第一次使用 Microsoft.SemanticKernel 開發 OpenAI 提示與完成之應用 - 開發教學
由於 OpenAI 在最近相當的火紅，網路上充斥著很多不錯關於如何開發出各種 OpenAI 服務的應用教學文章，對於身為 .NET 開發者而言，總是有些不足，這是因為絕大部分的程式設計教學文章，使用的 python 程式語言來撰寫；對於微軟而言，當然也不落人後，在今年 2023 年初，也推出了 Microsoft.SemanticKernel 這個套件，此套件是將許多在進行要設計出各種 GPT 應用情境，整理出各種設計模式，並將這些 API 整理到這個套件內，方便 .NET 開發者來直接使用；若有去看到 SemanticKernel 套件說明文件的開發者，不難發現到，這個套件內所提供的許多功能，與 LangChain 這個 Python 套件有著很多相似的地方。
關於 semantic-kernel 是個開源的類別庫專案，可以從 Github 的 semantic-kernel 找到這個套件的原始碼與使用範例，最為重要的是，Semantic Kernel 有支援 C# 程式語言，而這句話，則是充分的說明了 [semantic-kernel] 的功能與意義
Integrate cutting-edge LLM technology quickly and easily into your apps
另外，在 Microsoft Learn 網站上，也有個專門針對 Semantic Kernel 介紹 What is Semantic Kernel?，在這個網頁轉寫得相當完整與詳細，對於這個工具有興趣的開發者，強烈建議可以去觀看這個網站上的詳細內容。
取得 Azure OpenAI Key 並且儲存為系統環境變數
在這裡將會需要使用 Azure OpenAI Server 來進行呼叫，因此，需要取得 Azure OpenAI 的 API 授權金鑰，關於這部分的取得與設定方式，可以參考 取得 Azure OpenAI Key 並且儲存為系統環境變數 這篇文章
建立第一次使用 Microsoft.SemanticKernel 的專案
為了簡化測試用專案的複雜度，因此，在這裡將會建立一個 Console 主控台應用類型的專案。
- 打開 Visual Studio 2022 IDE 應用程式
- 從 [Visual Studio 2022] 對話窗中，點選右下方的 [建立新的專案] 按鈕
- 在 [建立新專案] 對話窗右半部
- 切換 [所有語言 (L)] 下拉選單控制項為 [C#]
- 切換 [所有專案類型 (T)] 下拉選單控制項為 [主控台]
- 在中間的專案範本清單中，找到並且點選 [主控台應用程式] 專案範本選項
專案，用於建立可在 Windows、Linux 及 macOS 於 .NET 執行的命令列應用程式
- 點選右下角的 [下一步] 按鈕
- 在 [設定新的專案] 對話窗
- 找到 [專案名稱] 欄位，輸入
Firsts-Smantic-Kernel作為專案名稱 - 在剛剛輸入的 [專案名稱] 欄位下方，確認沒有勾選 [將解決方案與專案至於相同目錄中] 這個檢查盒控制項
- 點選右下角的 [下一步] 按鈕
- 現在將會看到 [其他資訊] 對話窗
- 在 [架構] 欄位中，請選擇最新的開發框架，這裡選擇的 [架構] 是 :
.NET 7.0 (標準字詞支援) - 在這個練習中，需要去勾選 [不要使用最上層陳述式(T)] 這個檢查盒控制項
這裡的這個操作，可以由讀者自行決定是否要勾選這個檢查盒控制項
- 請點選右下角的 [建立] 按鈕
稍微等候一下，這個主控台專案將會建立完成
安裝要用到的 NuGet 開發套件
因為開發此專案時會用到這些 NuGet 套件，請依照底下說明，將需要用到的 NuGet 套件安裝起來。
安裝 Azure.AI.OpenAI 套件
- 滑鼠右擊 [方案總管] 視窗內的 [專案節點] 下方的 [相依性] 節點
- 從彈出功能表清單中，點選 [管理 NuGet 套件] 這個功能選項清單
- 此時，將會看到 [NuGet: Microsoft.SemanticKernel] 視窗
- 切換此視窗的標籤頁次到名稱為 [瀏覽] 這個標籤頁次
- 在左上方找到一個搜尋文字輸入盒，在此輸入
Microsoft.SemanticKernel - 對於這個套件，現在尚在 Preview 階段，因此，請勾選 [包括搶鮮版] 這個檢查盒控制項
- 稍待一會，將會在下方看到這個套件被搜尋出來
- 點選 [Microsoft.SemanticKernel] 套件名稱
- 在視窗右方，將會看到該套件詳細說明的內容，其中，右上方有的 [安裝] 按鈕
- 點選這個 [安裝] 按鈕，將這個套件安裝到專案內
修正主程序 Program.cs 的程式碼
- 在此專案節點下，找到並且打開 [Program.cs] 這個檔案
- 使用底下 C# 程式碼替換掉 [Program.cs] 檔案內所有程式碼內容
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.SemanticFunctions;
namespace Firsts_Smantic_Kernel
{
internal class Program
{
static async Task Main(string[] args)
{
// 透過環境變數取得 Azure OpenAI 服務需要用到的授權金鑰
var apiKey = Environment.GetEnvironmentVariable("OpenAIKey");
// 建立 Semantic Kernel Builder 建置器物件，準備進行相關運行參數設定
var builder = new KernelBuilder();
// 設定使用 Azure OpenAI 服務需要用到的參數
builder.WithAzureTextCompletionService(
"text-davinci-003", // Azure OpenAI 服務中所佈署的模型名稱
"https://openailabtw.openai.azure.com/", // Azure OpenAI 服務端點
apiKey); // Azure OpenAI 服務需要用到的授權金鑰
// 建立 Semantic Kernel 物件
var kernel = builder.Build();
// 宣告一個要提問文字的樣板，其中 input 為使用者要提問的文字
var prompt = @"{{$input}}";
// 宣告要使用該模型的相關參數
var myPromptConfig = new PromptTemplateConfig
{
Description = "透過指定的 GPT 模型，進行各種問題的文字生成.",
Completion =
{
MaxTokens = 300,
Temperature = 0.2,
TopP = 0.5,
}
};
// 宣告一個提示樣板，傳入提示文字，使用該提示規劃物件與 Semantic Kernel 物件
var myPromptTemplate = new PromptTemplate(
prompt,
myPromptConfig,
kernel
);
// 宣告一個語意函數規劃物件，傳入提示規劃物件與提示樣板
var myFunctionConfig = new SemanticFunctionConfig(myPromptConfig, myPromptTemplate);
// 註冊語意函數，傳入語意函數名稱、語意函數類型、語意函數規劃物件
// 注意：A skill name can contain only ASCII letters, digits, and underscores
var myFunction = kernel.RegisterSemanticFunction(
"Test_Prompt_Completion_Function",
"TestPromptCompletion",
myFunctionConfig);
string inputContent = "如何才能提高統一發票中獎機率";
// 執行語意函數，傳入使用者要提問的文字
var myOutput = await kernel.RunAsync(inputContent, myFunction);
// 將 GPT 生成內容寫入到螢幕
Console.WriteLine(myOutput);
}
}
}首先，先來看看上面這段程式碼的執行結果
這段程式碼將會對 Azure OpenAI GPT 提出一個問題
如何才能提高統一發票中獎機率
經過 Microsoft Semantic Kernel 這套類別庫的幫助，取得了 GPT 的回應文字，該文字內容如下：
1. 增加購買統一發票的次數：購買次數越多，中獎機率越高。
2. 選擇購買特定種類的統一發票：比如購買特定種類的統一發票，如樂透彩券，中獎機率比較高。
3. 購買更多的統一發票：購買更多的統一發票，可以增加中獎機率。
4. 加入統一發票的抽獎活動：參加統一發票的抽獎
從這裡可以看到一個 Azure OpenAI GPT 的基本運作模式，那就是，送出一串文字到 GPT 模型內，由其生成出相關文字，並且取得些內容。
現在來看看如何使用 Microsoft Semantic Kernel 這套工具來進行這樣需求的設計。
首先，要使用 Environment.GetEnvironmentVariable("OpenAIKey") 來取得 Azure OpenAI Server 需要用到的 License Key，會將這個授權鍵值放到作業系統的 環境變數內，是為了安全上的考量，避免任何人從原始程式碼上就可以看到該 License Key。
接著，建立起一個 [KernelBuilder] 物件，並且要進行相關的參數設定，最後透過該物件的 [Build()] 方法，取得一個 [IKernel] 實作物件。
有了該 Builder 物件之後，透過 WithAzureTextCompletionService 方法，進行相關參數的設定，這裡依序傳入 GPT 服務會用到的模型名稱、服務端點路徑與 API License Key。其中，對於模型名稱，則為使用 Azure OpenAI 網頁中，所建立的模型佈署名稱。
var prompt = @"{{$input}}"這裡宣告一個字串物件，該字串的內容則為要向 GPT 模型送出的 Prompt 文字內容，這裡可以寫入任何文字內容，要求模型要產出甚麼樣的內容或者指示額外的處理指令；其中，兩個大括號內的 $inupt 這個變數，則是用來當啟動 Semantic Kernel 機制之後，所要插入的文字內容，通常這部分的文字內容將會是由使用者所提供的內容，所以是會變動的。
呼叫 kernel 物件內的 RunAsync 方法，傳入使用者輸入的內容與剛剛定義的 Semantic Function 物件，其型別為 [ISKFunction]
現在需要建立 提示 Prompt 樣板需要用到的設定物件，在此，建立一個 PromptTemplateConfig 物件，其中，在這裡可以設定 完成 Completion GPT 呼叫會用的參數設定值，例如，可以使用的最大權杖 Token 數量、溫度定義值等等。
有了這個設定物件，接下來可以來建立 PromptTemplate 物件，這裡需要把剛剛設定的 提示 Prompt 樣板文字、而上面建立的設定物件、最後才 Semantic Kernel 這個 IKernel 物件
有了上述的準備工作，還需要宣告一個語意函數規劃物件，傳入提示規劃物件與提示樣板，這裡需要建立一個 SemanticFunctionConfig 物件，有了這個Semantic 函數設定物件，最後便可以將其註冊到 Semantic Kernel 系統內，這裡將會用到 [kernel.RegisterSemanticFunction] 這個方法來做到。
string inputContent = "如何才能提高統一發票中獎機率";
現在可以宣告要注入到 GPT Prompt 提示內容的使用者問題，這裡將會請 GPT 生成出 如何才能提高統一發票中獎機率 文字內容。
await kernel.RunAsync(inputContent, myFunction)這個非同步方法呼叫之後，將會得到一個型別為 [SKContext] 物件，從這個物件可以知道剛剛呼叫的結果是否成功，或者有錯誤、甚至產生了例外異常。
若正確無誤，便可以將呼叫結果的文字取得，列印到螢幕上。
