.NET AI从0开始入门 SemanticKernel 从基础到实践
.NET AI从0开始入门SemanticKernel：从基础到实践
在当今AI技术飞速发展的时代，如何将强大的AI模型集成到现有的编程项目中，成为了许多开发者关注的焦点。SemanticKernel作为一款轻型开源开发工具包，为我们提供了一个便捷的解决方案。本文将带领大家从0开始，深入了解SemanticKernel，并通过实际示例展示其在C#项目中的应用。
一、SemanticKernel简介
1. 工具包概述
SemanticKernel是一个能够帮助开发者轻松生成AI代理，并将最新AI模型集成到C#、Python或Java代码库中的工具包。它就像一座桥梁，连接了AI模型和传统编程，让我们能够快速交付企业级解决方案。
2. 核心理念
插件（Plugins）架构
SemanticKernel的插件系统是其一大亮点，主要包括语义函数和原生函数。语义函数通过自然语言指令（提示词）定义，由AI模型执行；原生函数则使用传统编程语言编写。这种双重架构使开发者能够根据需求灵活选择，在需要精确控制时使用传统代码，需要创造性和灵活性时借助AI能力。
Memory与Planner
SemanticKernel提供了先进的Memory和Planner组件。SemanticKernelMemory可以让应用存储和检索信息，实现类似长期记忆的功能；Planner则能自动将复杂任务分解为小步骤，并安排执行顺序。
可组合性
SemanticKernel鼓励组件的重用和组合，开发者可以将简单功能组合成复杂工作流，创建可复用的插件库，构建模块化且可扩展的AI应用架构。
3. 实际应用案例
SemanticKernel在多个场景中都有出色的表现，如内容创作助手、个人知识管理、客户服务自动化、数据分析辅助和流程自动化等。这些应用充分展示了其强大的实用价值。
4. 技术优势
与其他AI开发框架相比，SemanticKernel具有语言灵活性（支持C#、Python、Java）、开放生态（与多种LLM提供商兼容）、企业级支持（微软项目）、社区活跃和低入门门槛等优势。
5. 入门指南
要开始使用SemanticKernel，可以按照以下步骤进行：
- 安装SDK：根据所选编程语言安装相应的SemanticKernel SDK。
- 配置AI模型：连接到OpenAI、Azure OpenAI等LLM服务。
- 创建插件：定义语义函数和原生函数。
- 构建工作流：将函数组合成解决特定问题的工作流。
- 集成到应用：将SemanticKernel集成到应用程序中。
二、SemanticKernel入门实践
1. 快速开始第一个示例
获取OpenAI在线API
由于国内访问限制，我们可以使用https://api.token-ai.cn。在该网站注册账号并创建令牌，此令牌将用于代替OpenAI的原有令牌。
创建项目
- 打开
Visual Studio 2022，创建名为TokenAI的控制台项目。 - 右键项目，点击
管理 NuGet 程序包，搜索Semantic Kernel，选择包括预览版并安装Microsoft.SemanticKernel。
实现Stream式对话输出
打开Program.cs，输入以下代码：
using Microsoft.SemanticKernel; #pragma warning disable SKEXP0010 var kernel = Kernel.CreateBuilder() .AddOpenAIChatCompletion("gpt-4.1-mini", new Uri("https://api.token-ai.cn/v1"), "您的密钥") .Build(); await foreach (var item in kernel.InvokePromptStreamingAsync("您好，我是TokenAI"))
{ Console.Write(item.ToString());
};
这里我们使用Kernel的CreateBuilder创建Kernel对象，通过InvokePromptStreamingAsync方法实现OpenAI的Stream对话接口，并使用AddOpenAIChatCompletion添加自定义模型和代理网站的key地址。
2. 使用聊天完成对话示例
首先给控制台项目安装SK包：
dotnet add package Microsoft.SemanticKernel
然后构建一个简单的Kernel和ChatCompletion：
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI; #pragma warning disable SKEXP0010 var kernel = Kernel.CreateBuilder() .AddOpenAIChatCompletion("gpt-4o", new Uri("https://api.token-ai.cn/v1"), "您的密钥") .Build(); var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();
ChatHistory history = []; history.AddUserMessage("Hello, how are you?"); // 使用同步对话
var response = await chatCompletionService.GetChatMessageContentAsync( history, kernel: kernel
); Console.WriteLine(response.Content); // 使用异步对话
await foreach (var item in chatCompletionService.GetStreamingChatMessageContentsAsync( history, kernel: kernel ))
{ Console.Write(item.Content);
}
同步对话会一次性返回结果，适合对响应速度要求较高的场景；异步对话会逐步返回结果，适用于复杂业务，避免请求超时。
3. 开始使用Plugins
创建项目及代码实现
首先安装SK包：
dotnet add package Microsoft.SemanticKernel
然后编写以下代码：
using System.ComponentModel;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI; #pragma warning disable SKEXP0010 var kernelBuilder = Kernel.CreateBuilder() .AddOpenAIChatCompletion("gpt-4.1-mini", new Uri("https://api.token-ai.cn/v1"), "您的密钥"); kernelBuilder.Plugins.AddFromType<TimeInformation>(); var kernel = kernelBuilder.Build(); // 用提示符调用SK，要求AI提供它无法提供的信息，并可能产生幻觉
Console.WriteLine(await kernel.InvokePromptAsync("离圣诞节还有几天？")); OpenAIPromptExecutionSettings settings = new() { FunctionChoiceBehavior = FunctionChoiceBehavior.Auto() }; // 用提示符调用内核，并允许AI自动调用函数
Console.WriteLine(await kernel.InvokePromptAsync("离圣诞节还有几天？解释你的想法", new(settings))); class TimeInformation
{ [KernelFunction] [Description("获取当前时间帮助用户解决时区不准确。")] public string GetCurrentUtcTime() => DateTime.UtcNow.ToString("R");
}
结论
未执行函数时，AI生成的回答可能不准确；执行函数后，AI能够准确获取当前时间并提供相应的计算结果。这充分体现了Plugins在提升AI回答准确性方面的重要作用。
4. 创建Yaml格式的提示词模板
安装依赖包
dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.SemanticKernel.Yaml
创建Yaml文件
在Resources目录下创建GenerateStory.yaml文件，内容如下：
name: GenerateStory
template:| 将一个关于 {{$topic}} 的故事生成一个长度为 {{$length}} 的故事。
template_format:semantic-kernel
description:生成关于某个主题的故事的函数。
input_variables:
- name: topic description:故事的主题。 is_required: true
- name: length description:故事中的句子数。 is_required: true
output_variable:
description:生成的故事。
execution_settings:
default: temperature: 0.6
配置嵌入资源
将以下配置复制到项目中：
<ItemGroup> <None Remove="Resources\GenerateStory.yaml" /> <EmbeddedResource Include="Resources\GenerateStory.yaml" />
</ItemGroup>
创建读取嵌入资源的方法
创建EmbeddedResource.cs文件，内容如下：
// <summary>
// 提供从程序集中读取嵌入资源的功能。
// 此类设计用于访问嵌入在同一程序集中的基于文本的资源。
// 它根据名称检索指定资源文件的内容，并将其作为字符串返回。
// </summary>
public static class EmbeddedResource
{ private static readonly string? s_namespace = typeof(EmbeddedResource).Namespace; internal static string Read(string fileName) { // Get the current assembly. Note: this class is in the same assembly where the embedded resources are stored. Assembly assembly = typeof(EmbeddedResource).GetTypeInfo().Assembly ?? throw new InvalidOperationException($"[{s_namespace}] {fileName} assembly not found"); // Resources are mapped like types, using the namespace and appending "." (dot) and the file name var resourceName = $"{s_namespace}." + fileName; using Stream resource = assembly.GetManifestResourceStream(resourceName) ?? throw new InvalidOperationException($"{resourceName} resource not found"); // Return the resource content, in text format. using var reader = new StreamReader(resource); return reader.ReadToEnd(); }
}
调用函数
在Program.cs中编写以下代码：
using Microsoft.SemanticKernel;
using Samples4; #pragma warning disable SKEXP0010 var kernelBuilder = Kernel.CreateBuilder() .AddOpenAIChatCompletion("gpt-4.1-mini", new Uri("https://api.token-ai.cn/v1"), "您的密钥"); var kernel = kernelBuilder.Build(); var generateStoryYaml = EmbeddedResource.Read("Resources.GenerateStory.yaml");
var function = kernel.CreateFunctionFromPromptYaml(generateStoryYaml); Console.WriteLine(await kernel.InvokeAsync(function, arguments: new()
{ { "topic", "Dog" }, { "length", "3" },
}));
结论
通过定义Yaml格式的提示词模板，我们可以更结构化和可维护地管理提示词，方便在SemanticKernel中创建和调用函数。
总结
本文详细介绍了SemanticKernel的基础知识和核心概念，并通过四个实际示例展示了如何在C#中使用SemanticKernel。从实现流式对话输出到使用聊天完成功能，从使用Plugins扩展AI能力到创建Yaml格式提示词模板，相信大家已经对SemanticKernel的基本用法有了一定的了解。现在，你可以开始尝试构建自己的AI增强应用程序了。在实际应用中，不断探索和实践，相信你会发现SemanticKernel更多的强大功能和潜力。 ======================================================================
前些天发现了一个比较好玩的人工智能学习网站，通俗易懂，风趣幽默，可以了解了解AI基础知识，人工智能教程，不是一堆数学公式和算法的那种，用各种举例子来学习，读起来比较轻松，有兴趣可以看一下。
人工智能教程