博客 RSS 訂閱

yi念之間 - 體驗Semantic Kernel圖片內容識別

前言 前幾日在瀏覽devblogs.microsoft.com的時候,看到了一篇名為Image to Text with Semantic Kernel and HuggingFace的文章。這篇文章大致的內容講的是,使用Semantic Kernel結合HuggingFace來實現圖片內容識別。注意,這裏説的是圖片內容識別,並非是OCR,而是它可以大致的描述圖片裏的主要內容。我個人對這些還是有點

SemanticKernel

收藏 評論

董瑞鵬 - 入門Semantic Kernel:OneApi集成與HelloWorld

引言 從這一章節開始正式進入我們的 Semantic Kernel 的學習之旅了。 什麼是Semantic Kernel? Semantic Kernel是一個輕量級的開源框架,通過 Semantic Kernel 可以快速使用不同編程語言(C#/Python/Java)結合 LLMs(OpenAI、Azure OpenAI、Hugging Face 等模型) 構建智能應用,簡化將人工智能(AI)

SemanticKernel

收藏 評論

董瑞鵬 - 深入學習Semantic Kernel:創建和配置prompts functions

引言 上一章我們熟悉了一下 Semantic Kernel 的理論知識,Kernel 創建以及簡單的Sample熟悉了一下 SK 的基本使用。在Semantic Kernel中的 kernel functions由兩部分組成第一部分是prompts functions(提示函數),第二部分Native function(原生函數), kernel functions是構成插件(Plugins)的核

SemanticKernel

收藏 評論

董瑞鵬 - Semantic Kernel入門系列:利用YAML定義prompts functions

引言 在上一章節我們熟悉了prompts functions(提示函數)的創建,我們瞭解了PromptTemplateConfig中各個屬性的簡單使用。Semantic Kernel允許我們利用多種方式去創建prompts包括native functions,prompts functions或者也叫Semantic functions,和Yaml 文件等。 本章的我們將學習利用Yaml的格式來定

SemanticKernel

收藏 評論

董瑞鵬 - Semantic Kernel入門系列:利用Handlebars創建Prompts functions

引言 本章我們將學習通過Handlebars Prompts Template來創建Prompts functions。 什麼是Handlebars? Handlebars是一個流行的 JavaScript 模板引擎,它允許你通過在 HTML 中使用簡單的佔位符來創建動態的 HTML。 它使用模板和輸入對象來生成 HTML 或其他文本格式。Handlebars 模板看起來像常規的文本,但是它帶

SemanticKernel

收藏 評論

董瑞鵬 - 深入探討Function Calling:實現外部函數調用的工作原理

引言 Function Calling 是一個允許大型語言模型(如 GPT)在生成文本的過程中調用外部函數或服務的功能。 Function Calling允許我們以 JSON 格式向 LLM 模型描述函數,並使用模型的固有推理能力來決定在生成響應之前是否調用該函數。模型本身不執行函數,而是生成包含函數名稱和執行函數所需的參數的 JSON。 function calling 執行原理 現在我們

SemanticKernel

收藏 評論

董瑞鵬 - 深入探討Function Calling:在Semantic Kernel中的應用實踐

引言 上一章我們熟悉了 OpenAI 的 function calling 的執行原理,這一章節我們講解一下 function calling 在 Semantic Kernel 的應用。 在OpenAIPromptExecutionSettings跟 LLM 交互過程中,ToolCallBehavior的屬性之前我們的章節有介紹過 ToolCallBehavior:屬性用於獲取或設置如

SemanticKernel

收藏 評論

董瑞鵬 - 探索Semantic Plugins:開啓大模型的技能之門

前言 在之前的章節中我們或多或少的已經接觸到了 Semantic Kernel 的 Plugins,本章我們講詳細介紹如何使用插件。 Semantic Kernel 的一大特點是擁有強大的插件,通過結合自定義/預定義的插件解決智能業務的問題。讓傳統的代碼和智能插件一起工作靈活地接入到應用場景簡化傳統應用向智能化轉型的過程。 什麼是Plugins? 我們知道LLMs(大模型)的訓練數據和我們

SemanticKernel

收藏 評論

董瑞鵬 - 探索Native Plugins:開啓大模型的技能之門

前言 上一章節我們瞭解了一下Semantic Kernnel中Plugins插件的概念以及學習了的 Semantic Kernel 模板插件的創建,本章節我們來學習 Native Plugins 原生函數插件使用。 通過函數定義插件 在之前的章節中我們介紹過在在 Semantic Kernel 中應用 Function Calling,在文中講解了Functioncalling的概念,以及在SK中

SemanticKernel

收藏 評論

董瑞鵬 - 探索Semantic Kernel內置插件:深入瞭解ConversationSummaryPlugin的應用

前言 經過前幾章的學習我們已經熟悉了Semantic Kernel 插件的概念,以及基於Prompts構造的Semantic Plugins和基於本地方法構建的Native Plugins。本章我們來講解一下在Semantic Kernel 中內置的一些插件,讓我們避免重複造輪子。 內置插件 Semantic Kernel 有非常多的預定義插件,作為解決通用業務的相關能力。Plugins 地址

SemanticKernel

收藏 評論

dax.net - 在C#中基於Semantic Kernel的檢索增強生成(RAG)實踐

Semantic Kernel簡介 玩過大語言模型(LLM)的都知道OpenAI,然後微軟Azure也提供了OpenAI的服務:Azure OpenAI,只需要申請到API Key,就可以使用這些AI服務。使用方式可以是通過在線Web頁面直接與AI聊天,也可以調用AI的API服務,將AI的能力集成到自己的應用程序中。不過這些服務都是在線提供的,都會需要根據token計費,所以不僅需要依賴互聯網,而

SemanticKernel

收藏 評論

Agile.Zhou - Kernel Memory 讓 SK 記住更多內容

Kernel Memory (KM) 是一種多模態 AI 服務,專注於通過自定義的連續數據混合管道高效索引數據集。它支持檢索增強生成(RAG)、合成記憶、提示工程以及自定義語義記憶處理。KM 支持自然語言查詢,從已索引的數據中獲取答案,並提供完整的引用和原始來源鏈接。 通過 KM 我們可以讓 LLM 認識更多新的知識。比如認識新的文本內容,WORD文檔,PDF, PPT,甚至是直接爬取一個網頁然後

SemanticKernel

收藏 評論

Agile.Zhou - 使用 SK 進行向量操作

先祝大家 2025 新年好。 在 2024 年落地的 LLM 應用來看,基本上都是結合 RAG 技術來使用的。因為絕大多數人跟公司是沒有 fine-turning 的能力的。不管是在難度還是成本的角度看 RAG 技術都友好的多。 在 RAG(Retrieval-Augmented Generation)中,向量的意義在於將文本數據轉換為高維向量表示,以便進行高效的相似性搜索和信息檢索。具體來

SemanticKernel

收藏 評論

黃明基 - Semantic Kernel人工智能:1、從DeepSeek API調用到Semantic Kernel集成:深度解析聊天機器人開發全鏈路

引言:AI時代下的聊天機器人開發範式演進 在生成式AI技術爆發的當下,基於大語言模型(LLM)的聊天機器人開發已形成標準化技術鏈路。本文將結合DeepSeek API與微軟Semantic Kernel框架,以C#語言實戰演示從基礎API調用到高級框架集成的完整開發流程。 環境準備與基礎配置 .NET 9 SDK Visual Studio 2022或VSCode DeepSeek API

SemanticKernel

收藏 評論

拓荒者IT - Semantic Kernel調用DeepSeek實現聊天功能

在上一篇中,我們介紹瞭如何通過SK訪問ollama中部署的大模型,今天我們嘗試直接調用deepseek官網api,來實現AI對話功能。 DeepSeek官方API 如果要使用deepseek 官方API,首先我們要註冊API訪問的賬號,然後創建apikey。 DeepSeek Platform地址:https://platform.deepseek.com/ DeepSeek API文檔地

SemanticKernel

收藏 評論

張善友 - 微軟開源 Microsoft Agent Framework = Semantic Kernel + AutoGen

隨着Agentic AI 的最新進展,Microsoft 正在改進其相關開發工具,整合 Semantic Kernel 和 AutoGen 的功能,提供新的開源 Microsoft Agent Framework,以簡化 AI Agent和Multi-Agent工作流程的構建、編排和部署,支持 Python 和 .NET。Microsoft 在 10 月 1 日的一篇博文[1]中表示: “開發人員

Agentic

收藏 評論

隱語SecretFlow - 新晉社區之星何晨陽:從使用者到貢獻者,我是如何理解並反哺開源?

打開鏈接點亮社區Star,照亮技術的前進之路。每一個點贊,都是社區技術大佬前進的動力 Github 地址: https://github.com/secretflow/secretflow 本期,我們走近隱語社區新晉社區之星——何晨陽,從一次普通的產品調研到深入理解架構、提出方案、提交代碼的過程中,逐漸完成了從“使用者”到“共同建設者”的角色轉變。 自我介紹 您的全名:何晨陽 當前

人生 , 開源

收藏 評論

dudu - 初試 Microsoft Agent Framework

跟着 .NET 官方博客的博文 Introducing Microsoft Agent Framework (Preview): Making AI Agents Simple for Every Developer 中的示例代碼基於 Microsoft Agent Framework 創建非常簡單的寫博文 Agent 與多 Agent 工作流初步體驗一下。 先準備好訪問 GitHub 模型市場

Agentic

收藏 評論

Rainbow-Sea - 11. Spring AI + ELT

11. Spring AI + ELT @ 目錄 11. Spring AI + ELT ELT Document Loaders 讀取Text 讀取markdown pdf B站: DocumentSpli

Agentic

收藏 評論

張佔嶺 - mcp~客户端與服務端的通訊技術

mcp通訊協議 stdio sse streamable http JSON_RPC MCP 的傳輸層負責將 MCP 協議消息轉換為 JSON-RPC 格式進行傳輸,並將接收到的 JSON-RPC 消息轉換回 MCP 協議消息 請求 { jsonrpc: "2.0", id: number | string, method: string, params?: obj

AI , mcp

收藏 評論

HuggingFace - 參加 Hugging Face 組織的 Gradio & MCP 智能體主題黑客鬆

🌟 歡迎參加 Gradio MCP 智能體主題黑客鬆! 準備好了嗎?一場以智能體(Agent)和模型上下文協議(Model Context Protocol,簡稱 MCP)為核心的全球在線黑客鬆即將來襲! 本次活動由 Hugging Face 舉辦,我們將共同探索基於 Anthropic MCP 和 AI Agentic 系統的最新可能性。 📅 活動時間: 2025 年 6 月

AI , mcp

收藏 評論

努力的小雨 - 【附源碼】用Spring AI通殺所有MCP客户端,簡直離譜!

在上一章節中,我們講解了MCP服務,並以Spring AI作為客户端和服務端進行示例説明。然而,當前市面上已經存在眾多成熟的MCP客户端和服務端實現。那麼,Spring AI在這些現有方案中的適配程度究竟如何?接下來,我們將深入探討這一問題。 Spring AI客户端-第三方MCP MCP市場 我們先看下目前流行的MCP服務都有哪些,當然我們不必去手動實現已有的服務端,現在有很多MCP市場,比如

AI , mcp

收藏 評論

努力的小雨 - 點我!1分錢獲取你的專屬表白網頁,浪漫由大模型代運營

轉眼之間,MCP 技術已在人工智能領域炙手可熱,持續走紅超過半年,堪稱當下最受關注的“新晉頂流”技術。從最初的地圖類應用,到後來層出不窮的新聞類、工具類 MCP 智能體,各類場景的探索不斷拓寬,相關產品可謂比比皆是。不過,令人欣喜的是,近期終於成功推出了與支付相關的 MCP 工具,標誌着無論是個人開發者還是企業機構,都能夠更加高效地實現商業化落地與盈利模式的構建。最近也注意到又有一家新的智能體平台

AI , mcp

收藏 評論

努力的小雨 - AI編程實戰:雲開發瘋狂助攻,React + Vite 做出 FPS 網頁遊戲不是夢

回想起最初接觸雲開發的那段時間,我出於練手的目的,開發了一款基於 HTML 的簡易槍戰遊戲。當我滿懷期待地將其展示給玩家時,沒想到卻被一句點評當場“點醒”了:這不就是打地鼠的升級版嘛?雖然當時聽了有些哭笑不得,但不得不承認,這位玩家的評價確實一針見血,讓我意識到遊戲設計在玩法創新上的不足。 在那之後,我又親自重新體驗了一遍遊戲,結果不得不承認,那位玩家的評價確實中肯:玩法的確和“打地鼠”如出一轍。

AI , mcp

收藏 評論