摘要：首先，需要打开 Visual Studio 2022 并创建一个名为5_1_SKPluginsql的控制台项目。
创建控制台项目
首先，需要打开 Visual Studio 2022 并创建一个名为5_1_SKPluginsql的控制台项目。
接下来，我们将使用SemanticKernel来导入目录中所有的插件。
在项目目录中，创建一个plugins文件夹，并在其中创建BasePlugins文件夹。这个文件夹将用来存放我们系统的基础插件。在BasePlugins文件夹下，创建一个SQLiteSystem文件夹。这个文件夹将用来存放我们为Sqlite数据库创建的插件。
接着，在SqliteSystem文件夹下创建一个skprompt.txt文件。这个文件是SemanticKernel插件的Prompt文件，它将用来定义插件的AI行为。
# 背景您是SQLite数据库助手，有能力帮助用户执行SQL查询，创建数据库，插入数据，删除数据，更新数据等操作。您需要遵守Sqlite的语法规则，并支持大部分Sqlite的语法。如果用户输入的SQL语句有错误，您需要返回错误信息，其中action为error，sql为错误信息。如果用户需要操作指定表，您需要先查询表的结构，然后再执行用户的操作。查询表则只需要返回表名称。## 用户输入{{$input}}## 输出格式您需要按照定义的格式输出。请注意，输出的格式必须是json，并且无论用户的操作有多少个，都需要是数组格式，即使只有一个操作。输出不要有md格式的标记，比如```json，只需要json的数据。[ { "action": "", // 操作类型，有query, create, insert, delete, update, drop, error,queryTable "sql": "", // 根据用户输入去生成的sql语句 "isResult": bool, // 是否是查询结果 }]接下来，在SqliteSystem文件夹下创建一个config.json文件。这个文件用于配置插件的AI相关参数。文件的内容如下：{ "schema": 1, "type": "completion", "description": "Sqlite数据库助手，用于执行或查询Sqlite数据库", "execution_settings": { "default": { "max_tokens": 1000, "temperature": 0, "response_format": { "type": "json_object" } }, "gpt-3.5-turbo": { "model_id": "gpt-3.5", "max_tokens": 4000, "temperature": 0.1 }, "gpt-4o": { "model_id": "gpt-4o", "max_tokens": 4000, "temperature": 0.5, "response_format": { } } }, "input_variables": [ { "name": "input", "description": "用户输入的需求！", "required": true } ]}在这个配置文件中：
execution_settings：这是AI的执行参数。default是默认的参数；gpt-3.5-turbo是gpt-3.5模型的参数；gpt-4o模型的参数。input_variables：这是我们的prompt的参数，也是我们的插件需要的参数。name是参数的名称，是参数的描述，required表示参数是否必须。 Exe net8.0 _5_1_SKPluginSQL enable enable Always 在这个项目文件中，我们添加了FreeSql.Provider.Sqlite和Microsoft.SemanticKernelMicrosoft.Semantickernel.Plugins.Core的NuGet包。
是我们用于操作Sqlite数据库的NuGet包。是我们的SemanticKernel的NuGet包。Microsoft.SemanticKernel.Plugins.Core是SemanticKernel的提供的一些默认插件的NuGet包。创建OpenAIHttpClientHandler.cspublic class OpenAIHttpClientHandler : HttpClientHandler{ private readonly string _uri; public OpenAIHttpClientHandler(string uri) => _uri = uri.TrimEnd('/'); protected override async Task SendAsync(HttpRequestMessage request, CancellationToken cancellationToken) { UriBuilder uriBuilder; if (request.RequestUri?.LocalPath == "/v1/chat/completions") { uriBuilder = new UriBuilder(_uri + "/v1/chat/completions"); request.RequestUri = uriBuilder.Uri; } else if (request.RequestUri?.LocalPath == "/v1/embeddings") { uriBuilder = new UriBuilder(_uri + "/v1/embeddings"); } return await base.SendAsync(request, cancellationToken); }}在目录下，创建FreeSqlPlugin.cspublic sealed class FreeSqlPlugin{ private static readonly IFreeSql FreeSql = new FreeSql.FreeSqlBuilder .UseConnectionString(global::FreeSql.DataType.Sqlite, "Data Source=./sk.db") .UseAutoSyncStructure(true) .Build; [KernelFunction("Execute"),Description("用于执行不需要返回结果的SQL语句，返回是否执行成功，通常用于增删改操作。")] public async Task ExecuteAsync([Description("需要执行的Sqlite的Sql语句")]string sql) { var result = await FreeSql.Ado.ExecuteNonQueryAsync(sql); return result > 0; } [KernelFunction("Query"),Description("用于执行需要返回结果的SQL语句，返回查询结果。")] public async Task> QueryAsync([Description("需要执行的Sqlite的Sql语句")]string sql) { var result = await FreeSql.Ado.QueryAsync(sql); return result; } [KernelFunction("QueryFirst"),Description("用于执行需要返回结果的SQL语句，返回第一行查询结果。")] public async Task QueryFirstAsync([Description("需要执行的Sqlite的Sql语句")]string sql) { var result = await FreeSql.Ado.QuerySingleAsync(sql); return result; } [KernelFunction("QueryFirstOrDefault"),Description("用于执行需要返回结果的SQL语句，返回第一行查询结果，如果没有查询到结果则返回。")] public async Task QueryFirstOrDefaultAsync([Description("需要执行的Sqlite的Sql语句")]string sql) { var result = await FreeSql.Ado.QuerySingleAsync(sql); return result; }}创建SqlAction.cs用于接收SK输出的Sql相关执行数据。public class SqlAction{ public string action { get; set; } public string sql { get; set; } public bool isResult { get; set; }}在Program.csconst string createPrompt = @"# 背景您是一个Sql助手，我会提供很多用于执行Sql的Function，您需要根据需求选择合适的Function来执行Sql语句，返回结果给用户。## 需求操作：{{$action}}Sql语句：{{$sql}}是否存在返回结果：{{$hasResult}}";var kernel = Kernel.CreateBuilder .AddOpenAIChatCompletion( modelId: "gpt-4o", apiKey: "这里填写在https://api.token-ai.cn/创建的令牌", httpClient: new HttpClient(new OpenAIHttpClientHandler("https://api.token-ai.cn/"))) .Build;kernel.Plugins.AddFromType;var pluginsDirectory = Path.Combine(Directory.GetCurrentDirectory, "plugins", "BasePlugins");var basePlugins = kernel .ImportPluginFromPromptDirectory(pluginsDirectory);var chat = kernel.GetRequiredService;while (true){ Console.Write("User=>"); var input = Console.ReadLine; if (input == "exit") { break; } var result = await kernel.InvokeAsync(basePlugins["SqliteSystem"], new KernelArguments { ["input"] = input }); var values = JsonSerializer.Deserialize(result.ToString); foreach (var value in values) { Console.WriteLine($"Action: {value.action} Sql: {value.sql} IsResult: {value.isResult}"); var chatMessageContents = await chat.GetChatMessageContentsAsync(createPrompt .Replace("{{$action}}", value.action) .Replace("{{$sql}}", value.sql) .Replace("{{$isResult}}", value.isResult.ToString), new OpenAIPromptExecutionSettings { ToolCallBehavior = ToolCallBehavior.AutoInvokeKernelFunctions }, kernel); foreach (var chatMessageContent in chatMessageContents) { Console.WriteLine(chatMessageContent.Content); } }}我们定义的这个是我们定义的Prompt，用于处理SK给的相关操作和Sql语句，主要用途是让AI知道执行FreeSqlPlugin插件具体的方法，以及返回的结果，然后总结给用户。通过
将FreeSqlPlugin插件加载到kernel这一块代码是扫描我们的目录下的BasePlugins文件夹，然后导入文件夹下所有的插件（虽然我们就只有一个插件）。然后通过下面代码
我们解析用户的输入，然后调用basePlugins中的SqliteSystem插件，然后将返回的结果解析成SqlAction对象。下面我们主要对SqliteSystemPrompt# 背景您是Sqlite数据库助手，有能力帮助用户执行SQL查询，创建数据库，插入数据，删除数据，更新数据等操作。您需要遵守Sqlite的语法规则，并支持大部分Sqlite的语法。如果用户输入的SQL语句有错误，您需要返回错误信息，其中action为error，sql为错误信息。如果用户需要操作指定表，您需要先查询表的结构，然后再执行用户的操作。查询表则只需要返回表名称。在这个Prompt中，我们定义了插件的背景，用户输入，输出格式。我们可以理解Prompt是我们定义的AI的行为，这样AI则会按照我们的定义来执行。背景是我们对于AI的角色进行定义，尽量让他做更专业的事情，防止做出乎我们意料的行为。用户输入在这里我们使用到{{$input}}变量，用于提供给SK插入用户输入的信息。输出格式通过上面一套很严格的Prompt我们就可以得到我们想要的结果。User=>创建username表，字段 id name username password age，插入十条数据，然后查询username表的所有数据。Action: create Sql: CREATE TABLE username (id INTEGER, name TEXT, username TEXT, password TEXT, age INTEGER) IsResult: False表格 "username" 创建成功。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (1, 'Alice', 'alice123', 'password123', 25) IsResult: False操作已成功执行，数据已插入。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (2, 'Bob', 'bob456', 'password456', 30) IsResult: False操作成功执行，数据已插入。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (3, 'Charlie', 'charlie789', 'password789', 35) IsResult: False操作执行成功，新数据已插入。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (4, 'David', 'david101112', 'password101112', 40) IsResult: False操作已成功执行。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (5, 'Eve', 'eve131415', 'password131415', 45) IsResult: FalseSQL语句已成功执行，数据已插入数据库中。根据您的要求，已经成功执行了插入数据的操作。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (6, 'Frank', 'frank161718', 'password161718', 50) IsResult: False已成功执行插入操作。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (7, 'Grace', 'grace192021', 'password192021', 55) IsResult: False操作已成功执行，没有返回结果。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (8, 'Helen', 'helen222324', 'password222324', 60) IsResult: FalseSql语句执行成功，数据已插入。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (9, 'Ivy', 'ivy252627', 'password252627', 65) IsResult: False操作已成功执行。操作已成功执行。Action: insert Sql: INSERT INTO username (id, name, username, password, age) VALUES (10, 'Jack', 'jack282930', 'password282930', 70) IsResult: FalseSQL语句已成功执行，并插入了数据。Action: query Sql: SELECT * FROM username IsResult: True查询结果如下：1. ID: 1, Name: Alice, Username: alice123, Password: password123, Age: 252. ID: 2, Name: Bob, Username: bob456, Password: password456, Age: 303. ID: 3, Name: Charlie, Username: charlie789, Password: password789, Age: 354. ID: 4, Name: David, Username: david101112, Password: password101112, Age: 405. ID: 5, Name: Eve, Username: eve131415, Password: password131415, Age: 456. ID: 6, Name: Frank, Username: frank161718, Password: password161718, Age: 507. ID: 7, Name: Grace, Username: grace192021, Password: password192021, Age: 558. ID: 8, Name: Helen, Username: helen222324, Password: password222324, Age: 609. ID: 9, Name: Ivy, Username: ivy252627, Password: password252627, Age: 6510. ID: 10, Name: Jack, Username: jack282930, Password: password282930, Age: 70我们输入
创建username表，字段 id name username password age，插入十条数据，然后查询username表的所有数据。然后AI帮我们生成了SQL语句，并执行了这些SQL语句，然后返回了结果。他分了很多步骤，每一步都有对应的SQL语句和执行结果。第一步是创建表，第二步是插入数据，第三步是查询数据。然后我们可以看到AI返回了我们查询的数据。
然后我们打开sk.db文件，我们可以看到数据库中已经有了username表，并且插入了十条数据。下一篇，我们讲解Semantic Kernel Plugin插件联网。
来源：opendotnet
免责声明：本站系转载，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本站联系，我们将在第一时间删除内容!
