public string ConnectionString { get; set; } null!; public string DatabaseName { get; set; } null!; public string ConversationsCollectionName { get; set; } null!; }最后在Program.cs中注册 MongoDB 服务和配置using AIDotNetBackend.Configuration; using AIDotNetBackend.Services; var builder WebApplication.CreateBuilder(args); // 从配置绑定DatabaseSettings builder.Services.ConfigureDatabaseSettings( builder.Configuration.GetSection(nameof(DatabaseSettings))); // 注册MongoDbService为单例 builder.Services.AddSingletonMongoDbService(); // ... 其他服务注册这样我们就完成了 MongoDB 的集成。服务层可以注入MongoDbService来存储和读取对话数据。6. 集成 Redis缓存热点请求与会话状态Redis 将用于缓存那些频繁访问且计算成本较高的数据例如 AI 模型的固定配置、用户的临时会话状态或者高频查询的结果。首先在Services文件夹下创建RedisService.csusing StackExchange.Redis; using System.Text.Json; namespace AIDotNetBackend.Services; public class RedisService { private readonly IConnectionMultiplexer _redis; public RedisService(IConnectionMultiplexer redis) { _redis redis; } // 获取数据库实例 private IDatabase GetDatabase() _redis.GetDatabase(); // 设置字符串值带过期时间 public async Taskbool SetStringAsync(string key, string value, TimeSpan? expiry null) { var db GetDatabase(); return await db.StringSetAsync(key, value, expiry); } // 获取字符串值 public async Taskstring? GetStringAsync(string key) { var db GetDatabase(); var value await db.StringGetAsync(key); return value.HasValue ? value.ToString() : null; } // 设置对象序列化为JSON public async Taskbool SetObjectAsyncT(string key, T obj, TimeSpan? expiry null) { var json JsonSerializer.Serialize(obj); return await SetStringAsync(key, json, expiry); } // 获取对象从JSON反序列化 public async TaskT? GetObjectAsyncT(string key) where T : class { var json await GetStringAsync(key); return json null ? null : JsonSerializer.DeserializeT(json); } // 删除键 public async Taskbool DeleteKeyAsync(string key) { var db GetDatabase(); return await db.KeyDeleteAsync(key); } // 检查键是否存在 public async Taskbool KeyExistsAsync(string key) { var db GetDatabase(); return await db.KeyExistsAsync(key); } }接下来在Program.cs中注册 Redis 连接为单例并注册RedisServiceusing StackExchange.Redis; // ... 之前的代码 // 注册Redis连接 builder.Services.AddSingletonIConnectionMultiplexer(sp { var configuration ConfigurationOptions.Parse(builder.Configuration.GetConnectionString(Redis)!); // 可根据需要设置其他选项如 AbortOnConnectFail, ConnectTimeout 等 return ConnectionMultiplexer.Connect(configuration); }); // 注册RedisService builder.Services.AddScopedRedisService(); // ... 之后的代码现在我们可以在业务逻辑中使用 Redis 了。例如在调用 AI 接口前可以先根据用户问题和模型参数生成一个缓存键查询 Redis 中是否有相同的历史回答避免重复调用 AI 接口消耗 Token。7. 集成 AI 服务调用大模型 API这是项目的核心。我们将创建一个通用的 AI 服务它可以适配不同的后端OpenAI, Azure OpenAI, Ollama。首先定义接口和请求/响应模型。在Services/Interfaces下创建IAIService.csnamespace AIDotNetBackend.Services.Interfaces; public interface IAIService { Taskstring GetChatCompletionAsync(string userMessage, string? sessionId null, CancellationToken cancellationToken default); }在Models文件夹下创建 AI 请求和响应的 DTO// Models/AIChatRequest.cs namespace AIDotNetBackend.Models; public class AIChatRequest { public required string Message { get; set; } public string? SessionId { get; set; } // 用于关联对话历史和缓存 public bool UseCache { get; set; } true; // 是否使用缓存 } // Models/AIChatResponse.cs namespace AIDotNetBackend.Models; public class AIChatResponse { public string Reply { get; set; } string.Empty; public string? ConversationId { get; set; } public string? ModelUsed { get; set; } public bool FromCache { get; set; } false; }现在创建 AI 服务的实现。在Services/Implementations下创建OpenAIService.cs以 Azure OpenAI 为例using AIDotNetBackend.Models; using AIDotNetBackend.Services.Interfaces; using Microsoft.Extensions.Options; using System.Net.Http.Headers; using System.Text; using System.Text.Json; namespace AIDotNetBackend.Services.Implementations; public class OpenAIService : IAIService { private readonly HttpClient _httpClient; private readonly AIServiceSettings _aiSettings; private readonly MongoDbService _mongoDbService; private readonly RedisService _redisService; private readonly ILoggerOpenAIService _logger; public OpenAIService( HttpClient httpClient, IOptionsAIServiceSettings aiSettings, MongoDbService mongoDbService, RedisService redisService, ILoggerOpenAIService logger) { _httpClient httpClient; _aiSettings aiSettings.Value; _mongoDbService mongoDbService; _redisService redisService; _logger logger; // 配置HttpClient基础地址和认证头 _httpClient.BaseAddress new Uri(_aiSettings.Endpoint); _httpClient.DefaultRequestHeaders.Accept.Add(new MediaTypeWithQualityHeaderValue(application/json)); if (_aiSettings.Provider AzureOpenAI) { _httpClient.DefaultRequestHeaders.Add(api-key, _aiSettings.ApiKey); } else if (_aiSettings.Provider OpenAI) { _httpClient.DefaultRequestHeaders.Authorization new AuthenticationHeaderValue(Bearer, _aiSettings.ApiKey); } // Ollama 通常无需认证头 } public async Taskstring GetChatCompletionAsync(string userMessage, string? sessionId null, CancellationToken cancellationToken default) { // 1. 缓存检查 (可选根据业务决定) string cacheKey $ai_response:{sessionId}:{userMessage.GetHashCode()}; if (!string.IsNullOrEmpty(sessionId) await _redisService.KeyExistsAsync(cacheKey)) { var cachedReply await _redisService.GetStringAsync(cacheKey); if (!string.IsNullOrEmpty(cachedReply)) { _logger.LogInformation(返回缓存回答。); return cachedReply; } } // 2. 构建请求体 (适配Azure OpenAI/OpenAI格式) var requestBody new { messages new[] { new { role system, content You are a helpful assistant. }, new { role user, content userMessage } }, max_tokens 800, temperature 0.7, // deployment_name 是 Azure OpenAI 的特定参数对于 OpenAI 是 model model _aiSettings.DeploymentName }; string requestUri _aiSettings.Provider AzureOpenAI ? $/openai/deployments/{_aiSettings.DeploymentName}/chat/completions?api-version{_aiSettings.ApiVersion} : /v1/chat/completions; var jsonContent JsonSerializer.Serialize(requestBody); var content new StringContent(jsonContent, Encoding.UTF8, application/json); // 3. 发送请求 _logger.LogInformation($调用AI服务: {_aiSettings.Provider}); var response await _httpClient.PostAsync(requestUri, content, cancellationToken); response.EnsureSuccessStatusCode(); var responseJson await response.Content.ReadAsStringAsync(cancellationToken); using var doc JsonDocument.Parse(responseJson); var reply doc.RootElement.GetProperty(choices)[0].GetProperty(message).GetProperty(content).GetString() ?? string.Empty; // 4. 存储到 MongoDB if (!string.IsNullOrEmpty(sessionId)) { var conversation new Conversation { SessionId sessionId, UserMessage userMessage, AssistantMessage reply, ModelUsed _aiSettings.DeploymentName }; await _mongoDbService.CreateAsync(conversation); // 5. 写入缓存 (设置5分钟过期) await _redisService.SetStringAsync(cacheKey, reply, TimeSpan.FromMinutes(5)); } return reply; } } // 对应的配置类 AIServiceSettings public class AIServiceSettings { public string Provider { get; set; } null!; // AzureOpenAI, OpenAI, Ollama public string Endpoint { get; set; } null!; public string ApiKey { get; set; } null!; public string DeploymentName { get; set; } null!; // 或 ModelName public string ApiVersion { get; set; } 2024-02-01; // Azure OpenAI 需要 }在Program.cs中注册 AI 服务配置和实现// 绑定AIService配置 builder.Services.ConfigureAIServiceSettings( builder.Configuration.GetSection(nameof(AIServiceSettings))); // 注册一个命名的HttpClient用于AI服务 builder.Services.AddHttpClientIAIService, OpenAIService(client { // 基础配置在服务构造函数中完成 }).SetHandlerLifetime(TimeSpan.FromMinutes(5)); // 可配置Handler生命周期 // 注册IAIService实际会解析为OpenAIService builder.Services.AddScopedIAIService, OpenAIService();注意对于 Ollama 本地模型你需要创建另一个实现类OllamaService其请求格式和端点与 OpenAI 略有不同通常为http://localhost:11434/api/chat请求体格式也可能不同。本文为简化使用一个通用实现实际生产环境可能需要一个工厂模式来根据配置选择不同的服务实现。8. 创建 API 控制器与接口测试现在将所有组件连接起来创建一个供前端调用的 API 控制器。在Controllers文件夹下创建AIChatController.csusing AIDotNetBackend.Models; using AIDotNetBackend.Services.Interfaces; using Microsoft.AspNetCore.Mvc; namespace AIDotNetBackend.Controllers; [ApiController] [Route(api/[controller])] public class AIChatController : ControllerBase { private readonly IAIService _aiService; private readonly ILoggerAIChatController _logger; public AIChatController(IAIService aiService, ILoggerAIChatController logger) { _aiService aiService; _logger logger; } [HttpPost(chat)] public async TaskActionResultAIChatResponse PostChat([FromBody] AIChatRequest request) { if (string.IsNullOrWhiteSpace(request.Message)) { return BadRequest(Message cannot be empty.); } try { // 生成或使用传入的SessionId var sessionId request.SessionId ?? Guid.NewGuid().ToString(); _logger.LogInformation($Processing chat request for session: {sessionId}); // 调用AI服务 var reply await _aiService.GetChatCompletionAsync(request.Message, sessionId); // 构建响应 var response new AIChatResponse { Reply reply, ConversationId sessionId, // 这里返回会话ID客户端后续可复用 FromCache false // 更精细的缓存标识可以在服务层返回 }; return Ok(response); } catch (Exception ex) { _logger.LogError(ex, Error processing chat request.); return StatusCode(500, An internal server error occurred.); } } // 可选获取某个会话的历史记录 [HttpGet(history/{sessionId})] public async TaskActionResult GetHistory(string sessionId, [FromServices] MongoDbService mongoService) { var history await mongoService.GetBySessionIdAsync(sessionId); return Ok(history); } }现在启动你的项目dotnet run项目默认会在https://localhost:5001和http://localhost:5000运行。使用 Postman 或 curl 测试接口请求示例 (POST /api/aichat/chat):curl -X POST https://localhost:5001/api/aichat/chat \ -H Content-Type: application/json \ -d { message: 用C#写一个Hello World程序, sessionId: test-user-123, useCache: true }预期响应{ reply: 以下是C#的Hello World程序\n\ncsharp\nusing System;\n\nclass Program\n{\n static void Main()\n {\n Console.WriteLine(\Hello, World!\);\n }\n}\n, conversationId: test-user-123, modelUsed: gpt-4, fromCache: false }同时你可以检查MongoDB打开 MongoDB Compass连接到localhost:27017查看AIBackendDb数据库中的Conversations集合应该能看到刚插入的对话记录。Redis打开 Redis Desktop Manager连接到localhost:6379查找以ai_response:test-user-123:开头的键其值应为缓存的回答。9. 配置 Nginx 反向代理与部署在开发环境运行良好后我们需要考虑生产部署。Nginx 将作为反向代理处理 SSL、负载均衡和静态文件。第一步发布 .NET 应用# 在项目根目录发布到 ./publish 文件夹 dotnet publish -c Release -o ./publish第二步准备 Nginx 配置文件在 Nginx 的conf目录下创建一个新的配置文件例如ai_backend.confserver { listen 80; server_name your-domain.com; # 或你的服务器IP # 将HTTP重定向到HTTPS (如果你有SSL证书) # return 301 https://$server_name$request_uri; location / { proxy_pass http://localhost:5000; # 指向你的.NET应用运行地址 proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection keep-alive; proxy_set_header Host $host; proxy_cache_bypass $http_upgrade; proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for; proxy_set_header X-Forwarded-Proto $scheme; } # 可选提供静态文件服务 location /static/ { alias /path/to/your/static/files/; expires 1y; add_header Cache-Control public, immutable; } } # 如果启用HTTPS # server { # listen 443 ssl http2; # server_name your-domain.com; # # ssl_certificate /path/to/your/certificate.crt; # ssl_certificate_key /path/to/your/private.key; # # # SSL优化配置... # location / { # proxy_pass http://localhost:5000; # # ... 同上 # } # }第三步在服务器上运行应用将publish文件夹上传到服务器。你可以使用多种方式运行直接运行dotnet AIDotNetBackend.dll需安装 .NET 运行时。作为服务运行Linux 使用 systemdWindows 使用 Windows Service。使用 Docker 容器推荐便于环境隔离。Dockerfile 示例FROM mcr.microsoft.com/dotnet/aspnet:10.0 AS runtime WORKDIR /app COPY ./publish ./ ENTRYPOINT [dotnet, AIDotNetBackend.dll]构建并运行docker build -t ai-backend . docker run -d -p 5000:8080 --name ai-backend-container ai-backend第四步启动并重载 Nginx# 测试配置文件语法 nginx -t # 重新加载配置 nginx -s reload现在通过访问你的服务器 IP 或域名例如http://your-server-ip/api/aichat/chat请求将被 Nginx 转发到内部运行的 .NET 应用。10. 性能优化与最佳实践项目跑通后可以考虑以下优化点来提升生产环境的稳定性和性能连接池与生命周期MongoDB Driver和StackExchange.Redis本身具有连接池管理确保以单例或静态方式使用客户端。HttpClient应通过IHttpClientFactory创建和管理避免套接字耗尽。缓存策略精细化不是所有回答都适合缓存。对于时效性强的信息应缩短缓存时间或禁用缓存。考虑使用更复杂的缓存键包含模型参数、温度等使缓存更精确。异步编程确保所有 I/O 操作数据库、网络请求都使用异步方法async/await避免阻塞线程。错误处理与重试为 AI API 调用添加 Polly 等弹性库实现超时、重试和熔断机制。对 MongoDB 和 Redis 的连接失败进行优雅降级或重试。日志与监控使用结构化日志如 Serilog记录关键操作、请求参数和错误信息。集成 Application Insights 或 OpenTelemetry 进行应用性能监控。安全性API Key务必使用 Azure Key Vault、环境变量或安全的 Secrets 管理工具切勿硬编码。输入验证对所有 API 输入进行验证防止注入攻击。速率限制在 API 层面或使用 Nginx 的limit_req模块添加速率限制防止滥用。CORS在Program.cs中精确配置 CORS 策略只允许信任的前端域名。配置管理将不同环境开发、测试、生产的配置分离使用appsettings.{Environment}.json和环境变量。11. 常见问题与排查方法在搭建和运行过程中你可能会遇到以下问题问题现象可能原因排查方式解决方案应用启动失败提示端口被占用5000/5001 端口已被其他进程使用。在命令行运行netstat -ano | findstr :5000(Windows) 或lsof -i :5000(Linux/macOS) 查看占用进程。终止占用进程或在appsettings.json或launchSettings.json中修改应用 URL。无法连接到 MongoDBMongoDB 服务未启动或连接字符串错误。检查 MongoDB 服务状态尝试用 MongoDB Compass 连接。查看应用日志中的连接错误。启动 MongoDB 服务 (sudo systemctl start mongod或net start MongoDB)。确认连接字符串中的主机名和端口。Redis 连接超时Redis 服务未启动或防火墙阻止了端口 6379。使用redis-cli ping测试 Redis 服务。检查防火墙规则。启动 Redis 服务。在防火墙中开放 6379 端口或调整 Redis 配置绑定到0.0.0.0注意安全风险。调用 AI API 返回 401 或 404API Key 错误、Endpoint 不正确或模型部署名不对。检查AIService配置特别是ApiKey、Endpoint和DeploymentName。用 curl 直接测试 API。确保 API Key 有效Endpoint URL 完整并且对于 Azure OpenAIDeploymentName是已创建的部署名称。Nginx 返回 502 Bad GatewayNginx 无法连接到后端 .NET 应用。检查 .NET 应用是否在运行 (dotnet run或服务状态)。检查 Nginx 配置中proxy_pass的地址和端口。确保 .NET 应用已启动并监听正确端口。确保 Nginx 配置中的proxy_pass指向该地址。应用响应缓慢AI API 调用慢、数据库查询未优化、或缺少缓存。使用日志记录各阶段耗时。检查 Redis 缓存是否命中。分析 MongoDB 查询性能。优化提示词减少 AI 返回的 token 数。为复杂查询添加索引。确保高频数据被有效缓存。Docker 容器内无法连接 localhost 服务在容器内localhost指向容器本身而非宿主机。检查 Docker 网络模式。连接宿主机服务时使用宿主机的 IP 地址或 Docker 的host.docker.internalWindows/macOS或172.17.0.1Linux 桥接网络作为主机名。这个项目搭建了一个具备 AI 智能、非结构化数据存储、高性能缓存和反向代理的现代化 .NET 10 后端服务骨架。最值得尝试的点在于它清晰地演示了如何将几个强大的开源组件无缝地集成到一个 .NET 应用中并且每一层都有明确的分工和实战代码。你应该最先验证 AI 接口调用和 MongoDB 的数据落盘功能这是核心业务流程。最容易踩的坑是环境配置尤其是 AI 服务的 API Key 和 Endpoint务必通过安全的方式管理。后续你可以在此基础上轻松扩展身份认证与授权集成 JWT Bearer 认证或 Azure AD。实时通信添加 SignalR 支持 WebSocket实现真正的聊天体验。文件处理集成 Azure Blob Storage 或本地文件系统让 AI 处理图片、文档。任务队列引入 Hangfire 或 Quartz.NET 处理后台 AI 生成任务。前端界面搭配一个 Vue/React 前端形成完整应用。建议将本文的代码作为起点根据你的具体业务需求进行调整和深化。