使用 Semantic Kernel 快速对接国产大模型实战指南（DeepSeek/Qwen/GLM）

使用 Semantic Kernel 快速对接国产大模型实战指南（DeepSeek/Qwen/GLM）

一、引言

在人工智能应用开发中，统一对接不同大模型的能力至关重要。微软推出的 Semantic Kernel 作为优秀的 AI 编排框架，能够帮助我们快速对接各类大模型。本文将手把手教你如何使用 Semantic Kernel 对接国内三大主流模型：DeepSeek、通义千问（Qwen）和智谱AI（GLM），并提供可运行的代码示例。文末提供完整代码示例和注意事项。

---

二、环境准备

2.1 开发环境

• .NET 6+ SDK

• Visual Studio 2022

• NuGet包：

 ```bashdotnet add package Microsoft.SemanticKernel```

2.2 模型服务配置

模型	接口地址示例	API Key获取方式
DeepSeek	https://api.deepseek.com/v1	DeepSeek平台申请（需充值）
Qwen	https://api.siliconflow.cn/	SiliconCloud平台申请（有免费额度）
GLM	https://open.bigmodel.cn/api/paas/v4/chat/completions	智谱AI开放平台申请（有免费模型）

---

三、核心代码实现

下述内容封装两种对话交互模式，采用统一的接口设计：

• 非流式输出：完整获取响应后一次性输出

• 流式输出：实时输出响应片段，提升交互体验

注：两种模式都提供了对话历史管理机制，确保多轮对话上下文连贯性。

3.1 会话代码封装

/// <summary>
/// 统一对话管理（非流式）
/// </summary>
/// <param name="kernel"></param>
/// <returns></returns>
private async Task StartChatSession(Kernel kernel)
{var chatService = kernel.GetRequiredService<IChatCompletionService>();var history = new ChatHistory();while (true){Console.Write("用户 > ");var input = Console.ReadLine();history.AddUserMessage(input);var response = await chatService.GetChatMessageContentAsync(history);Console.WriteLine($"助手 > {response.Content}");history.AddAssistantMessage(response.Content);}
}/// <summary>
/// 统一对话管理（流式输出）
/// </summary>
/// <param name="kernel"></param>
/// <returns></returns>
private async Task StartStreamingChatSession(Kernel kernel)
{var chatService = kernel.GetRequiredService<IChatCompletionService>();var history = new ChatHistory();while (true){///获取用户输入Console.Write("用户 > ");var input = Console.ReadLine();//将用户输入添加到历史记录history.AddUserMessage(input);//获取流式响应var response = chatService.GetStreamingChatMessageContentsAsync(chatHistory: history,kernel: kernel);Console.WriteLine($"助手 > ");string resStr = "";//输出流式响应await foreach (var chunk in response){resStr += chunk;//拼接聊天记录Console.Write(chunk);}//将完整的响应添加到历史记录history.AddAssistantMessage(resStr);//输出换行Console.WriteLine();}
}

3.2 CurModelContext封装

将要获取的模型，按如下方式封装，也可直接写死在代码中，其中“sk-xx”和“Model”按需替换实际使用的key和模型。

/// <summary>
/// 全局参数
/// </summary>
public class Global
{/// <summary>/// 获取模型配置/// </summary>public static ModelConfig CurModelContext(string model){switch (model){case "glm-4-flash":return new ModelConfig{Model = "glm-4-flash",EndpointKey = "https://open.bigmodel.cn/api/paas/v4",ApiKey = "sk-xxx"};case "glm-z1-flash":return new ModelConfig{Model = "glm-z1-flash",EndpointKey = "https://open.bigmodel.cn/api/paas/v4",ApiKey = "sk-xxx"};case "Qwen/Qwen2.5-72B-Instruct":return new ModelConfig{Model = "Qwen/Qwen2.5-72B-Instruct",EndpointKey = "https://api.siliconflow.cn",ApiKey = "sk-xxx"};case "deepseek-chat":return new ModelConfig{Model = "deepseek-chat",EndpointKey = "https://api.deepseek.com/v1",ApiKey = "sk-xxx"};case "deepseek-reasoner":return new ModelConfig{Model = "deepseek-reasoner",EndpointKey = "https://api.deepseek.com/v1",ApiKey = "sk-xxx"};default:break;}return null;}
}

3.3 DeepSeek对接示例

var modelConfig = Global.CurModelContext("deepseek-chat");// 1. 填充OpenAI格式LLM调用参数值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 创建一个OpenAI聊天完成的内核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.构建内核
Kernel kernel = builder.Build();//5. 对话功能（流式）
await StartStreamingChatSession(kernel);//6. 对话功能（非流式）
//await StartChatSession(kernel);

3.4 Qwen对接示例

var modelConfig = Global.CurModelContext("Qwen/Qwen2.5-72B-Instruct");
// 1. 填充OpenAI格式LLM调用参数值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 创建一个OpenAI聊天完成的内核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.构建内核
Kernel kernel = builder.Build();//5. 对话功能（流式）
await StartStreamingChatSession(kernel);//6. 对话功能（非流式）
//await StartChatSession(kernel);

---

3.5 GLM对接示例

var modelConfig = Global.CurModelContext("glm-4-flash");// 1. 填充OpenAI格式LLM调用参数值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 创建一个OpenAI聊天完成的内核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.构建内核
Kernel kernel = builder.Build();//5. 对话功能（流式）
await StartStreamingChatSession(kernel);
//6. 对话功能（非流式）
//await StartChatSession(kernel);

---

四、常见问题排查

• 401 鉴权失败

  • 检查 API Key 有效性
  • 确认密钥传递方式符合平台要求

• 模型响应超时

  • 检查网络连通性

  • 确认 endpoint 配置正确

• 输出格式异常

  • 调整 temperature 参数

  • 检查 max_tokens 限制

五、总结

通过 Semantic Kernel 的统一接口，开发者可以快速实现国内主流大模型的集成。建议根据实际需求选择模型，并充分利用SK的插件系统、记忆机制和工具调用特性构建企业级AI应用。

• 优先选用兼容 OpenAI 格式的模型
• 对于特殊接口的模型需实现自定义OpenAI 格式封装