摘要：Kernel是Semantic Kernel整个框架的核心组件，简单来说，Kernel是一个依赖注入DI容器，它负责管理运行 AI 应用所需的所有服务和插件。只要你将所有的服务和插件提供给Kernel，AI 就能在需要时无缝使用它们。，由于 Kernel 拥有
Kernel是Semantic Kernel整个框架的核心组件，简单来说，Kernel是一个依赖注入DI容器，它负责管理运行 AI 应用所需的所有服务和插件。只要你将所有的服务和插件提供给Kernel，AI 就能在需要时无缝使用它们。，由于 Kernel 拥有运行本地代码和AI服务所需的所有服务和插件，因此它几乎被SK SDK 中的所有组件使用，以支持你的AI-Agents。这意味着，无论你在SK中运行提示-prompt还是code，Kernel 都会始终可用，并自动检索和调用所需的服务和插件。
这非常强大，因为作为开发者，你可以在一个地方完成 AI 代理的配置和监控。
举个例子，当你在 Kernel 里调用一个 Prompt 时，内核会自动执行以下步骤：
第一步：选择AI服务图示：在Kernel里，AI服务的选择发生在 "Select AI Service"这一阶段。
描述：Semantic Kernel先决定使用哪一个AI模型，如OpenAI或Azure AI。
特性：支持 "Model Selection"，确保调用最合适的AI。
第二步：渲染Prompt图示：Render Prompt阶段是 Prompt 模板化(Templatization)。
描述：Semantic Kernel负责基于预定义的Prompt模板，动态填充变量，使Prompt适配当前任务。
特性：在这个阶段支持Prompt参数化(Parameterization)，便于在不同场景中复用和自定义Prompt。
第三步：调用AI服务图示：Invoke AI Service直接调用 OpenAI、Azure AI 等服务，并处理其响应。
描述：当Prompt准备就绪，Semantic Kernel将其发送到AI模型进行推理。
特性：在这个阶段提供可靠性保障(Reliability)，以确保调用稳定。
第四步：解析LLM响应图示：Parse LLM Response负责将AI生成的原始数据解析成人类可读格式。
描述：Semantic Kernel负责解析AI生成的结果，并准备返回到应用程序。
特性：这个阶段支持遥测和监控(Telemetry and Monitoring)，方便开发者跟踪AI响应。
第五步：创建函数结果图示：Create Function Result代表最终返回的结果，供应用程序使用。
描述：Semantic Kernel将解析后的数据整理成合适的格式并返回给你的应用。
特性：在这里，开发者可以加入Responsible AI机制，比如过滤不合适的内容，确保AI负责任地运行。
在整个过程中，你可以创建事件(events)和中间件(middleware)，它们会在每个步骤被触发。这意味着你可以执行诸如日志记(logging)向用户提供状态更新，以及最重要的——确保负责任的AI(Responsible AI)等操作，而且所有这些都可以在一个统一的地方完成。
服务(Services)包括 AI 服务（如聊天补全）和其他必要服务
(如日志记录、HTTP 客户端)，用于运行应用程序。它遵循 .NET 的Service Provider 模式，以支持跨语言的依赖注入（Dependency Injection）。
插件(Plugins)这些是 AI 服务和提示模板
用于执行任务的组件。例如，AI 服务可以使用插件从数据库检索数据或调用外部 API 以执行操作。在你的项目中导入如下包并创建Kernel：
usingMicrosoft.Extensions.DependencyInjection;usingMicrosoft.Extensions.Logging;
usingMicrosoft.SemanticKernel;
usingMicrosoft.SemanticKernel.Plugins.Core;
接下来，你可以添加 服务（Services） 和 插件（Plugins）。下面是一个示例，展示如何添加 Azure OpenAI 聊天补全（chat completion）、日志记录（logger） 和 时间插件（time plugin）
// 创建一个kernel使用logger和Azure OpenAI聊天服务varbuilder = Kernel.CreateBuilder;
builder.AddAzureOpenAIChatCompletion(modelId, endpoint, apiKey);
builder.Services.AddLogging(c => c.AddDebug.SetMinimumLevel(LogLevel.Trace));
builder.Plugins.AddFromType;
Kernel kernel = builder.Build;
在 C# 中，你可以使用依赖注入(DI)来创建Semantic Kernel。其核心步骤是 创建 ServiceCollection，然后向其中添加所需的服务和插件。
建议：官方建议将 Kernel 作为 瞬态（Transient）服务 创建，使其在每次使用后自动释放，因为 插件集合（Plugin Collection）是可变的。Kernel 本身非常轻量（本质上只是一个 服务和插件的容器），因此 每次使用时创建一个新的 Kernel 并不会对性能造成影响。
usingMicrosoft.SemanticKernel;
varbuilder = Host.CreateApplicationBuilder(args);
// 添加 OpenAI chat completion service 作为单例模式
builder.Services.AddOpenAIChatCompletion(
modelId:"gpt-4"
apiKey:"YOUR_API_KEY"
orgId:"YOUR_ORG_ID", // Optional; for OpenAI deployment
serviceId:"YOUR_SERVICE_ID"// Optional; for targeting specific services within Semantic Kernel
);
// 针对插件创建单例模式
builder.Services.AddSingleton( =>newLightsPlugin);
newSpeakerPlugin);
/*
serviceProvider.GetRequiredService 从DI容器中获取已经创建的LightsPlugin实例。
KernelPluginFactory.CreateFromObject(...)将插件转换成KernelPlugin，使其能在 KernelPluginCollection 中使用。
KernelPluginCollection 只是在管理 DI 容器中已经存在的插件，而没有创建新的插件对象
*/
builder.Services.AddSingleton((serviceProvider) =>
[
KernelPluginFactory.CreateFromObject(serviceProvider.GetRequiredService),
KernelPluginFactory.CreateFromObject(serviceProvider.GetRequiredService)
]
);
// 最后，创建一个Kernel服务使用ServiceProvider和插件集合
builder.Services.AddTransient((serviceProvider)=> {
KernelPluginCollection pluginCollection = serviceProvider.GetRequiredService;
returnnewKernel(serviceProvider, pluginCollection);
});
Kernel是Semantic Kernel框架的核心组件，作为依赖注入容器，管理AI应用所需的所有服务和插件。它支持AI服务选择、Prompt渲染、调用AI服务、解析响应和创建结果。通过依赖注入，可以轻松添加服务和插件，确保AI应用的高效运行和管理。
来源：opendotnet
