背景介绍

Semantic Kernel 是微软推出的一个强大框架，允许开发者轻松创建具有高级功能的AI代理。本文将详细指导你如何使用C#创建一个交互式AI应用。

准备工作

安装必要的NuGet包

首先，你需要安装以下NuGet包：

Bash
dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.Extensions.Logging
dotnet add package Microsoft.Extensions.Logging.Console

配置服务

在开始之前，确保你已经：

• 我这用的是siliconflow，你也可以用第三方的，默认是OpenAI或Azure
• 获取了模型部署ID
• 准备好API密钥和终端点

代码实现

完整的控制台应用程序示例

C#
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Logging;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;

namespace AppSemantic01
{
    internal class Program
    {
        static async Task Main(string[] args)
        {
            // 配置OpenAI服务参数
            var modelId = "Qwen/QVQ-72B-Preview";
            var endpoint = "https://api.siliconflow.cn/v1/chat/completions";
            var apiKey = "sk-******";


            // 创建Kernel构建器
            var httpClient = new HttpClient(new SiliconflowOpenAIHttpClientHandler());
            

            var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId: modelId,
                apiKey: apiKey, httpClient: httpClient);


            // 添加日志服务
            builder.Services.AddLogging(services =>
                services.AddConsole().SetMinimumLevel(LogLevel.Trace));

            // 构建Kernel
            Kernel kernel = builder.Build();

            // 获取聊天完成服务
            var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();


            // 创建聊天历史记录
            var history = new ChatHistory();

            // 主交互循环
            while (true)
            {
                Console.Write("User > ");
                var userInput = Console.ReadLine();

                if (string.IsNullOrWhiteSpace(userInput))
                    break;

                // 将用户输入添加到聊天历史
                history.AddUserMessage(userInput);

                // 获取AI响应
                var result = await chatCompletionService.GetChatMessageContentAsync(
                    history,
                    kernel:kernel
                );

                // 打印AI响应
                Console.WriteLine("Assistant > " + result);

                // 将AI响应添加到聊天历史
                history.AddMessage(result.Role, result.Content ?? string.Empty);
            }
        }
    }
}

使用第三方模型接口

C#
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;

namespace AppSemantic01
{
    public class SiliconflowOpenAIHttpClientHandler : HttpClientHandler
    {
        protected override async Task<HttpResponseMessage> SendAsync(HttpRequestMessage request, CancellationToken cancellationToken)
        {
            switch (request.RequestUri?.LocalPath)
            {
                case "/v1/chat/completions":
                    var uriBuilder = new UriBuilder(request.RequestUri)
                    {
                        Scheme = "https",
                        Path= "/v1/chat/completions",
                        Host = "api.siliconflow.cn",
                    };
                    request.RequestUri = uriBuilder.Uri;
                    break;
            }

            HttpResponseMessage response = await base.SendAsync(request, cancellationToken);

            return response;
        }
    }
}

最佳实践

1. 保护敏感信息（如API密钥）
2. 使用环境变量或安全配置存储凭据
3. 添加适当的错误处理
4. 考虑使用流式响应以提高性能

结语

Semantic Kernel 为开发者提供了一个强大的框架，使得构建智能、可交互的AI代理变得简单而直观。通过灵活的插件系统和先进的函数调用能力，你可以创建具有复杂交互能力的AI应用。