摘要：Kernel Memory (KM) 是一种多模态 AI 服务，专注于通过自定义的连续数据混合管道高效索引数据集。它支持检索增强生成（RAG）、合成记忆、提示工程以及自定义语义记忆处理。KM 支持自然语言查询，从已索引的数据中获取答案，并提供完整的引用和原始来
Kernel Memory (KM) 是一种多模态 AI 服务，专注于通过自定义的连续数据混合管道高效索引数据集。它支持检索增强生成（RAG）、合成记忆、提示工程以及自定义语义记忆处理。KM 支持自然语言查询，从已索引的数据中获取答案，并提供完整的引用和原始来源链接。
通过 KM 我们可以让 LLM 认识更多新的知识。比如认识新的文本内容，WORD文档，PDF, PPT，甚至是直接爬取一个网页然后进行 embedding，连爬虫都帮你写好了。
KM 看起来是专为 RAG 设计的一套框架。很多同学可能已经知道 SK 里面有 Semantic Memory (SM)，它可以用来做 RAG。乍一看很容易就把 KM 当作了 SM。但其实 KM 跟 SM 并不是一回事。虽然 KM 是从 SM 发展而来的。但现在 KM 已经可以脱离 SK 独立运行。
KM 现在可以方便的集成进 .NET Backend/Console/Desktop 应用程序里面，使这些程序立马获得本地识别文档的能力。这种模式叫做Synchronous Memory API (aka “serverless”)使用 KM 还是需要搭配 LLM 的能力。这里还是使用本地的 Ollama 来运行 llama3.1:8b 的模型。下面让我们看看怎么使 KM 认识以下这段我刚编的关于 QIQI 动物园的文字。
Qiqi Zoo features 10 monkeys, 8 tigers, 6 elephants, 4 horses, 100 ostriches, and 99 koalas.\n\n" +"Ticket Prices:\n\n" +
"Adults: 100 RMB\n" +
"Children: 50 RMB\n" +
"Contact: 13813818188\n" +
"Address: 999 Xinghu Street, Suzhou Industrial Park, Jiangsu, China.
以下代码我们指示了使用 ollama 来进行文本生成跟文本 embedding 生成。同时指定了使用一个简易的内存数据库来存储跟检索向量。然后把 Qiqi zoo 的文本内容导入进去，之后就可以问相关的问题了。
var modelName = "llama3.1:8b";var ollamaEndpoint = "http://localhost:11434";
var ollamaApiClient = new OllamaApiClient(new Uri(ollamaEndpoint), modelName);
var ollamaModelConfig = newOllamaModelConfig { ModelName = modelName };
var textEmbeddingGenerator = new OllamaTextEmbeddingGenerator(ollamaApiClient, ollamaModelConfig);
var memory = new KernelMemoryBuilder
.WithOllamaTextGeneration(modelName, ollamaEndpoint)
.WithOllamaTextEmbeddingGeneration(modelName, ollamaEndpoint)
#pragma warning disable KMEXP03
.AddIngestionMemoryDb(new SimpleVectorDb(SimpleVectorDbConfig.Volatile, textEmbeddingGenerator))
#pragma warning restore KMEXP03
.Build;
var text = "Qiqi Zoo features 10 monkeys, 8 tigers, 6 elephants, 4 horses, 100 ostriches, and 99 koalas.\n\n" +
"Ticket Prices:\n\n" +
"Adults: 100 RMB\n" +
"Children: 50 RMB\n" +
"Contact: 13813818188\n" +
"Address: 999 Xinghu Street, Suzhou Industrial Park, Jiangsu, China.";
await memory.ImportTextAsync(text, "doc01");
var query = Console.ReadLine;
while(!string.IsOrEmpty(query))
{
var answer = await memory.AskAsync(query);
Console.WriteLine(answer);
query = Console.ReadLine;
}
问几个关于这段文字的问题，回答的非常精准。
我们还可以使用 KM 来直接识别 word，ppt，pdf 等文档。你都不用自己预处理这些文档，微软简直太贴心了。
await memory.ImportDocumentAsync(new Document("file001").AddFile("memory/QiqiZoo.docx"));除了本地的文本，文档这些内容，KM 还能直接从远程网页上获取内容。简直了，爬虫都不用自己写了。
await memory.ImportWebPageAsync("https://www.cnblogs.com/kklldog/p/18538651", "web001");KM 是微软从 SK Semantic memory 的开发经历与用户反馈总结孵化出来的一个框架。它提供了许多开箱即用的能力来让开发者获取 RAG 的能力。它支持导入多种多样的文档（docx，pdf，ppt，json，html...）。它可以直接集成进你的应用内，也可以作为后端服务提供更强大的处理与扩展能力。如果你想快速构建一个问答知识库，不妨试试 Kernel Memory。
参考：https://microsoft.github.io/kernel-memory/
来源：opendotnet
