[AI 分享] 讓 .NET MAUI App 不只會聊天，還能替使用者行動

[AI 分享] 讓 .NET MAUI App 不只會聊天，還能替使用者行動

摘要：介紹如何結合裝置端 AI、工具呼叫與 .NET MAUI，讓 App 理解需求並執行操作。

內容:

在 .NET Conf 2026 的這場分享中，微軟 .NET MAUI SDK 團隊的軟體工程師 Gerald 探討如何把 AI 加入 .NET MAUI 應用程式。他認為，AI 不該只是 App 裡的另一個聊天視窗。使用者真正需要的，是能理解意圖、找到資訊，並在適當確認後完成操作的 App。

行動裝置特別適合這類體驗，因為它可以透過相機、麥克風、定位及其他感測器提供情境資訊，也可能在取得適當授權後，運用行事曆或健康資料。例如，旅行時掃描菜單，結合所在地點，協助有芝麻過敏的使用者判斷需要留意的餐點。這些資訊讓 AI 的用途超越單純問答，轉向解決具體問題。

Gerald 以一款開放原始碼的 .NET Conf App 示範。使用者初次開啟 App 時，可以用自然語言描述感興趣的內容，例如指定講者、.NET MAUI 議程，或「更多 Copilot 內容」。也能設定希望觀看的時段；App 會依使用者時區和時間偏好推薦議程，經使用者檢查後加入個人行程。即使輸入有些微拼寫錯誤，模型也可能理解原意，但裝置端模型通常比雲端大型模型更需要明確的指令。

這款 App 的 AI 不只回覆文字。當使用者提出「找星期四的 Blazor 議程」，它會切換到星期四並套用 Blazor 篩選條件；提出「儲存所有 Aspire 議程」，它會直接將符合條件的場次加入個人行程；要求查看某位講者或特定議程時，也能導向對應的詳細頁面。App 另有尋找行程空檔的功能，可依既有安排和可觀看時段提出候選議程，讓使用者自行決定是否加入。

支撐這套設計的核心之一是 Microsoft.Extensions.AI。它提供 IChatClient 等抽象介面，讓 App 的頁面、ViewModel 和服務不必直接綁定單一模型來源。開發者可以接上裝置端模型、自帶模型或雲端服務，並視需要設定工具呼叫、函式執行與 OpenTelemetry 遙測。不同功能也可以使用不同的 AI 用戶端：較簡單、重視隱私的任務交給裝置端；需要更強能力的任務則交給遠端模型，而不必為整個 App 只選一種方案。

另一個重點是 .NET MAUI 團隊正在 MAUI Labs 實驗的 Essentials AI。它延續 Xamarin Essentials 將跨平台裝置能力整合為統一 API 的思路，嘗試為 iOS、Android 和 Windows 的裝置端 AI 模型提供一致的使用方式。開發者可依平台註冊對應的 IChatClient 實作，再讓應用程式其他部分透過共同介面呼叫。Gerald 說明，Essentials AI 目前以 MAUI Labs 預覽套件形式提供，方便團隊快速實驗並收集回饋；它受到團隊積極維護，但尚不等同納入正式產品支援承諾。

使用裝置端 AI 前，App 必須檢查裝置是否具備相應能力、模型是否已準備就緒，以及是否需要下載模型。不同平台與裝置支援的功能也不完全相同；以分享當時的情況來說，工具呼叫能力尤其需要逐一確認。這意味著開發者不能只因某台裝置「有 AI 模型」，就假設所有 AI 功能都能執行，仍須做好能力檢測、替代流程和實機測試。

模型部署各有取捨。作業系統內建的裝置端模型有離線、隱私及較低使用成本等優點，但能力與硬體支援可能受限；透過 ONNX 自帶模型，能針對特定任務選用模型，卻可能增加大量 App 體積與整合工作；雲端模型能力較強、App 本身也較輕量，但需要網路、持續付費，並須考量資料傳輸與隱私。若使用雲端 API，金鑰不應直接放在行動 App 中，而應妥善保存在後端。

要讓 AI「採取行動」，Gerald 展示了 AI attributes 的做法。開發者可在既有 C# 方法上標註匯出 AI 函式的屬性，替函式及參數寫出清楚描述，使模型能根據使用者語句判斷何時呼叫工具，以及該傳入哪些參數。例如，開啟講者頁面、搜尋議程或調整個人行程，都可以轉為模型可呼叫的工具。相關原始碼產生器會建立呼叫程式碼，避免在執行時依賴反射。工具最終仍透過 App 原本的 ViewModel、模型和服務執行，不必另建一套與既有介面脫節的操作邏輯。

讓 App 能行動，也必須讓使用者保持控制權。示範中，移除已儲存議程屬於可能造成損失的操作，因此 AI 會先列出將移除的項目並要求確認；使用者可以選擇移除或保留。Gerald 建議開發者驗證每項請求與工具參數、留意提示注入風險、清楚說明 AI 能做什麼，並只公開必要且願意讓模型操作的工具。AI 可以協助判斷意圖，但不應繞過安全檢查或替使用者擅自決定重大操作。

分享最後也提出更多延伸方向。語意搜尋可將文字轉成向量，讓使用者不必輸入完全一致的關鍵字，就能找到意思相近的議程。AI 也可能協助新使用者找到設定、推薦入門內容、說明觀看某場演講前應具備的背景知識，或將議程摘要翻譯成偏好的語言。MAUI Labs 中的 AI Wayfinding 實驗則進一步思考：如果使用者能直接表達目的，App 是否可以替他找到操作路徑，甚至呈現更符合個人偏好的介面？

整體而言，這場分享鼓勵開發者從「使用者想完成什麼」出發，而不是只在 App 裡增加聊天功能。Microsoft.Extensions.AI 提供連接不同模型的共同介面，Essentials AI 探索跨平台裝置端能力，AI attributes 則讓既有程式碼成為可呼叫的工具；三者結合後，AI 才能在明確邊界與使用者掌控之下，真正改善 .NET MAUI App 的使用體驗。