（3）semantic-kernel对话提示中级教程

（3）semantic-kernel对话提示中级教程

在平常使用Semantic Kernel的时候我们需要利用Semantic Kernel的更多的功能让我们的业务实现更加的简单和高效，下面我们通过一个案例来了解Semantic Kernel的对话提示功能和一些高级的用法。

创建一个控制台的项目

• 打开Visual Studio 2022，然后创建一个名称为3_Chat_Prompts的控制台项目

• 然后复制以下代码到3_Chat_Prompts项目文件中

<Project Sdk="Microsoft.NET.Sdk">

  <PropertyGroup>
    <OutputType>Exe</OutputType>
    <TargetFramework>net8.0</TargetFramework>
    <RootNamespace>_3_Chat_Prompts</RootNamespace>
    <ImplicitUsings>enable</ImplicitUsings>
    <Nullable>enable</Nullable>
  </PropertyGroup>

  <ItemGroup>
    <PackageReference Include="Microsoft.SemanticKernel" Version="1.12.0" />
  </ItemGroup>
</Project>

创建一个Kernel

• 然后复制上一个教程的OpenAIHttpClientHandler.cs到3_Chat_Prompts项目文件中。
• 打开Program.cs

示例显示使用纯文本的提示模板

using System.Diagnostics.CodeAnalysis;
using Microsoft.SemanticKernel;
using TokenAI;

#pragma warning disable SKEXP0001

namespace _3_Chat_Prompts;

internal static class Program
{
  private static Kernel _kernel;

  [Experimental("SKEXP0001")]
  public static async Task Main(string[] args)
  {
    _kernel = Kernel.CreateBuilder()
      .AddOpenAIChatCompletion(
        modelId: "gpt-3.5-turbo",
        apiKey: "这里填写在https://api.token-ai.cn/创建的令牌",
        httpClient: new HttpClient(new OpenAIHttpClientHandler("https://api.token-ai.cn/")))
      .Build();

    await PlainTextAsync();
  }

  public static async Task PlainTextAsync()
  {
    string chatPrompt = """
                        <message role="user">北京是什么?</message>
                        """;
    Console.WriteLine(await RenderPromptAsync(new PromptTemplateConfig(chatPrompt)));
    Console.WriteLine(await _kernel.InvokePromptAsync(chatPrompt));
  }

  static readonly IPromptTemplateFactory _promptTemplateFactory = new KernelPromptTemplateFactory();

  static Task<string> RenderPromptAsync(PromptTemplateConfig promptConfig, KernelArguments? arguments = null,
    IPromptTemplateFactory? promptTemplateFactory = null)
  {
    promptTemplateFactory ??= _promptTemplateFactory;
    var promptTemplate = promptTemplateFactory.Create(promptConfig);
    return promptTemplate.RenderAsync(_kernel, arguments);
  }
}

结果输出：

<message role="user">北京是什么?</message>
北京是中国的首都城市，也是中国的政治、文化和国际交往中心。北京具有悠久的历史和丰富的文化遗产，是中国历史上重要的古都之一。同时，北京也是一个现代化的大都市，拥有现代化的建筑、繁华的商业和繁荣的文化生活。

在上面的prompt中我们提问了北京是什么？的问题,然后AI回复了相关的内容。在这个案例中我们使用了纯文本的提示模板，这样我们可以更加的方便的使用Semantic Kernel的功能。

示例显示包含安全内容的输入变量

using System.Diagnostics.CodeAnalysis;
using Microsoft.SemanticKernel;
using TokenAI;

#pragma warning disable SKEXP0001

namespace _3_Chat_Prompts;

internal static class Program
{
  private static Kernel _kernel;

  [Experimental("SKEXP0001")]
  public static async Task Main(string[] args)
  {
    _kernel = Kernel.CreateBuilder()
      .AddOpenAIChatCompletion(
        modelId: "gpt-3.5-turbo",
        apiKey: "这里填写在https://api.token-ai.cn/创建的令牌",
        httpClient: new HttpClient(new OpenAIHttpClientHandler("https://api.token-ai.cn/")))
      .Build();

    await SafeInputVariableAsync();
  }


  public static async Task SafeInputVariableAsync()
  {
    var kernelArguments = new KernelArguments()
    {
      ["input"] = "什么是北京?",
    };
    var chatPrompt = """
                     <message role="user">{{$input}}</message>
                     """;
    Console.WriteLine(await RenderPromptAsync(new PromptTemplateConfig(chatPrompt), kernelArguments));
    Console.WriteLine(await _kernel.InvokePromptAsync(chatPrompt, kernelArguments));
  }

  static readonly IPromptTemplateFactory _promptTemplateFactory = new KernelPromptTemplateFactory();

  static Task<string> RenderPromptAsync(PromptTemplateConfig promptConfig, KernelArguments? arguments = null,
    IPromptTemplateFactory? promptTemplateFactory = null)
  {
    promptTemplateFactory ??= _promptTemplateFactory;
    var promptTemplate = promptTemplateFactory.Create(promptConfig);
    return promptTemplate.RenderAsync(_kernel, arguments);
  }
}

结果输出：

<message role="user">什么是北京?</message>
北京是中国的首都，也是中国政治、经济、文化和教育中心，拥有悠久的历史和丰富的文化遗产。北京是一座国际化大都市，有着各种名胜古迹、现代建筑和丰富的文化活动，吸引着来自全球的游客和投资者。同时，北京也是中国的交通枢纽，拥有完善的交通网络，方便人们出行。

在上面的prompt中我们提问了什么是北京？的问题,然后AI回复了相关的内容。在这个案例中我们使用了安全内容的输入变量，这样我们可以更加的方便的使用Semantic Kernel的功能。

示例显示如何信任聊天提示符中的所有内容

using System.Diagnostics.CodeAnalysis;
using Microsoft.SemanticKernel;
using TokenAI;

#pragma warning disable SKEXP0001

namespace _3_Chat_Prompts;

internal static class Program
{
  private static Kernel _kernel;

  [Experimental("SKEXP0001")]
  public static async Task Main(string[] args)
  {
    _kernel = Kernel.CreateBuilder()
      .AddOpenAIChatCompletion(
        modelId: "gpt-3.5-turbo",
        apiKey: "这里填写在https://api.token-ai.cn/创建的令牌",
        httpClient: new HttpClient(new OpenAIHttpClientHandler("https://api.token-ai.cn/")))
      .Build();

    await TrustedTemplateAsync();
  }

  /// <summary>
  /// 可靠的模板
  /// </summary>
  public static async Task TrustedTemplateAsync()
  {
    var trustedMessageFunction = KernelFunctionFactory.CreateFromMethod(
      () => "<message role=\"system\">你是一个很有帮助的助手，对中国的城市了如指掌</message>",
      "TrustedMessageFunction");
    var trustedContentFunction =
      KernelFunctionFactory.CreateFromMethod(() => "<text>北京是什么?</text>", "TrustedContentFunction");

    _kernel.ImportPluginFromFunctions("TrustedPlugin", [trustedMessageFunction, trustedContentFunction]);

    var chatPrompt = """
                     {{TrustedPlugin.TrustedMessageFunction}}
                     <message role="user">{{$input}}</message>
                     <message role="user">{{TrustedPlugin.TrustedContentFunction}}</message>
                     """;
    var promptConfig = new PromptTemplateConfig(chatPrompt);
    var kernelArguments = new KernelArguments()
    {
      ["input"] = "<text>深圳是什么?</text>",
    };

    var factory = new KernelPromptTemplateFactory() { AllowDangerouslySetContent = true };
    var function = KernelFunctionFactory.CreateFromPrompt(promptConfig, factory);
    Console.WriteLine(await RenderPromptAsync(promptConfig, kernelArguments, factory));
    Console.WriteLine((await _kernel.InvokeAsync(function, kernelArguments)).GetValue<string>());
  }

  static readonly IPromptTemplateFactory _promptTemplateFactory = new KernelPromptTemplateFactory();

  static Task<string> RenderPromptAsync(PromptTemplateConfig promptConfig, KernelArguments arguments,
    IPromptTemplateFactory? promptTemplateFactory = null)
  {
    promptTemplateFactory ??= _promptTemplateFactory;
    var promptTemplate = promptTemplateFactory.Create(promptConfig);
    return promptTemplate.RenderAsync(_kernel, arguments);
  }
}

结果输出：

<message role="system">你是一个很有帮助的助手，对中国的城市了如指掌</message>
<message role="user"><text>深圳是什么?</text></message>
<message role="user"><text>北京是什么?</text></message>
北京是中国的首都和政治中心，也是中国著名的历史文化名城。北京是中国现代化的代表城市之一，拥有众多著名的景点和文化遗产，如故宫、天安门广场、长城等。此外，北京还是中国重要的经济、科技和文化中心，吸引着大量国内外人才和投资。

在上面的prompt中我们提问了深圳是什么？和北京是什么？俩个问题，但是在北京是什么？的Prompt中我们设置了参数AllowDangerouslySetContent = true,那么它是可靠的，但是深圳是什么？并且没有标记，但是他们都同样存在<text>元素都可能存在攻击性的内容，北京是什么？被认为是可靠的，而深圳是什么？被认为是不可靠的，所以在结果输出的时候，深圳是什么？的内容被过滤掉了，AI只回答了北京是什么？的问题。