LangChain vs Semantic Kernel

最新推荐文章于 2025-05-07 03:34:49 发布
最新推荐文章于 2025-05-07 03:34:49 发布
阅读量1.6k 收藏 2
点赞数 2
原文链接：https://mp.weixin.qq.com/s?__biz=MzAwNTMxMzg1MA==&mid=2654096484&idx=1&sn=6f37bd449ab5e46295ccb4a23842eaaa&chksm=80d86831b7afe1270aa8e43bdd48ca6d311a765359940be436dc9caea41f7866279feff76950&scene=126&sessionid=0
版权

每当向他人介绍 Semantic Kernel， 会得到的第一个问题就是 Semantic Kernel 类似于LangChain吗，或者是c# 版本的LangChain吗？为了全面而不想重复的回答这个问题，因此我总结这篇文章。

在 ChatGPT 之前，构建 集成AI的应用程序的主要分为两个步骤：

  1. 机器学习工程师/数据科学家创建模型，然后通过 REST API 终结点发布此模型。

  2. 应用程序开发人员通过传递确定性参数来调用 REST API 终结点。

有了GPT以后 构建与 AI 集成的应用程序过去要简单得多，应用程序员开发人员直接访问OpenAI的REST API，将它集成到我们的应用中，但是真正开始集成的时候才发现挑战不仅仅是调用API，例如：

  • 如何将OpenAI与内部知识搜索（内部文档，数据库，SharePoint等）集成

  • 如何将OpenAI与其他系统集成，如SAP，ERP，CRM，HR系统，IT票务系统等。

  • 如何有效地跟踪聊天对话历史记录

  • 如何以可配置的方式将提示实现到代码中（而不是使它们看起来像魔术字符串）)

  • 如何最小化使用的Token

  • 如何在服务限制内和围绕服务配额和限制[1]工作 - 更具体地说，围绕最大请求数/分钟

  • 以及更多...

这中间需要有一个业务流程协调程序。该服务编排来自各种依赖项（OpenAI、Azure 搜索、数据库等）的输入和输出，并将其拼接在一起。

  • 这种模式可以从微软最近发布的Copilot服务中看出。请注意，GitHub Copilot、M365 Copilot、D365 Copilot 和Security Copilot的架构之间都有一个“Copilot Service”，用于将应用程序与LLM模型和其他服务链接起来。

  • 另请注意，微软在架构图中提到了的是“LLM”，而不是“GPT-4”。这是因为业务流程协调程序服务同时使用不同的 LLM 来实现其目的。

 d32fec81451dadff16c829436dfc5a17.jpeg

这就是像Semantic Kernel和LangChain这样的库的用武之地。这些库可帮助开发人员：

  • 管理对话历史记录，这是ChatCompletionAPI 希望开发人员弄清楚的。

  • 根据意图规划方法。

  • 为该方法实现“链接”

  • 管理Memory和服务连接要求（即对话历史记录、外部 API 等）

LangChain目前是“最成熟”（但相当新的）拥有大型开源社区的。第一次提交是在 2022 年10月。

  • 它支持Python和TypeScript，其中Python具有更多功能[2]。

  • 大多数在线文章都使用Jupyter笔记本 演示 LangChain，LangChai也不把自己被称为“SDK”，它是为习惯于使用笔记本的ML工程师构建的。

  • 应用程序开发人员需要弄清楚如何组织代码和使用 LangChain，软件工程方面的组织相对SK 显得差了很多。

  • LangChain由Harrison Chase[3]创立，他的职业是ML工程师，更多是从ML 工程师角度架构应用。

  • LangChain开源社区的贡献非常活跃，目前已经有29k star。

  • 采用MIT开源协议

Semantic Kernel（SK）是相对“较新的”，但它是为开发人员构建的。第一次提交是在 2023 年 2 月。

  • 它主要面向 C# 开发人员，它也支持 Python，（功能另请参阅功能奇偶校验文档[4]）。

  • 因为它是为开发人员构建的，所以它被称为轻量级 SDK，可帮助开发人员将代码组织到内置于 Planner 中的技能、记忆和连接器中（在此处阅读更多内容）。

  • 示例代码中有很多业务流程协调程序 Web 服务的示例。

  • SK由一个以软件开发工程能力超强的组织（微软）创立。开源社区规模也相当活跃，目前已经有5.7k star。

  • 它是由微软创立的，文档方面做的也非常好，它有一个官方的支持页面[5]和LinkedIn学习课程[6]。

  • 由于 SK 在构建时考虑了应用，因此有一个 MS Graph连接器工具包[7]，适用于需要与日历、电子邮件、OneDrive 等集成的方案。

  • 微软绝对是接入 OpenAI 最快也是最早的大型公司，他们发布的“Semantic Kernel” 是工程实践的结晶，同时发布了LLM创建软件的九项原则，称之为Schillace Laws of Semantic AI[8]https://learn.microsoft.com/zh-cn/semantic-kernel/howto/schillacelaws

这两个库我们选择使用哪一个，我觉得主要的考虑因素是开发人员的技能，LLM 已经将机器学习的门槛降低到普通开发人员就可以开发AI应用，SK 在帮助应用开发人员开发AI方面的帮助会比LangChain更大，我会选择采用SK来构建AI应用。

相关链接

  • [1] 服务配额和限制: https://learn.microsoft.com/zh-cn/azure/cognitive-services/openai/quotas-limits

  • [2] Langchain特性：https://langchain.com/features.html

  • [3] Harrison Chase：https://github.com/hwchase17

  • [4] SK功能奇偶校验文档：https://github.com/microsoft/semantic-kernel/blob/python-preview-archived-dont-delete/python/FEATURE_PARITY.md

  • [5] SK支持页面：http://aka.ms/sk/support

  • [6] SK LinkedIn学习课程：https://www.linkedin.com/learning/introducing-semantic-kernel-building-ai-based-apps

  • [7] MS Graph连接器工具包：https://learn.microsoft.com/en-us/semantic-kernel/concepts-sk/connectors#whats-the-ms-graph-connector-kit

  • [8] Schillace Laws of Semantic AI：https://learn.microsoft.com/zh-cn/semantic-kernel/howto/schillacelaws

  • [9] LangChain：Model as a Service粘合剂，被ChatGPT插件干掉了吗？: https://mp.weixin.qq.com/s/3coFhAdzr40tozn8f9Dc-w

理论十一、大模型-Semantic Kernel与 LangChain 的对比
xiaoqi270620903的专栏
04-30 3816
代表了微软在 AI 应用开发领域的探索，其功能和 LangChain 有所相似，但 Semantic Kernel 是为应用开发开发人员创建的，使构建企业 AI 编排器变得容易，这是 Copilot Stack 的中心。LangChain则是由 Harrison Chase 创立，其职业是 ML 工程师，更多是从 ML 工程师角度架构应用，LangChain 开源社区的贡献非常活跃，目前已经有 29k star。
AI全栈大模型工程师(二十一)LangChain和SemanticKernel怎么选
Maynor的博客
12-08 707
LangChain.js 和 LangChain 保持了概念一致，功能丰富，很适合前端同学使用Semantic Kernel 架构设计更好，未来发展潜力更大，值得跟踪、尝试趁它们都还不完善，正是参与开源软件建设的好时机。
LLMs 应用开发框架 Semantic Kernel 和 LangChain 比较
weixin_43829633的博客
11-07 1500
本文首发于博客Semantic Kernel 和 LangChain 是当前比较受欢迎的两款 LLMs 应用开发框架，笔者通过实现一个支持联网功能的智能 AI 助手来比较分析下两个框架的差异（适合自己场景的工具才是最好滴 🧑🏻‍💻）
1、从DeepSeek API调用到Semantic Kernel集成：深度解析聊天机器人开发全链路
fenfenfen520a的博客
03-17 195
引言：AI时代下的聊天机器人开发范式演进 在生成式AI技术爆发的当下，基于大语言模型（LLM）的聊天机器人开发已形成标准化技术链路。本文将结合DeepSeek API与微软Semantic Kernel框架，以C#语言实战演示从基础API调用到高级框架集成的完整开发流程。 环境准备与基础配置 .NE
文章《Semantic Kernel -- LangChain 的替代品？》的错误和疑问 探讨
dotNET跨平台
10-06 620
微信公众号文章Semantic Kernel —— LangChain 的替代品?[1] ，它使用的示例代码是Python ，他却发了这么一个疑问：支持的语言对比（因为 Semantic Kernel 是用 C#开发的，所以它对 C#比较支持）如上所示。不清楚 Semantic Kernel 为什么要用 C#来开发，C#相比 Python 和 JavaScript 来说使用的人会少很多。Sema...
AI原生应用开发框架比较：LangChain vs Semantic Kernel
最新发布
AGI×大数据，开启智能时代的认知跃迁；解码AGI，赋能数据驱动的智能革命。
05-07 884
在AI技术飞速发展的今天，开发基于大模型的原生应用变得越来越重要。LangChain和Semantic Kernel是目前比较流行的两个开发框架，本文的目的就是对它们进行全面的比较，范围涵盖了从核心概念到实际应用的各个方面。本文首先会介绍相关的核心概念，包括LangChain和Semantic Kernel的基本定义。然后详细讲解它们的核心算法原理和具体操作步骤，通过数学模型和公式进行深入分析。接着会给出项目实战的代码案例和详细解释。之后探讨它们的实际应用场景、推荐相关工具和资源，分析未来发展趋势与挑战。
Semantic Kernel：微软大模型开发框架——LangChain 替代
AI相关从业分享
07-04 2698
Semantic Kernel：一个集成大型语言模型 （LLM） 的 SDK，如 OpenAI、Azure OpenAI、 以及使用 C#、Python 和 Java 等传统编程语言的 Hugging Face。语义内核实现了这一点 通过允许您定义可以链接在一起的插件 只需几行代码。然而，语义内核的特别之处在于它能够自动编排 带有 AI 的插件。使用语义内核规划器，您可以 可以要求 LLM 生成实现用户唯一目标的计划。之后 语义内核将为用户执行计划。
Semantic Kernel 和 LangChain 如何选择？
金木AI
06-16 529
如果你的项目紧密依赖于微软的技术生态，且你需要复杂的工作流管理，那么 Semantic Kernel 可能更适合你。相反，如果你需要更灵活的模型支持和丰富的社区资源，那么 LangChain 可能是更好的选择。在做出最终决定前，可以尝试这两种工具的示例项目，评估它们的功能是否符合你的需求。如果你的项目已经使用了微软的技术栈，Semantic Kernel 可能是更好的选择。社区支持：相比一些开源项目，Semantic Kernel 的社区支持可能相对较少，获取帮助和资源的渠道可能有限。
微软企业级 AI 框架 Semantic Kernel 详解，LangChain 最强替代
lengm
07-07 4509
Semanic Kernel 是微软开源的一个轻量级的开源开发套件，它让你可以轻松构建 AI Agent，并将最新的 AI 模型集成到您的 C#、Python 或 Java 代码库中；它提供了一个简单易用的 API，可以连接到各种 AI 服务，例如 OpenAI、Azure OpenAI 和 Hugging Face 等；并且它作为业高效的中间件，能够快速交付企级解决方案。
Semantic Kernel VS LangChain
微软技术栈
05-24 1411
这两个库我们选择使用哪一个，我觉得主要的考虑因素是开发人员的技能，LLM 已经将机器学习的门槛降低到普通开发人员就可以开发 AI 应用，SK 在帮助应用开发人员开发 AI 方面的帮助会比 LangChain[8]更大，我会选择采用 SK 来构建 AI 应用。深圳友浩达 CTO & 首席架构师，微软最有价值专家，微软 SWAT 专家，超过20年的软件研发经验，曾在腾讯工作12年，.NET 基金会成员，.NET 云原生顾问和解决方案专家，运营微信公众号“dotnet跨平台”和“分布式应用运行时”
优雅谈大模型：LangChain Vs. LlamaIndex
鲁班模锤
06-25 1202
LlamaIndex和LangChain的对比其实是一个很复杂的话题，若需要用一句话来总结，LlamaIndex是数据之王，而LangChain是LLM应用程序开发的多面手。
LLM应用开发框架对比：LangChain vs. LlamaIndex
chen的博客
05-20 3499
在人工智能领域，大型语言模型（LLM）的应用开发框架是实现复杂应用的关键。LangChain和LlamaIndex是两个新兴的框架，它们都旨在简化LLM集成和开发过程。本文将对这两个框架进行深入对比，探讨它们的优势和局限。
开源 Agent 框架对比：LangChain vs AutoGen vs CrewAI
shuizhudan223的博客
04-28 710
LangChain：适合快速验证单 Agent 想法，尤其在文档处理和知识问答领域。AutoGen：多 Agent 协作的首选，适合需要动态任务分配和人机协同的场景。CrewAI：角色分工明确的团队协作场景，如内容创作、项目管理等。开发者可根据项目需求选择框架，或结合使用（如 CrewAI+LangChain 工具链），以充分发挥 LLM 的潜力。
Semantic Kernel vs LangChain：开发者视角的深度对比与选型指南
qq_62223405的博客
04-17 942
Semantic Kernel与LangChain的竞争，本质是“工程严谨性” vs “开发敏捷性”的权衡。随着LLM技术的演进，二者可能走向融合——SK吸收LangChain的灵活组件，LangChain借鉴SK的工程化设计。开发者应根据团队基因与项目阶段理性选型，而非盲目追随技术潮流。
跟Langchain打对台的Semantic Kernel是个啥
dotNET跨平台
09-11 501
编者：这段时间到底Langchain好还是Semantic Kernel更实用的讨论起码在我看来是很热闹啊。我们院里这两派都有拥趸，以张善友老师为首的Semantic Kernel派和以Eric为首的Langchain派，他们几位成天在院里的工作就是理性互殴，哦，可能没有这么夸张，不过熟知善友老师的人肯定有感觉，只要有人说Semantic Kernel不好，他一定会从不知道哪儿就冒出来一顿输出。今...
大模型-Semantic Kernel与 LangChain 的对比
m0_71745484的博客
11-28 747
Semantic Kernel 与 LangChain 的对比Semantic Kernel 和 LangChain 都是用于开发基于大型语言模型（LLM）的应用程序的框架，但它们各有特点和优势。基本概念和目标Semantic Kernel 是一个由微软开发的轻量级 SDK，旨在帮助开发人员将代码组织到内置于 Planner 中的技能、记忆和连接器中。它支持多种编程语言，包括 Python 和 TypeScript，并且可以轻松集成到现有的应用程序中，以增加 AI 功能。
【LangChain系列文章】1. LangChain：一个可以让你变强大的开源框架
qq_29517595的博客
09-12 1516
LangChain：一个让前端开发变强大的框架 LangChain：可以让你的大语言模型变强大的框架
Semantic Kernel 入门系列：Semantic Function
dotNET跨平台
04-13 658
如果把提示词也算作一种代码的话，那么语义技能所带来的将会是全新编程方式，自然语言编程。通常情况下一段prompt就可以构成一个Semantic Function，如此这般简单，如果我们提前可以组织好一段段prompt的管理方式，甚至可以不需要写任何的代码，就可以构造出足够多的技能来。使用文件夹管理Semantic FunctionSemantic Kernel恰好就提供了这样一种组织方式，仅需使用...
Semantic Kernel
03-21
<think>好的，我需要回答用户关于Semantic Kernel的问题，特别是关于它的GitHub仓库和作为微软开源框架的信息。首先，我得回忆一下Semantic Kernel的基本概念，确保信息准确。Semantic Kernel是微软开发的一个开源框架，用于集成AI模型，比如大型语言模型（LLMs），到应用程序中。它支持多种编程语言，可能包括C#和Python，但需要确认。 接下来，用户提到了GitHub，所以必须提供正确的仓库链接。我需要查找微软官方的Semantic Kernel仓库，确保链接正确无误。通常微软的开源项目会放在GitHub的microsoft组织下，所以可能链接是github.com/microsoft/semantic-kernel。需要验证这一点。 然后，用户想了解它作为开源框架的特点。应该包括主要功能，比如插件架构、规划能力、与AI服务的集成，以及支持的模型类型，比如OpenAI、Azure OpenAI、Hugging Face等。还要提到支持的编程语言，例如C#、Python、Java，但需要确认最新的支持情况，可能Java还在测试阶段。 另外，用户可能对应用场景感兴趣，比如智能助手、自动化流程、数据增强等。需要举几个例子说明其用途。还要确保引用相关资源，如官方文档和GitHub仓库，并在回答末尾添加引用标识。 最后，生成相关问题时要考虑用户可能的后续疑问，比如与LangChain的区别、使用场景、核心功能、支持的模型，以及如何开始使用。确保问题相关且有帮助，引导用户进一步探索。 在回答过程中，需要遵循用户提供的格式要求，使用正确的LaTeX语法，虽然当前内容可能不需要数学公式，但需保持警惕。同时，用中文回答，结构清晰，分点说明，保持自然流畅。检查是否有任何错误或过时信息，比如框架的最新版本或新增功能，确保回答的准确性和可靠性。</think>### Semantic Kernel 简介 Semantic Kernel（SK）是微软推出的开源框架，旨在帮助开发者将大型语言模型（LLMs）等AI能力集成到应用程序中。它提供了一套工具和接口，支持灵活的任务规划、上下文管理以及与外部服务的交互。 ### GitHub 与开源信息 - **GitHub仓库**：官方仓库为 [microsoft/semantic-kernel](https://github.com/microsoft/semantic-kernel)，包含代码、文档和示例[^1]。 - **框架特点**： 1. **插件架构**：支持扩展功能模块（如API、数据库），并通过自然语言调用。 2. **规划能力**：将复杂任务分解为可执行的子任务，例如自动生成代码或数据分析步骤。 3. **多模型支持**：兼容OpenAI、Azure OpenAI、Hugging Face等模型。 4. **多语言支持**：支持C#、Python、Java（实验阶段）等语言。 ### 应用场景 - **智能助手**：集成LLMs实现对话式交互（如客服机器人）。 - **自动化流程**：自动生成代码、文档或执行数据清洗。 - **知识增强**：结合外部数据源（如企业数据库）提升模型输出的准确性[^2]。 ### 示例代码（Python） ```python import semantic_kernel as sk from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion kernel = sk.Kernel() kernel.add_chat_service("chat", OpenAIChatCompletion("gpt-3.5-turbo", "API_KEY")) skill = kernel.import_semantic_skill_from_directory("skills", "SummarizeSkill") summary = kernel.run(skill["Summarize"], input_text="长文本内容...") print(summary) ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值