Semantic Kernel 入门系列：🔥Kernel 内核和🧂Skills 技能

理解了LLM的作用之后，如何才能构造出与LLM相结合的应用程序呢？

首先我们需要把LLM AI的能力和原生代码的能力区分开来，在Semantic Kernel（以下简称SK），LLM的能力称为 semantic function ，代码的能力称为 native function，两者平等的称之为function（功能），一组功能构成一个技能（skill）。 SK的基本能力均是由skill构成。

有了一堆skill之后并不能直接执行，需要有一个配置和管理的单元，就像是MVC 需要ASP.NET框架一样，Skill也需要有一个Kernel进行组织管理。

Kernel 除了组织管理Skill，还兼顾了基础服务的配置，例如OpenAI/Azure OpenAI的授权信息，默认的LLM模型选择等等。另外当涉及到上下文的管理，技能参数的传递时，Kernel也能发挥重要的作用。

接下来我们就以开始着手上手SK应用开发的学习。

准备阶段

首先准备一个应用环境，Console 可以，ASP.NET 也可以，Notebooks 也可以。使用Notebooks的话推荐参考官方的Notebooks合集和Uncle John's Semantic Kernel Recipes。
应用环境准备好之后，和所有的.Net 库一样，接下来就是安装SK的nuget 包。由于是一个较新的包，所以更新变化会比较快。

dotnet add package Microsoft.SemanticKernel --prerelease

接下来进行应用内的准备工作，首先创建一个 kernel;

using Microsoft.SemanticKernel;

var kernel = Kernel.Builder.Build();

然后配置基础模型，基础模型目前有四个：
- TextCompletion，最常用的GPT-3的模型，常用于文本生成
- ChatCompetion，GPT3.5模型，也就是所谓的ChatGPT的模型，基本就用于聊天功能
- EmbeddingGeneration，嵌入模型，这个将用于Memory的生成和搜索，在后期能力扩展时将会有极大的用途
- ImageGeneration，图形模型，也就是DALL-E模型，用于图片的生成
由于Azure OpenAI提供了和Open AI相同的能力，所以以上的模型配置可以选择OpenAI的接口，也可以选择Azure OpenAI的接口，根据自己有哪个选哪个的原则使用。

当然以上模型也提供了基本的接口定义，如果有自己的LLM AI接口的话，也可以自行实现相关接口，然后使用。

这里以OpenAI的接口为例，继续进行学习。

// 简单的技能任务使用TextCompletion即可

// 1. ServiceId 用于指定当前模型的配置，相同的模型不能有重复的ServiceId配置

// 2. modelId 指定TextCompetion所使用的LLM 模型，目前基本为 text-davinci-003

// 3. apikey OpenAI 接口调用需要使用的APIkey

kernel.Config.AddOpenAITextCompletionService("ServiceId","text-davinci-003",Environment.GetEnvironmentVariable("OPENAI_API_KEY"));

Semantic Function

注册一个Semantic Function

using Microsoft.SemanticKernel.SemanticFunctions;

// ️ Semantic Function的核心就是prompt️

// 这里偷懒，使用Semantic Kernel官方样例库里面的的Summary Skill

var prompt =

"""

[SUMMARIZATION RULES]

DONT WASTE WORDS

USE SHORT, CLEAR, COMPLETE SENTENCES.

DO NOT USE BULLET POINTS OR DASHES.

USE ACTIVE VOICE.

MAXIMIZE DETAIL, MEANING

FOCUS ON THE CONTENT

[BANNED PHRASES]

This article

This document

This page

This material

[END LIST]

Summarize:

Hello how are you?

+++++

Hello

Summarize this

{{$input}}

+++++

""";

// 使用扩展方法在Kernel上注册一个SemanticFunction

// prompt 是Semantic Function的核心，如何设计一个好的prompt是成功构建Semantic Function的关键所在，也是未来LLM AI 应用中的重要内容

// PromptTemplateConfig 用于配置prompt 模板的相关参数

// functionName 是自定义的功能名称[可选]

// skillName 是自定义的技能名称[可选]

var summaryFunction = kernel.CreateSemanticFunction(prompt,new PromptTemplateConfig());

可以注意到的是在prompt中，有一个变量参数 {{$input}},这是SK的默认输入参数，用于注入需要处理的用户输入，这样的格式用于预防Prompt Injection，这就是另外一个话题了。

执行Function

// 定义需要处理的输入

var input = "Multi-modal interfaces are becoming increasingly popular for app developers. These interfaces allow users to interact with apps in a variety of ways by combining different modes of input and output, such as voice, touch, and visuals, to create a more interactive and engaging user experience. In this blog we will overview how you can use Semantic Kernel with a multi-modal example.  ";

// 通过 Kernel 运行 function

var resultContext = await kernel.RunAsync(input,summaryFunction);

// 输出结果

resultContext.Result.Dump();

// output

// Multi-modal interfaces are becoming increasingly popular for app developers, combining different modes of input and output such as voice, touch, and visuals to create a more interactive and engaging user experience. Semantic Kernel can be used to create a multi-modal example.

以上就完成了一个简单的Semantic Function的使用。

好的，我们继续。

Native Function

声明一个Native Skill

using Microsoft.SemanticKernel.SkillDefinition;

// 这里偷懒，使用Semantic Kernel CoreSkills中的 TextSkill

public class TextSkill {

	[SKFunction("Convert a string to uppercase.")]

	public string Uppercase(string text)

	{

		return text.ToUpper(System.Globalization.CultureInfo.CurrentCulture);

	}

}

这里只需要对方法添加一个SKFunction的注释，就可以转变为一个SK的Native Function。

注册Native Skill

// skillInstance 就是Native Skill的实例

// skillName 自定义的技能名称 [可选]

var textSkill = kernel.ImportSkill(new TextSkill(),nameof(TextSkill));

这里使用到的是一个Import，意味着导入了SkillInstance中所有的定义SKFunction。而Semantic Skill 也有一个对应的Import方法ImportSemanticSkillFromDirectory，可以从一个文件夹中导入所有技能。

执行Function

// 注册Native Function 如何没有指定 SKFunctionName的话，都会是用方法声明的名称，使用nameof这种偷懒方法可以方便得从Skill集合中获取对应的Function

var uppercaseFunction = textSkill[nameof(TextSkill.Uppercase)];

// 通过 Kernel 运行 function

var nativeResultContext = await kernel.RunAsync(input,uppercaseFunction);

// 输出结果

nativeResultContext.Result.Dump();

// output：

// MULTI-MODAL INTERFACES ARE BECOMING INCREASINGLY POPULAR FOR APP DEVELOPERS. THESE INTERFACES ALLOW USERS TO INTERACT WITH APPS IN A VARIETY OF WAYS BY COMBINING DIFFERENT MODES OF INPUT AND OUTPUT, SUCH AS VOICE, TOUCH, AND VISUALS, TO CREATE A MORE INTERACTIVE AND ENGAGING USER EXPERIENCE. IN THIS BLOG WE WILL OVERVIEW HOW YOU CAN USE SEMANTIC KERNEL WITH A MULTI-MODAL EXAMPLE.

以上就完成了一个简单的Native Function的使用。

链式调用

当完成了以上Skill和Function的准备之后，就可以想办法将多个Skill串联起来使用了，就像是命令行中的管道，函数式编程中的管道一样。

// kernel.RunAsync 本身就支持多个Function参数，并按照顺序依次执行

var upperSummeryContext = await kernel.RunAsync(input, summaryFunction,uppercaseFunction);

//  输出结果

upperSummeryContext.Result.Dump();

// output:

// MULTI-MODAL INTERFACES ARE BECOMING INCREASINGLY POPULAR FOR APP DEVELOPERS, COMBINING DIFFERENT MODES OF INPUT AND OUTPUT SUCH AS VOICE, TOUCH, AND VISUALS TO CREATE A MORE INTERACTIVE AND ENGAGING USER EXPERIENCE. SEMANTIC KERNEL CAN BE USED TO CREATE A MULTI-MODAL EXAMPLE.

至此，一个简单的结合了LLM AI能力和原生代码能力的应用就构建成功了。

参考资料：