許多用戶都知道Microsoft的Daniel Roth和Steve Sanderson引入的.NET智能組件——AI驅動的UI控件，許多人都喜歡這個控件原因歸結為以下幾點：

• 由于它的簡單性，開發(fā)人員可以在本地“駕馭AI”，而無需獲得Azure或OpenAI PhD - 智能功能使用單個NuGet包即可使用。
• “智能搜索”是通過本地嵌入實現的，它的優(yōu)點在于能夠在本地運行，而不需要外部人工智能服務。
• 相關的使用場景很有意義——許多業(yè)務線(LOB)應用程序可以立即從這個實現中受益。以語義相似度搜索為例：終端用戶可以在使用DevExpress Data Grid、Lookup或其他數據感知控件時搜索“furniture”這個詞，并且實現足夠智能，可以返回“chair”、“table”、“sofa”、"wardrobe"等記錄。

P.S：DevExpress WinForms擁有180+組件和UI庫，能為Windows Forms平臺創(chuàng)建具有影響力的業(yè)務解決方案。DevExpress WinForms能完美構建流暢、美觀且易于使用的應用程序，無論是Office風格的界面，還是分析處理大批量的業(yè)務數據，它都能輕松勝任！

獲取DevExpress WinForms v24.1正式版下載

DevExpress技術交流群10：532598169      歡迎一起進群討論

問題/使用場景

上面提到的例子采用ASP. NET Core Blazor和MVC/Razor集成，在本文中我們將演示如何使用DevExpress WinForms數據網格輕松引入“智能搜索”，其他數據感知DevExpress UI控件的集成也類似——您只需要使用適當的事件來實現期望的結果。

實現細節(jié)

1. Microsoft的 NuGet(作為一個實驗性的GitHub倉庫)是我們“智能搜索”實現的核心——只是把它和DevExpress.Win.Grid包一起添加到WinForms項目中。

讓我們仔細看看Microsoft的GitHub repo本地嵌入：

嵌入用于語義相似度搜索，自然語言字符串被轉換成稱為嵌入的數字向量。兩個字符串在概念上越相關，它們的向量就越接近。雖然您可以使用外部AI服務來計算嵌入，但在許多情況下，可以簡單地再服務器上本地計算它們(不需要GPU - CPU就可以正常工作)。SmartComponents.LocalEmbeddings是一個簡化此操作的包，使用它您可以在一毫秒內計算嵌入，并在一位數毫秒內對數十萬個候選項執(zhí)行語義搜索。

SmartComponents.LocalEmbeddings NuGet包實際上不包含任何ML模型，但它被配置為在您第一次構建應用程序時下載一個模型，您可以配置下載哪個模型。

有關這方面的更多信息，請查看了解在web上搜索類似的文章。ONNX嵌入模型(由Microsoft.ML.OnnxRuntime.dll提供支持)會自動從SmartComponents.LocalEmbeddings NuGet包中添加到Bin文件夾中 - 它的大小為16MB。

2. 被綁定到一個Item記錄的集合(ID, Name, Description)，測試數據是人工智能生成的(節(jié)省時間)。我們處理網格的 事件來確定搜索字符串行的可見性（基于條目文本相似度—在本例中為Name和Description，可選），當處理鍵盤輸入或更改搜索選項(如相似性閾值)時，也會觸發(fā)過濾例程。

void OnCustomRowFilter(object sender, RowFilterEventArgs e) {
Item? item = ((ColumnView)sender).DataController.GetRowByListSourceIndex(e.ListSourceRow) as Item;
if(item == null)
return;
string filter = teFilter.Text;
if(string.IsNullOrEmpty(filter))
return;
float threshold = (float)tbThreshold.Value / 100;
e.Visible = SmartFilterProvider.IsSimilarTo(filter, item.Name, threshold);
if(!e.Visible && cbIncludeDescription.Checked)
e.Visible = SmartFilterProvider.IsSimilarTo(filter, item.Description, threshold);
e.Handled = true;
}

3. “智能搜索”是由SmartFilterProvider類實現的——它調用了SmartComponents. LocalEmbeddings API基于GitHub repo中發(fā)布的文檔。

namespace SmartAIFilter.Provider {
using SmartComponents.LocalEmbeddings;

public static class SmartFilterProvider {
readonly static LocalEmbedder Embedder = new LocalEmbedder(caseSensitive: false);
readonly static ConcurrentDictionary<string, EmbeddingF32> cache =
new ConcurrentDictionary<string, EmbeddingF32>(StringComparer.OrdinalIgnoreCase);
public static bool IsSimilarTo(string filter, string text, float threshold = 0.75f) {
EmbeddingF32 eText = cache.GetOrAdd(text, x => Embedder.Embed(x));
EmbeddingF32 eFilter = cache.GetOrAdd(filter, x => Embedder.Embed(x));
return eFilter.Similarity(eText) > threshold;
}
}
}

上面的LocalEmbedder類使用運行時——它可以執(zhí)行許多不同的CPU或GPU嵌入模型(通常，CPU對于這樣小的模型工作得更快)。

SmartComponents.LocalEmbeddings NuGet包實際上不包含任何ML模型，但它被配置為在您第一次構建應用程序時下載一個模型。如前所述，您可以配置下載哪個模型。

作為一名開發(fā)人員，您可以根據特定用例場景/項目需求來調整這個示例。例如，您可以根據需要使用在線(OpenAI, Azure等)或離線模型(Ollama, ONNX)。