使用 Semantic Kernel 快速對接國產大模型實戰指南（DeepSeek/Qwen/GLM）

一、引言

在人工智能應用開發中，統一對接不同大模型的能力至關重要。微軟推出的 Semantic Kernel 作為優秀的 AI 編排框架，能夠幫助我們快速對接各類大模型。本文將手把手教你如何使用 Semantic Kernel 對接國內三大主流模型：DeepSeek、通義千問（Qwen）和智譜AI（GLM），并提供可運行的代碼示例。文末提供完整代碼示例和注意事項。

---

二、環境準備

2.1 開發環境

? .NET 6+ SDK

? Visual Studio 2022

? NuGet包：

 ```bashdotnet add package Microsoft.SemanticKernel```

2.2 模型服務配置

模型	接口地址示例	API Key獲取方式
DeepSeek	https://api.deepseek.com/v1	DeepSeek平臺申請（需充值）
Qwen	https://api.siliconflow.cn/	SiliconCloud平臺申請（有免費額度）
GLM	https://open.bigmodel.cn/api/paas/v4/chat/completions	智譜AI開放平臺申請（有免費模型）

---

三、核心代碼實現

下述內容封裝兩種對話交互模式，采用統一的接口設計：

• 非流式輸出：完整獲取響應后一次性輸出

• 流式輸出：實時輸出響應片段，提升交互體驗

注：兩種模式都提供了對話歷史管理機制，確保多輪對話上下文連貫性。

3.1 會話代碼封裝

/// <summary>
/// 統一對話管理（非流式）
/// </summary>
/// <param name="kernel"></param>
/// <returns></returns>
private async Task StartChatSession(Kernel kernel)
{var chatService = kernel.GetRequiredService<IChatCompletionService>();var history = new ChatHistory();while (true){Console.Write("用戶 > ");var input = Console.ReadLine();history.AddUserMessage(input);var response = await chatService.GetChatMessageContentAsync(history);Console.WriteLine($"助手 > {response.Content}");history.AddAssistantMessage(response.Content);}
}/// <summary>
/// 統一對話管理（流式輸出）
/// </summary>
/// <param name="kernel"></param>
/// <returns></returns>
private async Task StartStreamingChatSession(Kernel kernel)
{var chatService = kernel.GetRequiredService<IChatCompletionService>();var history = new ChatHistory();while (true){///獲取用戶輸入Console.Write("用戶 > ");var input = Console.ReadLine();//將用戶輸入添加到歷史記錄history.AddUserMessage(input);//獲取流式響應var response = chatService.GetStreamingChatMessageContentsAsync(chatHistory: history,kernel: kernel);Console.WriteLine($"助手 > ");string resStr = "";//輸出流式響應await foreach (var chunk in response){resStr += chunk;//拼接聊天記錄Console.Write(chunk);}//將完整的響應添加到歷史記錄history.AddAssistantMessage(resStr);//輸出換行Console.WriteLine();}
}

3.2 CurModelContext封裝

將要獲取的模型，按如下方式封裝，也可直接寫死在代碼中，其中“sk-xx”和“Model”按需替換實際使用的key和模型。

/// <summary>
/// 全局參數
/// </summary>
public class Global
{/// <summary>/// 獲取模型配置/// </summary>public static ModelConfig CurModelContext(string model){switch (model){case "glm-4-flash":return new ModelConfig{Model = "glm-4-flash",EndpointKey = "https://open.bigmodel.cn/api/paas/v4",ApiKey = "sk-xxx"};case "glm-z1-flash":return new ModelConfig{Model = "glm-z1-flash",EndpointKey = "https://open.bigmodel.cn/api/paas/v4",ApiKey = "sk-xxx"};case "Qwen/Qwen2.5-72B-Instruct":return new ModelConfig{Model = "Qwen/Qwen2.5-72B-Instruct",EndpointKey = "https://api.siliconflow.cn",ApiKey = "sk-xxx"};case "deepseek-chat":return new ModelConfig{Model = "deepseek-chat",EndpointKey = "https://api.deepseek.com/v1",ApiKey = "sk-xxx"};case "deepseek-reasoner":return new ModelConfig{Model = "deepseek-reasoner",EndpointKey = "https://api.deepseek.com/v1",ApiKey = "sk-xxx"};default:break;}return null;}
}

3.3 DeepSeek對接示例

var modelConfig = Global.CurModelContext("deepseek-chat");// 1. 填充OpenAI格式LLM調用參數值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 創建一個OpenAI聊天完成的內核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.構建內核
Kernel kernel = builder.Build();//5. 對話功能（流式）
await StartStreamingChatSession(kernel);//6. 對話功能（非流式）
//await StartChatSession(kernel);

3.4 Qwen對接示例

var modelConfig = Global.CurModelContext("Qwen/Qwen2.5-72B-Instruct");
// 1. 填充OpenAI格式LLM調用參數值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 創建一個OpenAI聊天完成的內核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.構建內核
Kernel kernel = builder.Build();//5. 對話功能（流式）
await StartStreamingChatSession(kernel);//6. 對話功能（非流式）
//await StartChatSession(kernel);

---

3.5 GLM對接示例

var modelConfig = Global.CurModelContext("glm-4-flash");// 1. 填充OpenAI格式LLM調用參數值
var modelId = modelConfig.Model;
var endpoint = modelConfig.EndpointKey;
var apiKey = modelConfig.ApiKey;// 2. 創建一個OpenAI聊天完成的內核
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId,new Uri(endpoint),apiKey);// 4.構建內核
Kernel kernel = builder.Build();//5. 對話功能（流式）
await StartStreamingChatSession(kernel);
//6. 對話功能（非流式）
//await StartChatSession(kernel);

---

四、常見問題排查

• 401 鑒權失敗

  • 檢查 API Key 有效性
  • 確認密鑰傳遞方式符合平臺要求

• 模型響應超時

  • 檢查網絡連通性

  • 確認 endpoint 配置正確

• 輸出格式異常

  • 調整 temperature 參數

  • 檢查 max_tokens 限制

五、總結

通過 Semantic Kernel 的統一接口，開發者可以快速實現國內主流大模型的集成。建議根據實際需求選擇模型，并充分利用SK的插件系統、記憶機制和工具調用特性構建企業級AI應用。

• 優先選用兼容 OpenAI 格式的模型
• 對于特殊接口的模型需實現自定義OpenAI 格式封裝