封装特定功能的可重用组件，类似函数但更强大
AI自动规划任务执行步骤，智能调用插件
存储和检索上下文信息，实现长期记忆
| 特性 | Semantic Kernel | LangChain |
|---|---|---|
| 语言支持 | C#、Python、Java | Python、JavaScript |
| 核心定位 | 企业级AI编排 | 通用LLM框架 |
| 设计理念 | 插件化、规划器 | 链式调用 |
| 企业集成 | Azure深度集成 | 开放生态 |
| 适用场景 | .NET生态、企业应用 | 通用、快速开发 |
💡 选择SK如果你用.NET技术栈或需要Azure深度集成；选择LangChain如果追求生态和社区
pip install semantic-kernel
dotnet add package Microsoft.SemanticKernel
import semantic_kernel as sk
from semantic_kernel.connectors.ai.open_ai import OpenAIChatCompletion
# 创建kernel
kernel = sk.Kernel()
# 添加AI服务
kernel.add_service(
OpenAIChatCompletion(
service_id="gpt-4",
api_key="your-key"
)
)
# 创建语义函数
prompt = "将以下文本翻译成{{\$language}}：{{\$text}}"
translate = kernel.create_semantic_function(prompt)
# 调用
result = await translate.invoke_async(
text="Hello World",
language="中文"
)
print(result)
using Microsoft.SemanticKernel;
// 创建kernel
var kernel = Kernel.CreateBuilder()
.AddOpenAIChatCompletion(
modelId: "gpt-4",
apiKey: "your-key")
.Build();
// 创建函数
var translate = kernel.CreateFunctionFromPrompt(
"将以下文本翻译成{{\$language}}：{{\$text}}"
);
// 调用
var result = await kernel.InvokeAsync(
translate,
new() {
["text"] = "Hello World",
["language"] = "中文"
}
);
Console.WriteLine(result);
使用自然语言定义的函数，由LLM执行
# 定义语义函数
summarize_prompt = """
将以下文本总结为3-5个要点：
文本：{{\$input}}
要点：
"""
summarize = kernel.create_semantic_function(
summarize_prompt,
function_name="summarize",
plugin_name="TextPlugin"
)
# 使用
result = await summarize.invoke_async(
input="很长的文档内容..."
)
// 定义语义函数
var summarize = kernel.CreateFunctionFromPrompt(@"
将以下文本总结为3-5个要点：
文本：{{\$input}}
要点：
");
// 使用
var result = await kernel.InvokeAsync(
summarize,
new() { ["input"] = "很长的文档内容..." }
);
Console.WriteLine(result);
用代码实现的函数，可以调用API、数据库等
from semantic_kernel.skill_definition import sk_function
class MathPlugin:
@sk_function(
description="计算两个数的和",
name="add"
)
def add(self, a: int, b: int) -> int:
return a + b
@sk_function(
description="获取当前时间",
name="get_time"
)
def get_time(self) -> str:
from datetime import datetime
return datetime.now().strftime("%Y-%m-%d %H:%M:%S")
# 注册插件
kernel.import_plugin(MathPlugin(), "MathPlugin")
# 调用
result = await kernel.invoke(
"MathPlugin",
"add",
a=5,
b=3
)
using Microsoft.SemanticKernel;
public class MathPlugin
{
[SKFunction("计算两个数的和")]
public int Add(int a, int b)
{
return a + b;
}
[SKFunction("获取当前时间")]
public string GetTime()
{
return DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss");
}
}
// 注册插件
kernel.ImportPluginFromObject(new MathPlugin());
// 调用
var result = await kernel.InvokeAsync(
"MathPlugin",
"Add",
new() { ["a"] = 5, ["b"] = 3 }
);
将多个函数串联，实现复杂功能
# 定义多个函数
get_news = kernel.create_semantic_function("搜索{{\$topic}}的最新新闻")
summarize = kernel.create_semantic_function("总结以下新闻：{{\$input}}")
translate = kernel.create_semantic_function("将{{\$input}}翻译成{{\$language}}")
# 组合调用
news = await get_news.invoke_async(topic="AI")
summary = await summarize.invoke_async(input=news)
translated = await translate.invoke_async(input=summary, language="英文")
print(translated)
AI自动规划任务步骤，智能选择和调用插件，是SK的核心优势
from semantic_kernel.planning import SequentialPlanner
# 创建规划器
planner = SequentialPlanner(kernel)
# 定义目标
goal = """
1. 搜索"DeepSeek-V3"的最新信息
2. 总结成200字
3. 翻译成英文
"""
# 自动规划并执行
plan = await planner.create_plan_async(goal)
# 查看计划
for step in plan._steps:
print(f"步骤: {step.description}")
# 执行计划
result = await plan.invoke_async()
print(result)
顺序规划器，生成线性执行计划
单步规划器，选择最佳插件
逐步规划，动态调整
from semantic_kernel.memory import MemoryBuilder
# 创建记忆系统
memory = MemoryBuilder()
.with_open_ai_text_embedding_generation(api_key="your-key")
.with_memory_store(QdrantMemoryStore())
.build()
# 存储信息
await memory.save_information_async(
collection="company_docs",
id="doc1",
text="Semantic Kernel是微软的AI编排框架"
)
# 语义搜索
results = await memory.search_async(
collection="company_docs",
query="什么是SK？",
limit=3
)
for result in results:
print(f"相似度：{result.relevance}")
print(f"内容：{result.text}")
结合插件、规划器、记忆的完整应用
# 1. 创建插件
class CustomerServicePlugin:
@sk_function(description="查询订单状态")
def get_order_status(self, order_id: str) -> str:
# 调用数据库
return f"订单{order_id}状态：已发货"
@sk_function(description="查询退款政策")
def get_refund_policy(self) -> str:
return "7天无理由退货，30天质量问题退款"
# 2. 注册插件
kernel.import_plugin(CustomerServicePlugin(), "CustomerService")
# 3. 添加记忆（知识库）
await memory.save_information_async(
collection="kb",
id="faq1",
text="运费说明：单笔订单满99元免运费"
)
# 4. 创建规划器
planner = SequentialPlanner(kernel)
# 5. 处理用户请求
user_query = "我的订单123456什么时候能到？运费多少？"
plan = await planner.create_plan_async(user_query)
result = await plan.invoke_async()
print(result)
从选题到发布的自动化流程
# 定义内容生成插件
class ContentPlugin:
@sk_function(description="生成文章大纲")
async def create_outline(self, topic: str) -> str:
prompt = f"为'{topic}'生成文章大纲（5个小标题）"
return await kernel.invoke_semantic_function(prompt)
@sk_function(description="根据大纲生成文章")
async def write_article(self, outline: str) -> str:
prompt = f"根据以下大纲撰写1500字文章：\n{outline}"
return await kernel.invoke_semantic_function(prompt)
@sk_function(description="SEO优化")
async def optimize_seo(self, article: str) -> str:
prompt = f"为文章添加SEO优化的标题和meta描述：\n{article}"
return await kernel.invoke_semantic_function(prompt)
# 注册插件
kernel.import_plugin(ContentPlugin(), "Content")
# 使用规划器自动执行
goal = "为'Semantic Kernel教程'主题创建一篇SEO优化的文章"
plan = await planner.create_plan_async(goal)
result = await plan.invoke_async()
print(result)
同时使用多个AI模型
# 添加多个服务
kernel.add_service(
OpenAIChatCompletion("gpt-4", api_key)
)
kernel.add_service(
AzureChatCompletion("gpt-35-turbo", endpoint, key)
)
# 指定使用哪个
result = await kernel.invoke(
function,
service_id="gpt-4"
)
拦截和修改函数调用
# 添加日志过滤器
class LoggingFilter:
async def on_function_invoking(self, context):
print(f"调用: {context.function.name}")
async def on_function_invoked(self, context):
print(f"结果: {context.result}")
kernel.add_filter(LoggingFilter())
自动调用函数（工具）
# 启用自动函数调用
settings = OpenAIPromptExecutionSettings(
function_call_behavior=FunctionCallBehavior.AutoInvokeKernelFunctions
)
result = await kernel.invoke(
function,
settings=settings
)
# 流式生成
async for chunk in kernel.invoke_stream(function):
print(chunk, end="")