原贴链接

无实际内容可翻译（仅有一个图片链接：https://llminfo.image.fangd123.cn/images/vmbxuxa8sbyd1.jpeg!/format/webp）

讨论总结

原帖展示了在.NET中使用Semantic Kernel的编程界面截图，评论主要围绕Semantic Kernel展开。有推荐相关代码仓库的，有对类似技术发展情况表示遗憾的，也有阐述Semantic Kernel特性如稳定、文档完善等并推荐C#使用者尝试的，还有人询问其功能并得到解答，也有分享使用Semantic Kernel及其姊妹项目经验的，并且有人展示了自己制作的相关应用。整体氛围积极，大家交流较为平和。

主要观点

  1. 👍 推荐与Semantic Kernel相关且简洁的代码仓库
    • 支持理由：为想要测试Semantic Kernel的人提供资源
    • 反对声音：无
  2. 😔 对langchain在Python和JS领域快速占据空间表示遗憾
    • 正方观点：langchain发展迅速挤压其他技术空间
    • 反方观点：无
  3. 👍 认为Semantic Kernel in.NET稳定且文档完善，推荐C#使用者尝试
    • 支持理由：稳定、与.net内置依赖注入机制协作良好、文档记录好、代理实现简单直接
    • 反对声音：无
  4. ❓ 询问Semantic Kernel功能并得到解答
    • 解释：有人好奇功能，他人详细解释了Semantic Kernel类似langchain但更规范等功能
    • 反对声音：无
  5. 💪 使用Semantic Kernel及其姊妹项目并向C#开发者推荐
    • 支持理由：自身使用经验，虽有函数调用问题但可能是其他原因
    • 反对声音：无

金句与有趣评论

  1. “🤔 If you want to test it out this repo was nice and neat”
    • 亮点：为测试Semantic Kernel的人提供简洁不错的资源推荐
  2. “😔 Everlier: It’s very sad langchain quickly captured the space for Python and JS”
    • 亮点：表达对langchain在特定领域快速发展的独特看法
  3. “👍 I really like it.”
    • 亮点：简洁表达对Semantic Kernel in.NET的喜爱
  4. “🧐 freecodeio：what does it do? care to elaborate?”
    • 亮点：直接引出对Semantic Kernel功能的讨论
  5. “😎 No - Marionberry - 772：Holy crap i totally forgot about semantic kernel, and ive been ws ting to play with function calling, this makes that look trivial”
    • 亮点：表达对Semantic Kernel让函数调用变简单的感慨

情感分析

总体情感倾向为积极。主要分歧点较少，大部分评论者对Semantic Kernel持正面态度，如推荐、夸赞其特性等。可能的原因是大家在编程相关领域，对新技术、工具包的探索和分享持有积极态度，且原帖也是在分享使用Semantic Kernel的成果。

趋势与预测

  • 新兴话题：Semantic Kernel在更多应用场景中的使用及与其他项目的结合。
  • 潜在影响：如果Semantic Kernel持续发展完善，可能会吸引更多C#开发者使用，对相关编程开发领域的效率提升和功能扩展有积极影响。

详细内容：

《探索.NET 中的 Semantic Kernel 引发的热烈讨论》

近日，Reddit 上一则关于“Just tried out Semantic Kernel in.NET”的帖子引起了广泛关注。该帖包含一张 Microsoft Visual Studio Code 的截图，展示了用 C#代码创建的能够根据用户名返回年龄信息的聊天机器人程序，以及右侧控制台窗口显示的程序输出结果。此帖获得了众多点赞和大量评论。

主要的讨论方向包括对 Semantic Kernel 的各种见解和观点，以及个人的使用经历和案例分享。

讨论焦点与观点分析如下： 有人认为，如果想测试 Semantic Kernel，可以参考这个整洁的 repo：https://github.com/edgett/PalmHill.BlazorChat 。 有人感叹，Langchain 迅速占领了 Python 和 JS 的空间，这让人感到遗憾。有人指出 Langchain 是个杂乱的工具箱，不明白它为何如此流行，因为大多数 LLM 交互只是 API 调用。还有人觉得整个 Lang* 生态系统是对那些不懂得如何格式化字符串、发出网络请求以及连接函数的人的一种欺诈。 也有人表示，Semantic Kernel 针对企业级应用，目前仍在开发中，还缺少一些功能，但 C#环境缺少一个酷炫的 AI 框架。 有人称非常喜欢 Semantic Kernel，它现在很稳定，与.NET 内置的依赖注入机制配合得很好，而且文档也相当完善。还尝试了代理实现，觉得非常直接。如果从事 C#开发，绝对值得一试。 有人解释道，Semantic Kernel 类似于 Langchain，但没那么“狂野”，可以制作提示模板，串联 LLM 调用，并为机器人设置使用的工具。 还有人提到，这是一个包含函数调用、RAG、历史记录等功能的框架/工具包，还带有开放遥测功能，能与微软自身的 AI 服务以及包括 Ollama 在内的其他 LLM 提供商配合使用。微软称其为适用于 AI 代理的企业级开发套件，这是一个开源项目。

有人分享个人经历，称一直在使用 Semantic Kernel，主要用的是其姐妹项目 [kernel-memory](https://github.com/microsoft/kernel - memory)，已经在两三个应用中使用它来做 RAG。直接使用了 OpenAI、Ollama 和 LlamaSharp 。并表示强烈推荐给 C#开发者，但在函数调用方面遇到了一些问题，可能是因为原始的 Llama3 不够好。

还有人分享了用 Semantic Kernel 制作 Blazor 应用的案例，可在这里查看。

总之，这次关于 Semantic Kernel 的讨论丰富多样，为开发者们提供了多角度的思考和参考。