語義內核指南

利用微軟語義內核的力量：構建智能AI代理

AI的最新進展已超越了簡單的提問，擁抱推理，計劃和動作。這種演變是由Autogen，Langgraph和Crewai等代理框架推動的，賦予了大型語言模型（LLMS）以充當自主代理。微軟的語義內核是該景觀中特別強大且對開發人員友好的選擇。本教程探討了其獨特的功能，將其與其他方法對比，並引導您建立自己的AI代理。

學習目標

• 掌握語義內核的核心架構和功能。
• 將插件和AI服務無縫集成到內核中。
• 使用語義內核實現單一代理和多代理系統。
• 了解框架內的功能調用和編排。
• 在使用語義內核和Azure Openai建立智能代理方面發展實用技能。

本文是數據科學博客馬拉鬆的一部分。

目錄

• 了解語義內核
• “語義”和“內核”解釋了
• 代理框架與傳統API調用
• 探索語義內核插件
• 語義內核中的插件示例
• 單代理系統體系結構
• 多代理系統體系結構
• 結論
• 常見問題

了解語義內核

語義內核將自然語言處理（“語義”）的力量與核心引擎（“內核”）相結合，該發動機策劃了AI模型和外部資源之間的任務，功能和交互。

“語義”和“內核”解釋了

語義內核橋接LLM（例如GPT）和傳統編程之間的差距。開發人員定義了以結構化方式合作的功能，插件和代理。它允許：

• 自然語言提示和AI功能與傳統代碼函數的結合。
• AI驅動的推理，計劃和任務執行使用這些組合功能。
• 專業角色的多代理協作。

代理框架與傳統API調用

出現一個關鍵問題：我們不能直接使用OpenAI API獲得類似的結果嗎？雖然可能，但代理框架提供了優勢。

考慮公司政策（HR和IT）的問答系統。傳統的API可能會產生不一致的結果。代理框架允許專門的代理（一種用於HR，一個用於其中），從而產生了更可靠的響應。

探索語義內核插件

類似於Chatgpt或Copilot中的插件，將現有API包裝為可重複使用的AI工具。這擴展了AI功能超出其固有的局限性。

語義內核利用函數調用（現代LLMS的功能）用於計劃和API執行。 LLM請求功能，語義內核重定向到您的代碼，結果被饋回LLM以獲得最終響應生成。

代碼實現

安裝必要的軟件包：

 PIP安裝語義內核Openai Pydantic

這是一個展示天氣插件的python示例：

導入Semantic_kernel作為SK
來自semantic_kernel.connectors.ai.open_ai導入azurechatcompletion

DEF Weather_plugin（位置：str） - > str：
    atheathe_data = {
        “紐約”：“ Sunny，25°C”，
        “倫敦”：“多雲，18°C”，
        “東京”：“多雨，22°C”
    }
    返回Weather_data.get（位置，“不可用的天氣數據。”）

內核= sk.kernel（）
kernel.add_service（
    “ Azure-Openai-Chat”，
    azurechatcompletion（
        api_key =“ your-azure-api-key”，
        端點=“ your-azure-endpoint”，
        deployment_name =“您的deployment-name”
    ）
）

kernel.add_plugin（“ Weatherplugin”，Weather_plugin）

位置=“紐約”
響應= kernel.invoke（“ Weatherplugin”，位置）
打印（f“ {location}中的天氣：{wendesp}”）

語義內核中的插件示例

此示例展示：

• 插件定義： weather_plugin模擬天氣數據檢索。
• 語義內核集成：使用kernel.add_plugin()將函數添加為插件。
• AI利用率：AI動態調用此功能。

這說明了插件如何將AI功能擴展到基本文本生成之外。

單代理系統體系結構

單個代理商獨立處理用戶查詢，處理請求，收集信息並生成響應，而無需多個代理或編排。 （為簡潔而省略了示例代碼，但在原始文章中可用。）

多代理系統體系結構

多代理系統通常會使用編排代理來確定哪種代理處理特定請求。

例如，一個代理可以管理銀行數據，另一個醫療保健數據。編排者決定根據查詢來調用哪個代理。 （為簡潔而省略了示例代碼，但在原始文章中可用。

結論

語義內核通過其代理框架賦予AI的能力，從而實現了計劃，推理和決策。該教程強調了插件的好處，對比了代理和傳統的API方法，並解釋了單一代理和多代理系統體系結構。隨著AI的發展，語義內核的方法對於構建更有效和上下文感知的應用至關重要。

（為簡潔起見，省略了關鍵要點和常見問題解答，但在原始文章中可用。）代碼示例可在GitHub上找到（原始文章中的鏈接）。

以上是語義內核指南的詳細內容。更多資訊請關注PHP中文網其他相關文章！