使用Kernel Memory和Redis构建LLM应用程序
内容提要
Redis与Kernel Memory集成，构建高性能AI应用程序。Kernel Memory是微软的开发工具包，用于将LLM集成到应用程序中。Redis作为物理内存，作为Semantic Kernel的组件项目，充当内存控制器。Kernel Memory作为AI服务，可以索引和检索非结构化的多模态数据。
延伸解读
Kernel Memory 的两种运行模式与语言选择
文章指出 Kernel Memory 可以以两种方式运行：直接嵌入应用内，或作为独立服务。嵌入模式仅适用于 .NET 生态，而独立服务模式通过 HTTP 接口可被任何语言调用。示例提供了 Python 和 .NET 两个版本，说明即使 Python 暂无官方 KernelMemory 客户端，也能通过 HTTP 端点与 Kernel Memory 交互。这为多语言团队提供了灵活性，但需注意独立服务模式会引入额外的网络开销和部署复杂度。
Redis 作为向量存储的配置要点
在 Kernel Memory 的配置中，Redis 连接器需要设置 ConnectionString、Tags 和 AppPrefix 等参数。ConnectionString 遵循 StackExchange.Redis 格式，Tags 用于定义可过滤的标签并支持 Redis 标签语义，AppPrefix 则允许同一 Redis 数据库被多个 Kernel Memory 应用共享。这些配置直接影响检索的准确性和多租户隔离能力，开发者应根据实际数据结构和查询需求合理设置。
添加与查询记忆的核心操作
与 Kernel Memory 交互主要围绕添加记忆和查询记忆两个操作。添加文档可通过 IKernelMemory 的 Import 函数（.NET）或 Upload 端点（Python）实现，支持文件流、网页和文本等多种来源。查询则提供 Search 和 Ask 两个端点：Search 仅返回相关文档，Ask 会进一步将结果送入 LLM 生成答案。开发者可根据是否需要 LLM 加工来选择端点，避免不必要的计算开销。
Semantic Kernel 插件集成方式
在 .NET 示例中，Kernel Memory 客户端自带 MemoryPlugin，可注册到 Semantic Kernel 中，从而在提示词里直接调用 memory.ask 等功能。代码中通过依赖注入将 MemoryWebClient 添加为单例，再将其作为插件加入内核。这种方式让 LLM 能无缝访问外部记忆，但需注意插件调用会引入额外的 HTTP 请求，可能影响响应延迟，适合对实时性要求不极端的场景。
Q&A
Kernel Memory是什么，它的主要功能是什么？
Kernel Memory是微软的开发工具包Semantic Kernel的一个组件，主要用于索引和检索非结构化的多模态数据。
如何将Redis与Kernel Memory集成以构建AI应用程序？
Redis作为物理内存与Kernel Memory集成，支持高性能AI应用程序的构建，主要通过配置连接字符串实现。
Kernel Memory可以在哪些环境中运行？
Kernel Memory可以直接在应用程序中运行，也可以作为独立服务运行，支持多种编程语言通过HTTP请求进行交互。
使用Kernel Memory时如何添加和查询记忆？
可以通过HTTP接口与Kernel Memory交互，使用Import函数添加记忆，使用Search或Ask端点查询记忆。
构建AI聊天应用程序需要哪些技术栈？
构建AI聊天应用程序需要使用React作为前端，.NET或Python作为后端，Redis作为独立服务。
Kernel Memory的配置需要注意哪些参数？
配置Kernel Memory时需要更新连接字符串、Embedding Generator和MemoryDbType等参数，以确保正确连接到Redis。
