去年写过几过几篇关于SemanticKernel的文章,由于正式发布的版本与之前的版本变化较大,加上前的东京《生成式AI应用开发》活动,想把演示的Demo逐一分享出来,的以再次开启SemanticKernel系统。 下面是一个Chat的例子,用户提问,如果本地有固定数据能对应,直接返回,如果没有,就进行查询时间段,返回mock数据。第一部分是把本地数据向量化后存储,然后在用户提问时,查询向量
去年写过几过几篇关于SemanticKernel的文章,由于正式发布的版本与之前的版本变化较大,加上前的东京《生成式AI应用开发》活动,想把演示的Demo逐一分享出来,的以再次开启SemanticKernel系统。 下面是一个Chat的例子,用户提问,如果本地有固定数据能对应,直接返回,如果没有,就进行查询时间段,返回mock数据。第一部分是把本地数据向量化后存储,然后在用户提问时,查询向量
生成图片是LLM多模态中的基本功能,SemanticKernel也把这个基本功能引入进来了,是通过添加TextToImage来实现的,对于GPT,内部对应着DallE模型,下面的例子通过一个简单的方式来实现生成。 首先引入SemanticKernel。<ItemGroup>
<PackageReference Include="Microsoft.SemanticK
本篇看一下ImageToText,获取图片内的信息,加以利用。全例是用户上传图片,利用AI来判断上传的图片是否正确。<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version="1.6.2" />
</ItemGroup> 下面是识别图片,之前一直是把问题和图
生成图片是LLM多模态中的基本功能,SemanticKernel也把这个基本功能引入进来了,是通过添加TextToImage来实现的,对于GPT,内部对应着DallE模型,下面的例子通过一个简单的方式来实现生成。 首先引入SemanticKernel。<ItemGroup>
<PackageReference Include="Microsoft.SemanticK
本篇看一下ImageToText,获取图片内的信息,加以利用。全例是用户上传图片,利用AI来判断上传的图片是否正确。<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version="1.6.2" />
</ItemGroup> 下面是识别图片,之前一直是把问题和图
Plugins在SK中是一个神奇的功能。我们说大语言模型具有不确定性,我们的代码是确定性的,而Plugins有把这种不确定性转成确定性能功能。 下面的例子是一个通过自然语言实现购买的案例,客户可以通过文字或语音来输入自然语言,<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version=
监控,为服务保驾护航,也为业务量化提供有力支持,当然在SemanticKernel中的监控也不例外,同时还能为真金白银的Token提供量化监控。 下面是项目中使用的Nuget包:<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version="1.7.1" />
<Pack
Plugins在SK中是一个神奇的功能。我们说大语言模型具有不确定性,我们的代码是确定性的,而Plugins有把这种不确定性转成确定性能功能。 下面的例子是一个通过自然语言实现购买的案例,客户可以通过文字或语音来输入自然语言,<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version=
监控,为服务保驾护航,也为业务量化提供有力支持,当然在SemanticKernel中的监控也不例外,同时还能为真金白银的Token提供量化监控。 下面是项目中使用的Nuget包:<ItemGroup>
<PackageReference Include="Microsoft.SemanticKernel" Version="1.7.1" />
<Pack
体之前说过结构化Prompt,这是一个具体案例的使用,本例是把公众号上中文技术文章翻译成选择的语言。 基本思路是用户输入文章的url,系统用Playwright读取html内容,然后利用SemanticKernel的OpenAIChatCompletionService功能,按照提示词翻译,最后用Playwright把结果发送到Qiit(一个日本技术博客网站)上。 结构化的提示词如下:#
体之前说过结构化Prompt,这是一个具体案例的使用,本例是把公众号上中文技术文章翻译成选择的语言。 基本思路是用户输入文章的url,系统用Playwright读取html内容,然后利用SemanticKernel的OpenAIChatCompletionService功能,按照提示词翻译,最后用Playwright把结果发送到Qiit(一个日本技术博客网站)上。 结构化的提示词如下:#
之前的篇章都是用SemanticKernel来连接OpenAI的API,当然是需要费用,另外还有使用限制,本篇来说明在SK中使用开源模型LLama3。 首先引入Nuget包,这里使用的是LLamaSharp这个三方包,因为没有显卡,只能跑在CPU上,所以也需要引入对应的Cpu包,最后引入SK的LLama版的包。<ItemGroup>
<PackageReference
之前的篇章都是用SemanticKernel来连接OpenAI的API,当然是需要费用,另外还有使用限制,本篇来说明在SK中使用开源模型LLama3。 首先引入Nuget包,这里使用的是LLamaSharp这个三方包,因为没有显卡,只能跑在CPU上,所以也需要引入对应的Cpu包,最后引入SK的LLama版的包。<ItemGroup>
<PackageReference
前面的 2 篇文章已经介绍了 ollama 的基本情况。我们也已经能在本地跟 LLM 进行聊天了。但是如何使用代码跟 LLM 进行
本文将开坑告诉大家什么是 SemanticKernel 以及如何使用框架
原创
2024-10-14 14:46:22
103阅读
semantic功能介绍gnu Semantic Manual1,代码自动补全3,代码导航启动semantic功能:(semantic-mode 1)1,Semantic mode 是辅助模式,当这个模式启动了,你打开的每个缓冲区是否会被Semantic mode解析,取决于变量【semantic-new-buffer-setup-functions】,在被解析过的缓冲区里就可以使用semanti
转载
2024-05-17 06:44:04
20阅读
使用 SemanticKernel 框架在对接 AI 时,由于使用到了大量的魔法,需要有日志的帮助才好更方便定位问题,本文将告诉大家如何在 SemanticKernel 注入日志
原创
2024-10-12 11:28:26
46阅读
2016年冬天在大连小平岛,罕见零下22摄氏度,看到海面上冒烟,像温泉,但是冰冷刺骨,大傻鸥抗冻。小平岛象鼻山~王皓的GitHub:https://github.com/TenaciousDWang 最近比较忙,虽然没人看,但下班后忙里偷闲坚持写写,就是个笔记,记录一下学习的过程。 在上一篇文章中我们实现了群聊的创建功能,今天我们继续来完善群聊的管理
原创
2021-01-05 21:56:50
337阅读
绍及实现原理探究》标题...
原创
2023-01-09 15:34:00
172阅读