利用阿里通义千问和Semantic Kernel，10分钟搭建大模型知识助手！

news2025/2/23 1:08:47

前言

**通义千问：**是阿里推出的一个超大规模的语言模型，其中参数模型Qwen-72B已经宣布开源，同时还开源了18亿参数模型Qwen-1.8B和音频大模型Qwen-Audio，至此已经开源了18亿、70亿、140亿、720亿参数的4款大语言模型，以及视觉理解、音频理解两款多模态大模型。

**Semantic Kernel：**是微软推出的开源项目，旨在将大型语言模型与应用程序集成，方便开发者构建一个更加智能、更加高效的应用。更多介绍可以看我之前分享《微软官方出品：GPT大模型编排工具，支持C#、Python等多个语言版本》。

01 搭建通义千问

1、部署要求

python 3.8及以上版本；

pytorch 1.12及以上版本，推荐2.0及以上版本；

建议使用CUDA 11.4及以上（GPU用户需考虑此选项）；

使用CPU推理，内存建议32G以上；

使用GPU推理，显存存建议24G以上；

建议使用Liunx服务器。

2、下载源码

git clone https://github.com/QwenLM/Qwen-VL

下载后的源码如下：

其中源码中openai_api.py，就是基于FastAPI模仿OpenAI接口的源码。

3、安装大模型依赖库

进入源码目录，执行以下命令，安装通义千问的依赖库。

pip install -r requirements.txt

4、安装fastapi相关依赖

执行以下命令，安装依赖库。

pip install fastapi uvicorn openai pydantic sse_starlette

5、启动FastAPI

执行以下命令，启动项目。

python3 openai_api.py

安装成功后，我们在浏览器输入：**http://127.0.0.1:8000**，就可以查看API文档。

02 集成Semantic Kernel

1、创建一个控制台项目

2、安装依赖

从NuGet安装依赖库：Microsoft.SemanticKernel。

3、添加通义千问扩展

为SemanticKernel添加通义千问扩展方法，代码如下：

using Azure.AI.OpenAI;
using Microsoft.Extensions.DependencyInjection;
using Microsoft.Extensions.Logging;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using Microsoft.SemanticKernel.TextGeneration;

namespace Chat2KnowL.Console
{
    public static class QwenServiceCollectionExtensions
    {
        /// <summary>
        /// 添加通义千问聊天服务
        /// </summary>
        /// <param name="builder"></param>
        /// <param name="modelId"></param>
        /// <param name="apiKey"></param>
        /// <param name="url"></param>
        /// <param name="orgId"></param>
        /// <param name="serviceId"></param>
        /// <returns></returns>
        public static IKernelBuilder AddQwenChatCompletion(this IKernelBuilder builder, string modelId, string apiKey, string url, string? orgId = null, string? serviceId = null)
        {
            string modelId2 = modelId;
            string apiKey2 = apiKey;
            string orgId2 = orgId;

            Func<IServiceProvider, object, OpenAIChatCompletionService> implementationFactory = (IServiceProvider serviceProvider, object? _) => new OpenAIChatCompletionService(modelId, new OpenAIClient(new Uri(url), new Azure.AzureKeyCredential(apiKey)), serviceProvider.GetService<ILoggerFactory>());
            builder.Services.AddKeyedSingleton((object?)serviceId, (Func<IServiceProvider, object?, IChatCompletionService>)implementationFactory);
            builder.Services.AddKeyedSingleton((object?)serviceId, (Func<IServiceProvider, object?, ITextGenerationService>)implementationFactory);
            return builder;
        }
    }
}

4、SemanticKernel集成通义千问

SemanticKernel与通义千问集成，实现简单的知识助手！

using Chat2KnowL.Console;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;

var builder = Kernel.CreateBuilder();

//通义千问
builder.AddQwenChatCompletion(
         "Qwen", "none", "http://127.0.0.1:8000/v1"
         );

var kernel = builder.Build();

//等待用户输入
Console.Write("用户：");
var input = Console.ReadLine();

//循环对话
while (input != "quit")
{
    var prompt = @$"<message role=""user"">{input}</message>";
    var summarize = kernel.CreateFunctionFromPrompt(prompt, executionSettings: new OpenAIPromptExecutionSettings { MaxTokens = 100, Temperature = 0.5 });
    Console.Write("知识助理：");
    var result =   kernel.InvokeStreamingAsync(summarize);
    await foreach (var item in result)
    {
        Console.Write(item.ToString());
    }
    Console.WriteLine();
    Console.WriteLine();
    Console.Write("用户：");
    input = Console.ReadLine();
}

注意：

A、我们接口是模拟OpenAI的，所以我们修改符合OpenAI的接口地址；

B、开启支持流请求。

修改openai_api.py中的接口：create_chat_completion，修改内容见红色框。