2.3. semantic kernel核心组件
Semantic Kernel 提供了丰富的核心组件，这些组件既可独立使用，也可组合协作。本文将对各组件进行概述，并解释它们之间的关系。
1. Kernel（核心调度器）
Kernel 是 Semantic Kernel 的“大脑”，主要负责：
管理和协调 AI 服务连接器、插件函数、向量存储、内存等资源。
执行提示模板的渲染和调用。
处理过滤器（Filters）的调用。
可以将 Kernel 理解为运行时调度中心，所有 AI 任务最终都通过 Kernel 协调。
2. AI 服务连接器（AI Service Connectors）
AI 服务连接器为不同 AI 服务提供统一的抽象接口，支持：
聊天补全
文本生成
嵌入生成
文本转图像
图像转文本
文本转音频
音频转文本
默认情况下，Kernel 只会使用 Chat Completion 或 Text Generation。若需调用嵌入、向量搜索、图像生成等服务，需要手动注册并调用。
3. 向量存储连接器（Vector Store Connectors）
向量存储连接器通过通用接口暴露不同提供商的向量存储能力。Kernel 不会自动使用已注册的向量存储，但可通过插件将**向量搜索（Vector Search）**暴露给 Kernel，供 Prompt Templates 和 Chat Completion AI Model 使用。
4. Memory（记忆）
Memory 是 Semantic Kernel 的“记忆系统”，用于在任务和对话中保存信息，分为：
Volatile Memory（易失性记忆）：会话或任务期间保存的上下文信息，程序结束后不持久化。
Semantic Memory（语义记忆）：基于向量存储的长期记忆，常用于对话历史或 RAG 场景下知识库检索。
Memory 通常依赖 Vector Store Connectors 实现语义搜索，与向量存储紧密结合。
5. 函数和插件（Functions and Plugins）
插件（Plugins）是一组命名的功能模块，每个插件包含一个或多个可调用函数。注册到 Kernel 后，插件可被：
AI 直接调用：AI 在对话中自主选择并执行插件函数，如调用 API、查询数据库等。
模板渲染时调用：在提示模板中直接调用插件函数，增强 AI 生成能力。
插件常见形式：
本地代码（如 .NET、Python、Java）
OpenAPI 规范服务
ITextSearch 实现（RAG 场景）
提示模板（Prompt Templates）
6. Planner（规划器）
Planner 是“任务规划器”，可将自然语言请求分解为步骤，并自动调用函数或插件完成任务。常见类型：
ActionPlanner：将请求映射为单个函数调用。
StepwisePlanner：将复杂请求拆解为多步骤，逐步执行并生成后续计划。
Planner 让 AI 能自主选择和组合函数，简化开发流程，是实现多 Agent 协作和自动化任务的核心机制。
7. 提示模板（Prompt Templates）
提示模板由开发者或提示工程师创建，结合上下文、指令、用户输入和函数输出，帮助 AI 生成更精准回答。模板可包含：
AI 的思考或回答方式
用户输入占位符（如
{用户问题}）插件或函数调用
使用方式：
作为 Chat Completion 的起点，先渲染模板，再调用 AI。
注册为插件函数，像普通函数一样被调用。
执行流程示意：
模板 A 注册为插件，模板 B 由用户输入并依赖 A。
渲染 B 时先渲染 A，A 的结果传递给 AI，B 得到 A 的数据后继续渲染，最终返回结果。
AI 也可在后台自动调用插件，用户无需感知。
优势：
让 AI 通过自然语言调用功能，无需编程。
AI 可单独思考每个功能，提高成功率。
8. 过滤器（Filters）
过滤器可在聊天补全流程中，在特定事件前后执行自定义操作，如：
函数调用前后
提示渲染前后
过滤器需注册到 Kernel。提示模板执行前会被转换为 KernelFunctions，因此函数过滤器和提示过滤器都会被调用。多个过滤器嵌套执行，函数过滤器为外层，提示过滤器为内层。
总结
Semantic Kernel 的核心组件协同工作：
Kernel：中枢大脑，负责调度和协调
AI 服务连接器 & 向量存储：提供底层能力
Memory：赋予系统记忆
Functions & Plugins、Prompt Templates：赋予 AI 技能和表达方式
Planner：实现自主任务规划
Filters：提供可插拔扩展点
通过这些组件协作，Semantic Kernel 支持从简单对话到复杂 AI 应用和多步骤工作流的构建。
Last updated