微软SemanticKernel：AI开发神器-编程实验室

Semantic Kernel（语义内核）是由微软开发的开源 AI 开发工具包（SDK），旨在帮助开发者将大语言模型（LLM）能力无缝集成到 C#、Python 和 Java 应用中，快速构建企业级 AI 智能体（Agent）、RAG（检索增强生成）系统等高级应用。

🧠 一、核心定位

Semantic Kernel 不是一个 LLM，而是一个“AI 中间件”—— 它抽象了与大模型交互的复杂性，提供统一接口，让开发者专注于业务逻辑而非底层调用细节。

✅ 目标：让传统代码 + 大模型 = 智能应用

🔑 二、五大核心概念

1.Kernel（内核）

是整个系统的“容器”或“中枢”。
负责管理：
- AI 服务（如 OpenAI、Azure OpenAI、Ollama、Google AI 等）
- 插件（Plugins）
- 提示词模板（Prompt Templates）
- 向量存储（Vector Stores）
支持依赖注入、中间件（如日志、安全过滤器）。

2.Plugins（插件）

插件是扩展 LLM 能力的关键，分为两类：

类型	实现方式	特点	适用场景
语义插件（Semantic Plugin）	基于`skprompt.txt`+`config.json`的提示词模板	无需写代码，靠 Prompt 控制输出	文本生成、翻译、摘要等创意任务
本地插件（Native Plugin）	用 C#/Python/Java 编写的类和方法	可执行确定性逻辑（如调 API、查数据库）	获取实时数据、执行业务操作

示例：

[KernelFunction, Description("获取当前时间")] public string GetCurrentTime() => DateTime.Now.ToString("yyyy-MM-dd");

3.Prompt Engineering（提示工程）

支持变量插值（如{{$input}}）
支持角色设定（system/user/assistant）
可通过模板文件管理，便于版本控制和团队协作。

4.AI Services（AI 服务集成）

支持多后端：

OpenAI / Azure OpenAI
Google Gemini
Amazon Bedrock
Ollama（本地模型，如 Llama 3、Qwen）
Hugging Face（需自定义 HTTP Client）

💡 即使官方未直接支持某模型（如 ChatGLM），也可通过自定义 HttpClient接入。

5.Vector Stores（向量存储）

用于 RAG 场景，支持：

Azure AI Search
Qdrant
Redis
Weaviate
Pinecone（社区支持）

⚙️ 三、典型工作流程（函数调用）

当用户提问 “杭州今天天气如何？”：

Kernel 将所有可用插件函数序列化为 JSON Schema；
将聊天历史 + 函数描述发送给 LLM；
LLM 决定是否调用函数（如GetCityId("杭州")→GetWeather(cityId)）；
Kernel 自动解析函数调用请求，执行本地代码；
将结果回填到对话上下文，再次送入 LLM 生成最终回答；
循环直到 LLM 返回纯文本响应。

✅ 全过程自动完成，无需手动解析 function_call。

📦 四、快速上手（C# 示例）

using Microsoft.SemanticKernel; var builder = Kernel.CreateBuilder(); builder.Services.AddAzureOpenAIChatCompletion( deploymentName: "gpt-4", endpoint: "https://your-resource.openai.azure.com/", apiKey: "your-key" ); var kernel = builder.Build(); // 添加本地插件 kernel.Plugins.AddFromType<WeatherPlugin>("weather"); // 发起请求（启用自动函数调用） var result = await kernel.InvokePromptAsync("杭州今天天气怎么样？"); Console.WriteLine(result);