不积跬步无以至千里，不积小流无以成江海！--《荀子 劝学》

我是对本地大模型有执念的！因为它安全性好，数据完全被自己掌控。在前面的内容里面分享了如何使用OllamaSharp访问ollama接口，今天分享如何使用Semantic Kernel来访问ollama接口。

关于Semantic Kernel

Semantic Kernel（SK） 是一款模型无关的SDK，能够帮助开发者快速构建、编排和部署AI代理及多代理系统。无论是开发简单的聊天机器人，还是构建复杂的多代理工作流，该工具都能以企业级的可靠性和灵活性提供所需支持。

地址：https://github.com/microsoft/semantic-kernel

为什么使用SK？

我们可以直接使用类似OllamaSharp这样的SDK来调用某个大模型的接口，但是如果我们即要访问Ollama里面的模型，又要访问OpenAI的接口，还要兼容DeepSeek的接口，这个时候就需要一个集成开发框架了。在.net平台，最好用且功能最全的，目前只有SK（如果还有其它框架请不吝赐教）。

使用SK

首先要添加框架引用：

dotnet add package Microsoft.SemanticKernel

由于我们要访问Ollama，因此还需要添加SK的Ollama连接器：

dotnet add package Microsoft.SemanticKernel.Connectors.Ollama

注意：为了避免编码时收到SKEXP0070、SKEXP0010这种错误，我们先在项目里面把他们屏蔽掉。

    ......
	$(NoWarn);SKEXP0001,SKEXP0010,SKEXP0070

初始化SK

var endpoint = new Uri("http://localhost:11434");
var ollama = new OllamaApiClient(endpoint);

// Create a kernel builder
var builder = Kernel.CreateBuilder().AddOllamaChatCompletion(ollama);

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

添加和使用插件

我们可以把sk里面的插件理解成function calling里面的function，本质上都是大预言模型里面的tools节点

kernel.Plugins.AddFromType("DateTimePlugin");

var executionSettings = new OllamaPromptExecutionSettings()
{
    FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(),
};

代码说明：

1. 添加插件，插件定义见下文
2. 设置插件的执行方式，我们采用自动选择和执行插件

Plugin的定义

internal class DateTimePlugin
{
    [KernelFunction("get_current_datetime")]
    [Description("Get current datetime and day of week")]
    public Task GetCurrentDateTime()
    {
        return Task.FromResult(DateTime.Now.ToString("yyyy-MM-dd HH:mm:ss ddd"));
    }
}

创建对话

var chatService = kernel.GetRequiredService();

Console.WriteLine();
Console.WriteLine($"Chat with {ollama.SelectedModel}");

var systemPrompt = "You are a helpful assistant that knows about AI.";
var chatHistory = new ChatHistory(systemPrompt);
Console.WriteLine($">>System: {systemPrompt}");

while (true)
{
    Console.Write(">>User: ");
    var message = Console.ReadLine();

    chatHistory.AddUserMessage(message);
    Console.Write(">>Assistant: ");

    var reply = await chatService.GetChatMessageContentAsync(chatHistory,
        executionSettings: executionSettings,
        kernel: kernel);
    Console.WriteLine(reply);

    // Add the message from the agent to the chat history
    chatHistory.AddMessage(reply.Role, reply.Content ?? string.Empty);
}

代码说明：

1. 首先在这段代码中创建一个chatService，用来和大模型进行对话
2. systemPrompt是我们预设的大模型系统级别指令，通过systemPrompt可以更好的控制大模型的输出
3. chatHistory用来存储会话历史
4. 在while循环中进行对话，同时将user和assistant的对话内容临时存储在chatHistory中

总结

以上就是今天分享的全部内容，主要介绍如何使用semantic kernel，并通过sk来访问ollama提供的大模型服务。