探索Semantic Kernel：开启AI编程新篇章（入门篇）

一、引言

在人工智能的浪潮中，微软开源的Semantic Kernel（SK）作为一颗璀璨的明珠，为开发者提供了一个强大的工具，以一种全新的方式与AI模型交互。无论是信息检索、数据分析还是构建AI应用，SK都能助你一臂之力。本文将带你走进Semantic Kernel的世界，从安装到实践，一步步揭开它的神秘面纱。

二、什么是Semantic Kernel？

Semantic Kernel是一个轻量级的AI应用开发框架，它允许开发者将大型语言模型（LLM）如OpenAI、Azure OpenAI和Hugging Face等服务与传统编程语言如C#和Python相结合。通过SK，你可以构建智能应用程序，让它们能够理解和处理复杂的语义信息。

三、为什么选择Semantic Kernel？

• 易用性：SK提供了一个简洁的API，使得与AI模型的交互变得简单直观。
• 灵活性：通过插件系统，SK可以轻松扩展，支持各种自定义功能。
• 高效性：SK优化了与AI模型的交互，提高了应用程序的性能。
• 开源：SK是一个开源项目，拥有活跃的社区支持。

四、Semantic Kernel的核心特性

4.1企业级

Semantic Kernel因其灵活性、模块化和可观测性而被微软和其他财富500强公司广泛采用。它提供了增强的安全性，确保您可以负责任地大规模交付AI解决方案。

4.2 自动化业务流程

Semantic Kernel能够将提示词与现有API结合，自动执行业务操作。通过向AI模型描述现有代码，模型将调用这些代码以响应请求。当请求发出时，模型会调用一个函数，Semantic Kernel作为中间件，将模型的请求转换为函数调用，并将结果传回模型。

4.3 模块化和可扩展性

通过将现有代码作为插件添加，Semantic Kernel允许您灵活地通过一系列现成的连接器集成AI服务。它使用OpenAPI规范，使得公司内的其他开发者可以共享任何扩展。

五、Semantic Kernel入门

要开始使用SK，首先需要安装它。以下是在C#环境中安装SK的步骤：

5.1 安装SDK

通过NuGet安装Semantic Kernel包：

dotnet add package Microsoft.SemanticKernel

5.2 编写控制台应用

1. 配置

引入命名空间&忽略编译器警告

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;

//忽略编译器警告
#pragma warning disable SKEXP0010

如下图：接口提示api是实验性的，将来可能会发生变化。，故需要增加忽略编译器警告的代码，否则无法调用。

2.实例

创建Semantic Kernel实例

//使用的模型
string model = "gpt-4o-mini";
//使用的openai代理地址，这里也可以使用国产模型和地址。只要是openai格式即可
string endpointKey = "https://xie.openai.com/v1";

//openai 密钥
string apiKey = "sk-";

//创建Semantic Kernel实例
Kernel kernel = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(
        modelId: model,
        endpoint: new Uri(endpointKey),
        apiKey: apiKey)
    .Build();

3.示例一：进行一次问答

// 示例1：使用提示符调用内核（kernel）并显示结果
Console.WriteLine("------------------【示例1 - 进行一次问答】--------------------");
Console.WriteLine(await kernel.InvokePromptAsync("天空是什么颜色?"));
Console.WriteLine();

4.示例二：使用模板

//示例2 使用模板化的提示符调用内核（kernel）并显示结果
Console.WriteLine("------------------【示例2 - 模板】--------------------");
KernelArguments arguments = new() { { "topic", "海" } };
Console.WriteLine(await kernel.InvokePromptAsync("{{$topic}}是什么颜色啊?", arguments));
Console.WriteLine();

5.示例三：流式输出

Console.WriteLine("------------------【示例3 - 流式输出】--------------------");
// 示例3：使用模板化提示调用内核（kernel），并将结果进行流式输出
await foreach (var update in kernel.InvokePromptStreamingAsync("{{$topic}}是什么颜色? 提供详细的解释。", arguments))
{
    Console.Write(update);
}
Console.WriteLine();

Console.WriteLine("------------------【示例4 - 模型参数配置】--------------------");

6.示例四：模型请求参数配置

Console.WriteLine("------------------【示例4 - 模型参数配置】--------------------");
// 示例4：调用内核使用一个模板化的提示和模型参数设置
//注：MaxTokens 和Temperature 是模型参数
arguments = new(new OpenAIPromptExecutionSettings { MaxTokens = 500, Temperature = 0.5 }) { { "topic", "小狗" } };
Console.WriteLine(await kernel.InvokePromptAsync("给我讲个关于{{$topic}}的故事", arguments));
Console.WriteLine();

7.示例五：格式化输出

Console.WriteLine("------------------【示例5 - 格式化输出】--------------------");
arguments = new(new OpenAIPromptExecutionSettings { ResponseFormat = "json_object" }) { { "topic", "巧克力" } };
Console.WriteLine(await kernel.InvokePromptAsync("创建一个JSON格式的{{$topic}}蛋糕配方", arguments));

5.3 完整代码

#region 一、入门

安装nuget包：Microsoft.SemanticKernel
//#pragma warning disable SKEXP0010

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;

string model = "gpt-4o-mini", endpointKey = "https://xie.openai.com/v1",
apiKey = "sk-";

// Create a kernel with OpenAI chat completion
Kernel kernel = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion(
        modelId: model,
        endpoint: new Uri(endpointKey),
        apiKey: apiKey)
    .Build();

// 示例1：使用提示符调用内核（kernel）并显示结果
Console.WriteLine("------------------【示例1 - 进行一次问答】--------------------");
Console.WriteLine(await kernel.InvokePromptAsync("天空是什么颜色?"));
Console.WriteLine();

示例2 使用模板化的提示符调用内核（kernel）并显示结果
Console.WriteLine("------------------【示例2 - 模板】--------------------");
KernelArguments arguments = new() { { "topic", "海" } };
Console.WriteLine(await kernel.InvokePromptAsync("{{$topic}}是什么颜色啊?", arguments));
Console.WriteLine();

Console.WriteLine("------------------【示例3 - 流式输出】--------------------");

// 示例3：使用模板化提示调用内核（kernel），并将结果进行流式输出
await foreach (var update in kernel.InvokePromptStreamingAsync("{{$topic}}是什么颜色? 提供详细的解释。", arguments))
{
    Console.Write(update);
}
Console.WriteLine();

Console.WriteLine("------------------【示例4 - 模型参数配置】--------------------");
 示例4：调用内核使用一个模板化的提示和模型参数设置
arguments = new(new OpenAIPromptExecutionSettings { MaxTokens = 500, Temperature = 0.5 }) { { "topic", "小狗" } };
Console.WriteLine(await kernel.InvokePromptAsync("给我讲个关于{{$topic}}的故事", arguments));
Console.WriteLine();

Console.WriteLine("------------------【示例5 - 格式化输出】--------------------");
//示例5：调用内核使用一个模板化的提示和模型参数设置，并将结果以JSON格式返回
arguments = new(new OpenAIPromptExecutionSettings { ResponseFormat = "json_object" }) { { "topic", "巧克力" } };
Console.WriteLine(await kernel.InvokePromptAsync("创建一个JSON格式的{{$topic}}蛋糕配方", arguments));


#endregion

Console.ReadKey();

六、结论

Semantic Kernel为开发者提供了一个强大的工具，用于构建下一代AI应用程序。无论您是希望自动化业务流程，还是想要将最新的AI模型集成到您的应用程序中，Semantic Kernel都能满足您的需求。

通过遵循本入门指南，您将能够快速开始使用Semantic Kernel，并探索其强大的功能，为您的AI项目带来无限可能。

参考资料：
微软文档：https://learn.microsoft.com/en-us/semantic-kernel/overview/

Github：https://github.com/microsoft/semantic-kernel