Semantic Kernel开发实践:定义并使用本机函数(plugin)

前言

作为SK(Semantic Kernel)核心组件之一,Plugins是一组为了实现功能而定义的函数的集合,可以达到增强LLM(大语言模型)的能力。

LLM的训练数据都是截止到过去的某一个时间,所以如果问它现在发生的事情,那么生成的内容,基本上是它在一本正经的胡说八道。LLM也不能进行调用API、发送邮件、发布文章等等操作,如果想让LLM获取新的知识和能力,就需要为它开发一些插件。

这里有一张从微软官方网站上找到的图,展示了plugin的作用。

演示示例使用的控制台应用程序,编程语言是C#,.net版本是8.0

使用Azure OpenAI部署的gpt-3.5-turbo大模型

本机函数功能是获取今天的日期

本机函数

SK的插件有本机函数和语义函数两类。下面我会演示如何创建本机函数,并手动调用它。

1、创建控制台应用

javascript 复制代码
dotnet new console -o dotnet-sk-plugins

2、cd到dotnet-sk-plugins目录下,添加相关的依赖包

csharp 复制代码
dotnet add package Microsoft.KernelMemory.Core
dotnet add package Microsoft.SemanticKernel

3、创建TimePlugin插件类

项目结构如下:

css 复制代码
dotnet-sk-plugins
|--Plugins
|--|--Plugin.Time
|--|--|--TimePlugin.cs
|--Program.cs

代码示例如下:

csharp 复制代码
using System.ComponentModel;
using Microsoft.SemanticKernel;
​
namespace dotnet_sk_plugins.Plugins.Plugin.Time;
​
public sealed class TimePlugin
{
    [KernelFunction, Description("获取今天的日期")]
    public static string GetToday()
    {
        return DateTime.Today.ToString("yyyy-M-d dddd");
    }
}

4、手动调用插件

csharp 复制代码
using dotnet_sk_plugins.Plugins.Plugin.Time;
using Microsoft.KernelMemory;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;
​
var builder = Kernel.CreateBuilder()
    .AddAzureOpenAIChatCompletion(Env.Var("AOAI_MODEL_ID"), Env.Var("AOAI_ENDPOINT"), Env.Var("AOAI_API_KEY"));
​
builder.Plugins.AddFromType<TimePlugin>();
​
//1、手动调用
var kernel = builder.Build();
var answer = await kernel.InvokeAsync<string>(
    "TimePlugin",
    "GetToday"
);
​
Console.WriteLine("今天是: " + answer);

结语

这篇文章展示了如何定义一个本机函数,并手动调用它。

相关推荐
用户5191495848453 小时前
Ash框架授权绕过漏洞分析:当绕过策略条件评估为真时
人工智能·aigc
用户5191495848453 小时前
Bedrock AgentCore Python SDK:零基础设施部署AI代理的终极方案
人工智能·aigc
Mintopia4 小时前
开源AIGC模型对Web技术生态的影响与机遇 🌐✨
人工智能·aigc·敏捷开发
同学小张12 小时前
【端侧AI 与 C++】1. llama.cpp源码编译与本地运行
开发语言·c++·aigc·llama·agi·ai-native
倔强的石头_18 小时前
Rokid AI眼镜:连接现实与数字的桥梁,探索下一代智能应用开发
aigc
撸码猿19 小时前
《Python AI入门》第10章 拥抱AIGC——OpenAI API调用与Prompt工程实战
人工智能·python·aigc
mwq3012321 小时前
Anthropic 机械可解释性学习路线
llm
AI-智能1 天前
RAG 系统架构设计模式介绍
人工智能·langchain·llm·agent·知识库·rag·大模型应用
桂花饼1 天前
深度解析 Gemini 3 Pro Image (Nano Banana 2):Google 最强图像模型的核心能力与 API 对接指南
人工智能·aigc·ai绘图·nano banana 2·图像生成api·openai兼容接口·gemini 3 pro
智泊AI1 天前
模型蒸馏的核心是什么?蒸馏过程是怎样的?为什么要做模型蒸馏?
llm