使用 .NET 开发 AI 应用(2):引入 Semantic Kernel 框架

目录

Semantic Kernel 示例

结论

---

 

(1):踏上旅程

在上一章中，我们探讨了如何部署 Azure OpenAI 服务资源，并成功地通过 Azure OpenAI 客户端库将大型语言模型（LLM）整合到我们的应用中。

然而，这种方法存在一定的局限性：一旦需要切换到其他的大型语言模型，就必须重写整个代码库，因为它严重依赖于 Azure OpenAI 客户端库。

为了解决这一问题，我们引入了一个更高级别的框架——Semantic Kernel（简称SK）。SK 是一个开源的软件开发工具包（SDK），它能够让开发者快速而轻松地将最先进的 LLM 技术融入到应用程序中。

通过使用 SK，我们可以实现以下几点：

• 将底层的 LLM、API 和工具进行抽象化处理。

• 以一种通用的方式来处理更为复杂的实现需求。

• 更加方便地集成个性化内容。

接下来，让我们使用 SK 重构之前的代码，并逐步解释每个步骤。

Semantic Kernel 示例

首先，要使用 SK，我们需要在项目中添加对 Microsoft.SemanticKernel 的 NuGet 包引用，并创建一个 Kernel 对象实例。

Kernel 是 SK 中的核心组件，它的作用类似于胶水，能够将不同的组件粘合在一起，协同工作。

以下代码展示了如何创建 Kernel 的一个常见示例：

var kernel = Kernel.CreateBuilder()
    .AddAzureOpenAIChatCompletion(
        deploymentName: deploymentName,
        endpoint: endpoint,
        apiKey: apiKey)
    .Build();

在这里，我们通过 Kernel Builder 使用 AddAzureOpenAIChatCompletion 方法来配置和构建一个支持 Azure OpenAI Chat Completion Connector 的 Kernel 实例。

Connector 可以被视为连接不同大型语言模型的桥梁，它让我们和实际使用的大语言模型进行了解耦。这意味着当你需要为新的模型或平台重构 AI 应用时，只需更改 Connector 的配置即可。

此外，SK 提供了“InvokePromptAsync”方法，这是一个专用的函数，允许你指定输入信息（在 LLM 中称为“Prompt提示”）并从 AI 模型中轻松获取结果：

Console.WriteLine(await kernel.InvokePromptAsync("你好！"));

仅仅通过 2 行代码，我们就实现了上一章的同样功能。

结论

通过以上介绍，我们可以看到，SK 框架为开发者提供了一个强大而灵活的工具，它不仅简化了大型语言模型的集成过程，还为未来的扩展提供了便利。

完整源代码:

using Microsoft.SemanticKernel;

string endpoint = Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT");
string deploymentName = Environment.GetEnvironmentVariable("AZURE_OPENAI_GPT_NAME");
string apiKey = Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY");

var kernel = Kernel.CreateBuilder()
    .AddAzureOpenAIChatCompletion(
        deploymentName: deploymentName,
        endpoint: endpoint,
        apiKey: apiKey)
    .Build();

Console.WriteLine(await kernel.InvokePromptAsync("你好！"));

 引入地址