Semantic Kernel 是一种轻量级应用开发框架，用于快速开发融合 LLM AI的现代应用。

名词解释

LLM：大语言模型
Prompt：

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SK中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。

准备阶段

安装SK的nuget包

dotnet add package Microsoft.SemanticKernel --prerelease

创建kernel

using Microsoft.SemanticKernel;
var myKernel = Kernel.Builder.Build();

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。

// 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ChatCompetion所使用的LLM 模型
// 3. apikey OpenAI 接口调用需要使用的APIkey
var myKernel = Kernel.Builder
.WithOpenAIChatCompletionService("gpt-3.5-turbo", "key", serviceId: "serviceId")
.Build();