dotnet-semantic-kernel

用途

dotnet-semantic-kernel 用于在 .NET 应用中集成 AI/LLM 能力，基于 Microsoft Semantic Kernel 进行 AI 与 LLM 编排。资料说明其涵盖内核设置与配置、插件/函数调用、提示词模板（Handlebars 与 Liquid 语法）、内存与向量存储集成、规划器、智能体（agents）框架，以及与 Azure OpenAI、OpenAI 和本地模型的集成。

主要能力

内核设置（Kernel Setup）

Kernel 是 Semantic Kernel 的核心对象，负责管理 AI 服务连接、插件与函数调用。资料给出的相关包包括：

Microsoft.SemanticKernel：核心内核、函数调用、提示词模板
Microsoft.SemanticKernel.Connectors.AzureOpenAI：Azure OpenAI 聊天/嵌入/图像服务
Microsoft.SemanticKernel.Connectors.OpenAI：OpenAI 聊天/嵌入/图像服务
Microsoft.SemanticKernel.Connectors.Ollama：Ollama 本地模型集成
Microsoft.SemanticKernel.Plugins.Core：内置插件（时间、数学、文本）
Microsoft.SemanticKernel.Agents.Core：智能体框架（聊天智能体、群聊）
Microsoft.Extensions.VectorData.Abstractions：向量存储抽象层
Microsoft.SemanticKernel.Connectors.Qdrant：Qdrant 向量存储连接器
Microsoft.SemanticKernel.Connectors.AzureAISearch：Azure AI Search 向量存储连接器

基本配置示例（Azure OpenAI）：

using Microsoft.SemanticKernel;

var builder = Kernel.CreateBuilder();

// Azure OpenAI
builder.AddAzureOpenAIChatCompletion(
    deploymentName: "gpt-4o",
    endpoint: Environment.GetEnvironmentVariable("AZURE_OPENAI_ENDPOINT")!,
    apiKey: Environment.GetEnvironmentVariable("AZURE_OPENAI_API_KEY")!);

var kernel = builder.Build();

ASP.NET Core DI 集成示例：

var builder = WebApplication.CreateBuilder(args);

builder.Services.AddKernel();

builder.Services.AddAzureOpenAIChatCompletion(
    deploymentName: builder.Configuration["AI:DeploymentName"]!,
    endpoint: builder.Configuration["AI:Endpoint"]!,
    apiKey: builder.Configuration["AI:ApiKey"]!);

// Register plugins
builder.Services.AddSingleton<OrderPlugin>();
builder.Services.AddSingleton(sp =>
{
    var kernel = sp.GetRequiredService<Kernel>();
    kernel.Plugins.AddFromObject(sp.GetRequiredService<OrderPlugin>());
    return kernel;
});

支持注册多个 AI 服务并通过 service ID 选择，以及在调用时通过 PromptExecutionSettings 指定 ServiceId。本地模型可使用 Ollama（示例标注 Ollama 连接器为实验性，需 #pragma warning disable SKEXP0070）。

插件与函数调用

插件把 .NET 方法暴露为 AI 模型可调用的函数，这是让 LLM 响应基于真实数据与操作的主要机制。资料示例使用 [KernelFunction] 与 [Description] 特性标注方法，并支持从对象实例、类型或函数直接注册插件：

kernel.Plugins.AddFromObject(new OrderPlugin(orderRepo), "Orders");
kernel.Plugins.AddFromType<TimePlugin>("Time");
kernel.Plugins.AddFromFunctions("Math", [ ... ]);

自动函数调用通过 FunctionChoiceBehavior.Auto() 在聊天过程中启用；函数过滤器（IFunctionInvocationFilter）可在执行前后拦截，用于日志、授权或修改。

提示词模板

支持内联提示、Handlebars 模板（条件、循环、函数调用）与 YAML 提示配置。内联示例：

var result = await kernel.InvokePromptAsync(
    "Summarize the following text in {{$style}} style:\n\n{{$input}}",
    new KernelArguments { ["input"] = articleText, ["style"] = "concise bullet points" });

YAML 提示支持 name、description、template_format、template、input_variables、execution_settings（如 temperature、max_tokens），可通过 kernel.CreateFunctionFromPromptYaml(yamlContent) 加载。

内存与向量存储

提供向量存储抽象，用于检索增强生成（RAG）。记录模型使用 [VectorStoreRecordKey]、[VectorStoreRecordData]、[VectorStoreRecordVector] 等特性标注；连接器示例包括 Qdrant（builder.Services.AddQdrantVectorStore("localhost", 6334)）。RAG 模式流程为：生成问题嵌入 → 向量检索 → 拼接上下文 → 携带上下文生成回答；另提供文档写入（Ingest）示例。

智能体框架

支持构建多智能体系统。ChatCompletionAgent 需通过线程调用（智能体不接受裸字符串），示例使用 ChatHistoryAgentThread。AgentGroupChat 可让多个智能体在终止条件下协作（如 ApprovalTerminationStrategy、MaximumIterations）。OpenAIAssistantAgent 面向有状态对话与内置工具（代码解释器、文件搜索），使用 builder 模式创建，并在 finally 中删除。资料注明智能体框架为实验性（SKEXP0110），API 在版本间变动频繁。

流式响应

资料在“Streaming Responses”一节开头给出了获取 IChatCompletionService 与 ChatHistory 的代码，用于逐 token 流式返回聊天响应；该节内容在提供资料中未完整展开。

使用方式

以 C# 代码为主：通过 NuGet 引入 Microsoft.SemanticKernel 及所需连接器/插件/智能体包，使用 Kernel.CreateBuilder() 或 ASP.NET Core 依赖注入注册 AI 服务与插件，通过 KernelArguments、PromptExecutionSettings、ChatHistory 等对象调用聊天、嵌入、函数调用与智能体。

适用场景

在 .NET/ASP.NET Core 应用中接入 Azure OpenAI、OpenAI 或本地模型（Ollama），实现插件化函数调用、结构化提示词、基于向量存储的 RAG，以及单/多智能体协作等 AI 功能。

限制

资料明确将以下主题列为范围之外（Out of scope）：通用 async/await 模式与取消令牌传播（见 dotnet-csharp-async-patterns）、DI 容器机制与服务生命周期管理（见 dotnet-csharp-dependency-injection）、HTTP 客户端弹性与重试策略（见 dotnet-resilience）、配置绑定（选项模式、密钥）（见 dotnet-csharp-configuration）。此外，智能体框架（SKEXP0110）与 Ollama 连接器（SKEXP0070）为实验性，API 可能随 Semantic Kernel 版本变化，采用时需对照最新示例核验方法签名。关于该技能的收费、价格、平台支持范围与具体使用效果，资料未提供。