使用 Semantic Kernel Plugin 给 LLM 添加真正的能力
💡
原文中文，约4900字，阅读约需12分钟。
📝
内容提要
文章介绍了如何使用 Semantic Kernel 的插件功能为大语言模型添加实时天气信息获取能力。通过插件，可以将 API 封装供 AI 使用，使其能够执行特定任务。文中展示了如何定义 WeatherPlugin 类，通过 API 获取天气数据，并将其集成到 LLM 中，实现了从静态到动态信息的转变。
🎯
关键要点
- 文章介绍了如何使用 Semantic Kernel 的插件功能为大语言模型添加实时天气信息获取能力。
- Plugins 是 SK 的关键组件，可以将已有的 API 封装供 AI 使用，赋予 AI 执行动作的能力。
- 通过功能调用，LLMs 可以请求特定的函数，Semantic Kernel 将请求传递给代码库中的相应函数并返回结果。
- 定义 WeatherPlugin 类，通过 API 获取天气数据，并将其集成到 LLM 中。
- WeatherPlugin 中的 GetWeatherByLocation 方法通过调用 API 实时获取某个城市的天气信息，返回值为 JSON 格式。
- 添加 Plugin 到 kernel 的代码示例展示了如何集成 OpenAI 的 Chat 服务和插件。
- 与 AI 对话的代码示例展示了如何读取用户输入并获取 LLM 的回答。
- 通过示例程序，LLM 能够准确回答实时天气问题，展示了插件的实际应用。
- 总结中强调了插件的作用，使 LLM 能够触发动作、执行任务并获取实时信息。
➡️
