Azure OpenAI GPT-4o 图像分析卡顿问题的正确实现方案-Python教程-PHP中文网

Azure OpenAI GPT-4o 图像分析卡顿问题的正确实现方案

.NET SDK 调用 Azure OpenAI GPT-4o 处理图像时卡在 CompleteChatAsync，根本原因在于错误地将 Base64 字符串直接拼入消息文本；正确做法是使用 BinaryData 封装原始图像字节，并通过 ChatMessageContentPart.CreateImagePart 构建多模态消息。

.net sdk 调用 azure openai gpt-4o 处理图像时卡在 `completechatasync`，根本原因在于错误地将 base64 字符串直接拼入消息文本；正确做法是使用 `binarydata` 封装原始图像字节，并通过 `chatmessagecontentpart.createimagepart` 构建多模态消息。

在 .NET 中使用 Azure OpenAI SDK（v2.1.0+）调用 GPT-4o 进行图像理解时，不能沿用传统文本 API 的 Base64 字符串拼接方式（如 "data:image/png;base64,..."），否则请求会因格式不合法而挂起或超时——这正是您遇到“卡住 5 分钟无响应”的根本原因。Python SDK 可以容忍该写法，但 .NET SDK 严格遵循 OpenAI 多模态消息规范，要求图像必须作为独立二进制内容块（ChatMessageContentPart）传入。

以下是修复后的完整、可运行代码片段：

using Azure;
using Azure.AI.OpenAI;
using System;
using System.Collections.Generic;
using System.IO;
using System.Threading.Tasks;

public class AzureOpenAiService : IAzureOpenAiService
{
    private static readonly string Endpoint = "https://xyz.openai.azure.com/";
    private static readonly string Deployment = "gpt-4o";
    private static readonly string ApiKey = "LFK";

    public async Task<string> FindPrimarySubjectAsync(string imagePath)
    {
        try
        {
            // ✅ 正确：读取原始字节，而非 Base64 编码字符串
            byte[] imageBytes = File.ReadAllBytes(imagePath);
            var binaryImage = BinaryData.FromBytes(imageBytes);

            var client = new AzureOpenAIClient(new Uri(Endpoint), new AzureKeyCredential(ApiKey));

            // ✅ 正确：构建多模态 UserChatMessage（文本 + 图像 Part）
            var chatTextContent = ChatMessageContentPart.CreateTextPart(
                "What is in this image? Analyze and return only one word describing the main subject.");
            var chatImageContent = ChatMessageContentPart.CreateImagePart(binaryImage, "image/png");

            var chatMessages = new List<chatmessage>
            {
                new SystemChatMessage(
                    "Analyze the uploaded image and return a single-word description of the main subject. " +
                    "The response should be only one word, representing the most general yet accurate category."),
                new UserChatMessage(chatTextContent, chatImageContent)
            };

            var chatClient = client.GetChatClient(Deployment);
            var chatRequest = new ChatCompletionOptions
            {
                // ⚠️ 建议显式设置超时（默认可能过长）
                ResponseFormat = ChatResponseFormat.Text,
                MaxTokens = 32,
                Temperature = 0.1
            };

            var response = await chatClient.CompleteChatAsync(chatMessages, chatRequest);

            // ✅ 正确：Content 是 ChatMessageContentPart 列表，取首项 Text
            return response.Value.Content[0].Text?.Trim() ?? string.Empty;
        }
        catch (Exception ex) when (ex is RequestFailedException || ex is TimeoutException)
        {
            throw new InvalidOperationException($"Azure OpenAI request failed: {ex.Message}", ex);
        }
    }
}</chatmessage></string>

关键要点说明：

OpenAI Codex Operator

在目标项目目录中运行 OpenAI Codex CLI，完成实现、调试等编码任务。当用户请求 OpenClaw 使用 Codex 时触发。

下载

禁止 Base64 拼接："data:image/png;base64,..." 是 Web 浏览器/HTTP 协议中的内联数据 URI 格式，不是 OpenAI API 的输入格式。.NET SDK 不解析该字符串，而是将其当作纯文本发送，导致服务端无法识别图像内容，进而静默等待或拒绝处理。
必须使用 BinaryData.FromBytes()：这是 SDK 唯一支持的图像二进制载体类型，底层自动序列化为符合 image_url 或 image_data 规范的 multipart payload。
消息结构需分层构造：UserChatMessage 支持多个 ChatMessageContentPart（文本、图像、甚至未来视频），不可合并为单个字符串。
响应解析要适配新结构：response.Value.Content 是 IReadOnlyList<chatmessagecontentpart></chatmessagecontentpart>，需访问 content[0].Text，而非旧版 response.Value.Content 字符串属性。
建议添加超时与重试策略：在生产环境，应配置 OpenAIClientOptions 的 MaxRetries 和 Timeout，避免无限等待。

完成上述修正后，.NET 版本将与 Python 版本性能一致（通常 3–8 秒内返回），且符合 Azure OpenAI 官方多模态接口规范。