近年來，隨著 國產大模型 的崛起，很多開發者和企業選擇將其集成到自己的應用中，以滿足對人工智能技術的需求。在本文中，我們將展示如何使用 Microsoft.SemanticKernel 庫與國產大模型 API 集成，構建一個支持對話系統的應用程序。

我們將以 Zhipu AI（智譜AI） 作為示例，展示如何將其作為后端服務，替換掉 OpenAI API，從而使用國產大模型。

一、前期準備

在開始開發之前，需要做以下準備：

1. 安裝 Microsoft.SemanticKernel 包

Microsoft.SemanticKernel 是一個開源框架，可以幫助開發者更便捷地與大型語言模型（如 OpenAI、Google、或其他廠商提供的模型）進行交互。

我們需要首先安裝這個 NuGet 包。

使用 NuGet 包管理器安裝

1. 打開你的 Visual Studio 項目。

2. 右鍵點擊 解決方案資源管理器 中的項目，選擇 Manage NuGet Packages。

3. 在 NuGet 包管理器 中，選擇 瀏覽 標簽頁，搜索 Microsoft.SemanticKernel。

4. 找到該包后，點擊 安裝。

使用 NuGet 控制臺安裝

你也可以通過 NuGet 控制臺 來安裝：

Install-Package Microsoft.SemanticKernel -Version 1.59.0

使用 .NET CLI 安裝

如果你喜歡命令行操作，可以在項目目錄下使用以下命令：

dotnet add package Microsoft.SemanticKernel --version 1.59.0

2. 獲取國產大模型 API 密鑰

不同的國產大模型提供不同的 API 訪問方式。以 Zhipu AI 為例，開發者需要在其平臺上申請 API 密鑰，才能使用該模型的功能。你需要登錄到 Zhipu OpenAI API 提供商的官網，申請并獲取你的 API 密鑰。

二、項目代碼實現

在本部分，我們將展示如何使用 Microsoft.SemanticKernel 庫與 Zhipu AI 的 API 集成，構建一個簡單的對話系統。

1. 設置 SemanticKernel 內核和 API 配置

首先，我們創建一個 SemanticKernel 內核，并設置與 Zhipu OpenAI API 的通信配置。

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;

var kernelBuilder = Kernel.CreateBuilder();
var httpClient = new HttpClient(new ZhipuOpenAIHttpClientHandler());
var builder = kernelBuilder.AddOpenAIChatCompletion(modelId: "glm-4-flash-250414", // 這里可以替換成你自己的模型 ID
    apiKey: "你的API密鑰", httpClient: httpClient);

var kernel = builder.Build();
var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();

在這段代碼中，我們創建了一個 kernelBuilder，它用于初始化 SemanticKernel 內核。在 AddOpenAIChatCompletion 方法中，我們配置了模型 ID 和 API 密鑰，并指定了自定義的 HTTP 客戶端處理器，通過 httpClient 與 Zhipu OpenAI API 進行交互。

2. 用戶輸入和模型回復的交互邏輯

接下來，我們實現了與用戶的對話交互。用戶輸入內容后，我們將其傳遞給 AI 模型，獲取模型的回復，并在控制臺中顯示。

var history = new ChatHistory();
string? userInput;
do
{
    // 收集用戶輸入
    Console.Write("User > ");
    userInput = Console.ReadLine();

    // 將用戶輸入添加到對話歷史
    history.AddUserMessage(userInput);

    // 獲取模型的回復
    var result = await chatCompletionService.GetChatMessageContentAsync(history, kernel: kernel);

    // 輸出結果
    Console.WriteLine("Assistant > " + result);

    // 將模型的回復添加到對話歷史
    history.AddMessage(result.Role, result.Content ?? string.Empty);
} while (userInput is not null);

這段代碼實現了一個簡單的 命令行聊天系統，用戶可以輸入問題或命令，系統會通過 Zhipu AI 獲取回答，并將對話歷史保存在 ChatHistory 對象中。

3. 自定義 HTTP 客戶端處理器

由于 Zhipu OpenAI 提供了與 OpenAI 兼容的 API 接口，但主機和路徑可能不同，我們需要創建一個自定義的 HTTP 請求處理器，以便將請求正確路由到 Zhipu 的 API 地址。

public class ZhipuOpenAIHttpClientHandler : HttpClientHandler
{
    protected override async Task<HttpResponseMessage> SendAsync(HttpRequestMessage request, CancellationToken cancellationToken)
    {
        // 如果請求路徑是 /v1/chat/completions，重定向請求到 Zhipu OpenAI API
        switch (request.RequestUri?.LocalPath)
        {
            case "/v1/chat/completions":
                var uriBuilder = new UriBuilder(request.RequestUri)
                {
                    Scheme = "https",
                    Host = "open.bigmodel.cn", // Zhipu OpenAI API 的主機地址
                    Path = "api/paas/v4/chat/completions", // 適配的接口路徑
                };
                request.RequestUri = uriBuilder.Uri;
                break;
        }

        // 發起請求并返回響應
        HttpResponseMessage response = await base.SendAsync(request, cancellationToken);
        return response;
    }
}

這段代碼通過自定義的 ZhipuOpenAIHttpClientHandler 類，攔截并修改請求 URL，使得原本發往 OpenAI 的請求能夠被轉發到 Zhipu OpenAI API。這個操作是通過 HttpClientHandler 類來實現的。

三、總結

通過以上步驟，我們成功將 Microsoft.SemanticKernel 與 國產大模型（如 Zhipu OpenAI）的 API 集成，實現了一個能夠與用戶進行對話的簡單系統。以下是本教程的關鍵點：

1. 安裝 Microsoft.SemanticKernel 庫，提供與大型語言模型的集成功能。

2. 使用 Zhipu OpenAI（或其他國產大模型）API 作為后端模型。

3. 創建自定義的 HTTP 請求處理器，確保請求被正確路由到 Zhipu 的 API。

4. 實現一個簡單的對話系統，支持用戶與 AI 進行互動，并保持對話歷史。

這種集成方式不僅適用于開發者構建自定義對話系統，也可以幫助企業利用國產大模型實現本地化的 AI 應用。通過 Microsoft.SemanticKernel，你可以輕松地替換不同的 AI 后端服務，實現靈活的模型切換和定制。