在AI浪潮汹涌的当下，一个基于.NET 9和Blazor技术栈的开源项目正在悄然改变着企业级AI应用的开发格局。AntSK，这个集成了Semantic Kernel和Kernel Memory的智能体平台，不仅展现了.NET生态在AI领域的强大潜力，更为开发者提供了一个完整的AI应用开发解决方案。

💡 项目概览：不只是一个知识库

AntSK（Ant Semantic Kernel）是一个基于.NET 9构建的企业级AI知识库和智能体平台。它巧妙地将微软的Semantic Kernel和Kernel Memory框架融合在一起，通过Blazor Server技术提供了一个现代化的Web界面，让AI应用的开发变得既直观又高效。

🎯 核心价值主张

1. 多模型统一管理：支持OpenAI、Azure OpenAI、讯飞星火、阿里云积灵等主流大语言模型

2. 智能知识库：基于向量化技术的文档检索和问答系统

3. 开放插件架构：支持.NET DLL插件和API插件的动态加载

4. 文生图能力：集成Stable Diffusion本地模型

5. 企业级部署：支持Docker容器化和多种数据库后端

🏗️ 技术架构深度剖析

分层架构设计

AntSK采用了经典的分层架构模式，但在AI应用的特殊需求下进行了巧妙的调整：

graph TB
    subgraph "表现层 Presentation"
        UI[Blazor Server UI]
        API[Web API Controllers]
    end
    
    subgraph "应用服务层 Application"
        Chat[ChatService]
        KMS[KMService]
        Kernel[KernelService]
        Plugin[FunctionService]
    end
    
    subgraph "领域核心层 Domain"
        SK[Semantic Kernel]
        KM[Kernel Memory]
        Embedding[向量嵌入引擎]
    end
    
    subgraph "基础设施层 Infrastructure"
        DB[(关系数据库)]
        Vector[(向量数据库)]
        Storage[文件存储]
        OCR[OCR服务]
    end

1. 表现层：Blazor Server的现代化UI

AntSK选择Blazor Server而非传统的MVC或Web API + SPA模式，这个决策颇具前瞻性：

// Program.cs 中的关键配置
builder.Services.AddServerSideBlazor();
builder.Services.AddAntDesign(); // 集成Ant Design组件库

// 实时通信支持
app.MapBlazorHub();
app.MapFallbackToPage("/_Host");

技术亮点：

• 实时性：通过SignalR实现客户端与服务器的实时通信，完美适配AI对话场景

• 组件化：基于Ant Design Blazor的企业级UI组件库

• 服务端渲染：减少客户端资源消耗，提升首屏加载速度

2. 应用服务层：智能化的业务编排

ChatService：对话服务的核心引擎

[ServiceDescription(typeof(IChatService), ServiceLifetime.Scoped)]
public class ChatService(
    IKernelService _kernelService,
    IKMService _kMService,
    IKmsDetails_Repositories _kmsDetails_Repositories,
    IAIModels_Repositories _aIModels_Repositories
) : IChatService

这个服务展现了现代.NET的设计理念：

• 使用主构造函数（.NET 9新特性）简化代码

• 依赖注入模式确保服务解耦

• 泛型仓储模式提供数据访问抽象

KernelService：AI模型的统一调度器

public Kernel GetKernelByApp(Apps app)
{
    var chatModel = _aIModels_Repositories.GetFirst(p => p.Id == app.ChatModelID);
    var chatHttpClient = OpenAIHttpClientHandlerUtil.GetHttpClient(chatModel.EndPoint);
    
    var builder = Kernel.CreateBuilder();
    WithTextGenerationByAIType(builder, chatModel, chatHttpClient);
    
    _kernel = builder.Build();
    RegisterPluginsWithKernel(_kernel);
    return _kernel;
}

这里的设计精妙之处在于：

• 动态模型切换：每次创建新的Kernel实例，支持不同应用使用不同模型

• 插件热加载：通过反射机制动态注册插件功能

• 多AI厂商适配：统一的接口适配不同的AI服务提供商

3. 领域核心层：AI能力的技术基石

Semantic Kernel集成：函数调用的艺术

private void WithTextGenerationByAIType(IKernelBuilder builder, AIModels chatModel, HttpClient chatHttpClient)
{
    switch (chatModel.AIType)
    {
        case AIType.OpenAI:
            builder.AddOpenAIChatCompletion(
                modelId: chatModel.ModelName,
                apiKey: chatModel.ModelKey,
                httpClient: chatHttpClient);
            break;
        case AIType.AzureOpenAI:
            builder.AddAzureOpenAIChatCompletion(/*...*/);
            break;
        case AIType.SparkDesk:
            builder.Services.AddKeyedSingleton<IChatCompletionService>(
                chatModel.ModelName, 
                new SparkDeskChatCompletion(/*...*/));
            break;
    }
}

技术创新点：

• 多厂商统一接口：通过适配器模式支持不同AI服务商

• HTTP客户端优化：自定义HttpClient处理代理和超时

• 服务键化注册：使用.NET DI的键化服务支持多模型并存

Kernel Memory：知识库的向量化魔法

public MemoryServerless GetMemoryByKMS(string kmsID)
{
    var memoryBuild = new KernelMemoryBuilder()
        .WithCustomTextPartitioningOptions(new TextPartitioningOptions
        {
            MaxTokensPerLine = kms.MaxTokensPerLine,
            MaxTokensPerParagraph = kms.MaxTokensPerParagraph,
            OverlappingTokens = kms.OverlappingTokens
        });
    
    WithTextGenerationByAIType(memoryBuild, chatModel, chatHttpClient);
    WithTextEmbeddingGenerationByAIType(memoryBuild, embedModel, embeddingHttpClient);
    WithMemoryDbByVectorDB(memoryBuild);
    
    return memoryBuild.Build<MemoryServerless>();
}

核心技术特性：

• 文档分块策略：智能的文本分割算法，平衡检索精度和性能

• 向量嵌入：支持BGE、OpenAI等多种嵌入模型

• 多向量数据库：Postgres、Qdrant、Redis等多种存储后端

4. 插件系统：可扩展性的终极体现

AntSK的插件系统是其最具创新性的特性之一，支持三种插件类型：

.NET原生插件

[Description("AntSK:获取订单信息")]
[return: Description("订单信息")]
public string GetOrder([Description("订单号")] string id)
{
    return $"""
        订单ID: {id}
        商品名：小米MIX4
        数量：1个
        价格：4999元
        收货地址：上海市黄浦区
    """;
}

技术实现：

• 反射机制：运行时扫描带有特定特性的方法

• 动态加载：使用AssemblyLoadContext实现程序集隔离

• 依赖解析：自动解析插件依赖的服务

API插件

private void ImportApiFunction(Apps app, List<KernelFunction> functions)
{
    if (!string.IsNullOrWhiteSpace(app.ApiFunctionList))
    {
        var apiIdList = app.ApiFunctionList.Split(",");
        var apis = _apis_Repositories.GetList(p => apiIdList.Contains(p.Id));
        
        foreach (var api in apis)
        {
            var openApiDocument = OpenApiDocument.Parse(api.Content);
            var plugin = await _kernel.ImportPluginFromOpenApiAsync(
                api.Name, 
                openApiDocument, 
                new OpenApiFunctionExecutionParameters()
                {
                    HttpClient = httpClient,
                    EnableDynamicPayload = true
                });
            functions.AddRange(plugin);
        }
    }
}

设计亮点：

• OpenAPI标准：基于业界标准的API描述格式

• 动态解析：运行时解析API文档并生成函数

• HTTP客户端复用：优化网络资源使用

🎨 核心功能深度解析

1. 智能知识库：RAG架构的最佳实践

AntSK的知识库功能基于RAG（Retrieval-Augmented Generation）架构，但在实现上有诸多创新：

文档处理流水线

public void ImportKMSTask(ImportKMSTaskReq req)
{
    var _memory = _kMService.GetMemoryByKMS(km.Id);
    
    if (req.IsQA)
    {
        _memory.Orchestrator.AddHandler<TextExtractionHandler>("extract_text");
        _memory.Orchestrator.AddHandler<QAHandler>(km.ChatModelID);
        _memory.Orchestrator.AddHandler<GenerateEmbeddingsHandler>("generate_embeddings");
        _memory.Orchestrator.AddHandler<SaveRecordsHandler>("save_memory_records");
    }
}

处理流程：

1. 文本提取：支持Word、PDF、Excel、PPT等多种格式

2. 问答生成：使用大语言模型生成问答对

3. 向量化：将文本转换为高维向量

4. 存储索引：保存到向量数据库中

检索增强机制

var searchResult = await memory.SearchAsync(
    questions, 
    index: KmsConstantcs.FileIndex, 
    filters: filters);

relevantSourceList.AddRange(searchResult.Results.SelectMany(item => 
    item.Partitions.Select(part => new RelevantSource()
    {
        SourceName = item.SourceName,
        Text = Markdown.ToHtml(part.Text),
        Relevance = part.Relevance
    })));

技术特点：

• 语义检索：基于向量相似度的智能检索

• 结果重排：使用BGE-rerank模型提升检索精度

• 上下文融合：将检索结果融入对话上下文

2. 文生图功能：Stable Diffusion的本地化部署

AntSK集成了Stable Diffusion模型，提供本地化的文生图能力：

public static Bitmap[] TextToImage(TextToImageParams textToImageParams)
{
    SDImagePtr sd_Image_ptr = Native.txt2img(sd_ctx,
        textToImageParams.Prompt,
        textToImageParams.NegativePrompt,
        textToImageParams.ClipSkip,
        textToImageParams.CfgScale,
        textToImageParams.Width,
        textToImageParams.Height,
        textToImageParams.SampleMethod,
        textToImageParams.SampleSteps,
        textToImageParams.Seed,
        textToImageParams.BatchCount,
        /*...其他参数...*/);

    Bitmap[] images = new Bitmap[textToImageParams.BatchCount];
    for (int i = 0; i < textToImageParams.BatchCount; i++)
    {
        SDImage sd_image = Marshal.PtrToStructure<SDImage>(
            sd_Image_ptr + i * Marshal.SizeOf<SDImage>());
        images[i] = GetBitmapFromSdImage(sd_image);
    }
    return images;
}

技术实现：

• P/Invoke调用：通过DllImport调用C++编写的SD库

• 内存管理：使用Marshal类进行非托管内存操作

• 批量生成：支持一次生成多张图片

3. OCR文字识别：多模态输入支持

private static void WithOcr(IKernelMemoryBuilder memoryBuild, Kmss kms)
{
    if (kms.IsOCR == 1)
    {
        memoryBuild.WithCustomImageOcr(new AntSKOcrEngine());
    }
}

AntSK集成了OCR引擎，支持从图片中提取文字，为多模态AI应用提供基础能力。

🛠️ 技术栈深度分析

后端技术栈

.NET 9：现代化的开发平台

<PropertyGroup>
    <TargetFramework>net9.0</TargetFramework>
    <Nullable>enable</Nullable>
    <ImplicitUsings>enable</ImplicitUsings>
</PropertyGroup>

关键特性应用：

• 可空引用类型：编译时空引用检查，提升代码质量

• 隐式using：减少样板代码，提升开发效率

• 主构造函数：简化依赖注入的写法

• 原始字符串字面量：更好的多行字符串支持

依赖包版本管理

<PropertyGroup>
    <KMVersion>0.71.240820.1</KMVersion>
    <SKVersion>1.17.2</SKVersion>
    <NetVersion>9.0.0</NetVersion>
</PropertyGroup>

项目采用集中式版本管理，通过Directory.Build.props文件统一管理依赖版本，确保版本一致性。

数据访问层：SqlSugar ORM

builder.Services.Configure<DBConnectionOption>(
    builder.Configuration.GetSection("DBConnection"));

支持多种数据库：

• PostgreSQL：推荐的生产环境数据库

• SQLite：轻量级开发测试数据库

• MySQL/SQL Server：传统企业级数据库

• Oracle：大型企业级解决方案

AI技术栈

1. Semantic Kernel：AI编排框架

<PackageReference Include="Microsoft.SemanticKernel" Version="$(SKVersion)" />
<PackageReference Include="Microsoft.SemanticKernel.Core" Version="$(SKVersion)" />
<PackageReference Include="Microsoft.SemanticKernel.Plugins.Core" Version="$(SKVersion)-alpha" />

核心优势：

• 统一抽象：为不同AI服务提供统一接口

• 插件机制：支持功能扩展和组合

• 规划能力：支持复杂任务的自动规划和执行

2. Kernel Memory：知识管理框架

<PackageReference Include="Microsoft.KernelMemory.Core" Version="$(KMVersion)" />
<PackageReference Include="Microsoft.KernelMemory.MemoryDb.Postgres" Version="$(KMVersion)" />
<PackageReference Include="Microsoft.KernelMemory.MemoryDb.Qdrant" Version="$(KMVersion)" />
<PackageReference Include="Microsoft.KernelMemory.MemoryDb.Redis" Version="$(KMVersion)" />

多存储后端支持：

• PostgreSQL + pgvector：关系型数据库的向量扩展

• Qdrant：专业的向量数据库

• Redis：高性能内存向量存储

• AzureAI Search：云端托管的搜索服务

前端技术栈

Ant Design Blazor：企业级UI组件

builder.Services.AddAntDesign();

组件特性：

• 丰富的组件库：60+高质量Blazor组件

• 主题定制：支持深度定制的主题系统

• 国际化：内置多语言支持

• 响应式设计：适配各种屏幕尺寸

🚀 部署架构与运维实践

Docker容器化部署

AntSK提供了完整的容器化解决方案：

简化版部署（docker-compose.simple.yml）

version: '3.8'
services:
  antsk:
    container_name: antsk-simple
    image: registry.cn-hangzhou.aliyuncs.com/AIDotNet/antsk:latest
    ports:
      - "5000:5000"
    environment:
      - ASPNETCORE_URLS=http://*:5000
    volumes:
      - ./appsettings.json:/app/appsettings.json
      - ./data:/app/data

特点：

• SQLite数据库：无需额外数据库服务

• 磁盘向量存储：简化向量数据管理

• 快速启动：适合开发和小规模部署

完整版部署（docker-compose.yml）

version: '3.8'
services:
  antsk:
    depends_on:
      - postgres
      - redis
    environment:
      - ConnectionStrings__DefaultConnection=Host=postgres;Database=antsk;Username=antsk;Password=your_password
      - KernelMemory__VectorDb=Postgres

企业级特性：

• PostgreSQL集群：支持主从复制和读写分离

• Redis缓存：提升系统响应速度

• 监控集成：集成Aspire监控面板

配置管理最佳实践

{
  "DBConnection": {
    "DbType": "Postgres",
    "ConnectionStrings": "Host=localhost;Database=antsk;Username=antsk;Password=your_password"
  },
  "KernelMemory": {
    "VectorDb": "Postgres",
    "ConnectionString": "Host=localhost;Database=antsk;Username=antsk;Password=your_password",
    "TableNamePrefix": "km-"
  },
  "BackgroundTaskBroker": {
    "ImportKMSTask": {
      "WorkerCount": 2
    }
  }
}

配置要点：

• 环境隔离：开发、测试、生产环境独立配置

• 敏感信息：使用环境变量或密钥管理服务

• 性能调优：根据硬件资源调整工作线程数

🎯 应用场景与实践案例

1. 企业知识管理系统

场景描述：大型企业内部文档检索和知识问答

技术实现：

• 导入企业内部文档（规章制度、技术文档、培训材料）

• 使用BGE中文嵌入模型提升中文检索效果

• 集成企业认证系统，实现权限控制

价值体现：

• 提升员工查找信息效率80%

• 减少重复性咨询工作量60%

• 保障企业知识资产安全

2. 智能客服系统

场景描述：电商平台的智能客服机器人

技术实现：

// 集成订单查询插件
[Description("AntSK:获取订单信息")]
public string GetOrder([Description("订单号")] string orderId)
{
    // 调用订单系统API
    var order = _orderService.GetOrderById(orderId);
    return JsonSerializer.Serialize(order);
}

功能特性：

• 24/7全天候服务

• 多轮对话上下文理解

• 业务系统集成（订单、物流、库存）

3. 研发团队的代码助手

场景描述：为开发团队提供代码查询和技术支持

技术实现：

• 导入项目文档、API文档、最佳实践

• 集成代码仓库，实现代码片段搜索

• 结合函数调用能力，提供实时的系统状态查询

🔮 技术趋势与未来展望

1. 多模态AI集成

随着GPT-4V、Claude 3等多模态模型的普及，AntSK未来将深度集成：

• 图像理解：文档中的图表、图片内容理解

• 视频处理：视频内容的自动转录和索引

• 语音交互：语音输入输出能力

2. Agent工作流编排

基于Semantic Kernel的规划能力，构建更复杂的AI Agent：

• 任务分解：复杂任务的自动分解和执行

• 工具调用：与外部系统的深度集成

• 决策推理：基于上下文的智能决策

3. 边缘计算优化

针对私有化部署需求：

• 模型量化：减少模型大小和计算资源需求

• 推理优化：使用ONNX Runtime等推理引擎

• 硬件适配：支持更多类型的GPU和专用AI芯片

4. 企业级治理能力

• 模型安全：内容过滤、偏见检测

• 审计日志：完整的操作记录和追踪

• 合规支持：满足各行业的合规要求

💎 技术亮点总结

1. 架构设计的前瞻性

AntSK的架构设计充分体现了现代软件工程的最佳实践：

• 领域驱动设计：清晰的业务边界和职责划分

• 依赖注入：高度解耦的服务架构

• 异步编程：充分利用.NET的异步特性

2. AI技术的深度整合

不是简单的API调用，而是深度的技术整合：

• 多模型适配：统一接口支持不同AI服务商

• 向量化存储：高效的语义检索能力

• 插件生态：可扩展的功能架构

3. 开发体验的优化

• 热重载：Blazor的开发时热重载能力

• 类型安全：C#的强类型系统保障

• 工具链完善：Visual Studio的完整支持

4. 部署运维的便利性

• 容器化：标准化的部署方式

• 配置外化：灵活的配置管理

• 监控集成：内置的监控和日志系统

🎪 结语：AI时代的.NET新篇章

AntSK项目的出现，标志着.NET生态在AI领域的一次重要突破。它不仅展示了.NET 9在现代AI应用开发中的强大能力，更为企业级AI应用的构建提供了一个完整的参考实现。

从技术角度看，AntSK成功地将Semantic Kernel、Kernel Memory等前沿AI框架与.NET生态深度融合，创造了一个既强大又易用的AI开发平台。从业务角度看，它为企业数字化转型提供了一个可落地、可扩展的智能化解决方案。

对于.NET开发者而言，AntSK不仅是一个可以直接使用的AI平台，更是学习现代AI应用架构设计的绝佳案例。它展示了如何在传统的Web应用框架基础上，构建面向AI时代的新型应用。

在AI技术日新月异的今天，AntSK以其开源、开放的姿态，为.NET社区在AI领域的探索提供了一个重要的里程碑。相信随着项目的持续发展和社区的积极参与，AntSK将成为企业级AI应用开发的重要基础设施，推动更多创新应用的诞生。

---

项目地址：https://github.com/AIDotNet/AntSK
在线体验：https://demo.antsk.cn/
技术文档：http://antsk.cn

让我们一起见证.NET在AI时代的华丽蜕变，共同构建更智能的未来！ 🚀✨

更多AIGC文章