深入解析Semantic Kernel：构建智能应用的核心框架

什么是Semantic Kernel？

Semantic Kernel（SK）是微软推出的一个开源SDK，它作为应用程序代码与大型语言模型（LLM）之间的中间件，帮助开发者轻松地将AI能力集成到应用中。SK的核心价值在于它能够：

1. 桥接AI与代码：让AI能够理解和调用现有的代码功能
2. 模块化设计：通过插件（Skills）系统实现功能的灵活扩展
3. 企业级支持：内置安全、可观测性和合规性功能
4. 多模态支持：兼容多种AI服务和模式
5. 快速开发：简化提示编排、函数调用和内存管理等复杂任务

Semantic Kernel的核心组件

1. Kernel（内核）

Kernel是SK架构的核心，负责协调所有操作。它主要功能包括：

• 管理AI服务配置
• 维护插件（技能）系统
• 协调函数调用
• 维护上下文状态（内存）

from semantic_kernel.kernel import Kernel
kernel = Kernel()

2. AI服务连接

SK支持连接多种AI模型服务：

• 聊天模型（如Azure OpenAI GPT-4）
• 嵌入模型（用于文本向量化）
• 其他模态（如图像、语音等）

配置示例：

from semantic_kernel.connectors.ai.open_ai import AzureChatCompletion

# 从.env文件自动加载配置
chat_completion = AzureChatCompletion()
kernel.add_service(chat_completion)

函数与插件系统

1. 函数类型

SK支持两种函数类型：

1. 语义函数：基于提示词和LLM

   prompt_template = "{{$input}}\n\nTL;DR in one sentence:"
   summarize_fn = kernel.add_function(
       prompt=prompt_template,
       function_name="tldr",
       plugin_name="Summarizer"
   )
   

2. 原生函数：基于代码实现

   from semantic_kernel.functions import kernel_function
   
   class MathPlugin:
       @kernel_function
       def add(self, a: int, b: int) -> int:
           return a + b
   

2. 插件（Skills）

插件是相关功能的集合，可以：

• 通过类定义
• 从文件加载
• 基于OpenAPI规范创建

kernel.add_plugin(plugin=MathPlugin(), plugin_name="Math")

实战示例：智能家居控制

让我们通过一个智能家居灯光控制的例子，展示SK的自动函数调用能力：

class LightsPlugin:
    def __init__(self, lights):
        self.lights = lights

    @kernel_function
    async def get_lights(self) -> List[LightModel]:
        return self.lights

    @kernel_function
    async def change_state(self, id: int, new_state: LightModel):
        for light in self.lights:
            if light["id"] == id:
                light.update(new_state)
                return light
        return None

# 使用示例
lights = [{"id": 1, "name": "Table Lamp", "is_on": False}]
plugin = LightsPlugin(lights=lights)
kernel.add_plugin(plugin=plugin, plugin_name="Lights")

# AI自动调用函数
history.add_user_message("Please turn on the lamp")
result = await chat_completion.get_chat_message_content(
    chat_history=history,
    settings=execution_settings,
    kernel=kernel
)

练习：创建天气插件

任务要求

创建一个WeatherPlugin类，包含以下功能：

1. get_current_weather(location)：获取当前位置天气
2. get_forecast(location, days)：获取多日天气预报
3. get_weather_alert(location)：获取天气警报

参考实现

from typing import Annotated, List, Dict
from semantic_kernel.functions import kernel_function
import random

class WeatherPlugin:
    def __init__(self):
        self.conditions = ["晴", "多云", "雨", "雪", "大风", "雾", "雷暴"]
        self.alerts = ["无", "暴雨警告", "大风警告", "高温预警"]

    @kernel_function
    async def get_current_weather(self, location: str) -> Dict:
        return {
            "location": location,
            "temperature": random.randint(-10, 35),
            "condition": random.choice(self.conditions)
        }

    @kernel_function
    async def get_forecast(self, location: str, days: int) -> List[Dict]:
        return [{
            "date": f"Day {i+1}",
            "temperature": random.randint(-10, 35),
            "condition": random.choice(self.conditions)
        } for i in range(days)]

    @kernel_function
    async def get_weather_alert(self, location: str) -> Dict:
        return {
            "location": location,
            "alert": random.choice(self.alerts)
        }

总结

Semantic Kernel为AI应用开发提供了强大的基础设施：

1. 简化集成：轻松连接AI模型与现有代码
2. 模块化架构：通过插件系统实现功能扩展
3. 自动编排：智能管理多步骤函数调用
4. 企业级支持：内置安全与监控功能

通过本文的讲解和示例，您应该已经掌握了SK的核心概念和基本使用方法。接下来可以尝试构建更复杂的AI应用，如智能客服、数据分析助手等。