AI应用开发之路-准备：发起一个开源小项目 DashScope SDK for .NET

今年我们有一个眼高手低的计划，打算基于 Semantic Kernel + DashScope(阿里云模型服务灵积) + Qwen(通义千问大模型) ，结合园子已有的产品与应用场景，开发面向开发者的 AI 应用，并将整个过程与大家分享。

目前处于准备阶段，这篇博文分享的是遇到的第一个问题，并由此发起一个开源小项目。

通过 Semantic Kernel 使用大模型服务，必须要有对应这个模型服务的 Connector，而 Semantic Kernel 目前只提供了 OpenAI 与 HuggingFace 的 Connector，没有提供 DashScope 的 Connector。

面对这个问题，我们有2个选择：
1）使用已有的 OpenAI Connector，借助 one-api （相当于是一个 api 网关）连接 DashScope。
2）自己开发 DashScope Connector。

经过权衡考虑，我们选择了后者，选择了更难走的一条路。

当我们准备自己开发 DashScope Connector 时，发现 DashScope 没有提供官方版 .NET SDK，阿里云只提供了 Python 与 Java 版的 SDK。

找了非官方的 .NET 版 DashScope SDK，又不能满足我们的需求，于是我们在更难的路上选择了难上加难，决定自己开发一个简单版本的 DashScope SDK for .NET，并以此为基础发起一个开源小项目。

在动手开发 DashScope SDK 的时候，我们又发现官方 Java 与 Python 版 SDK 都没开源，连个参考都没有，难度系数又进一步增加。

面对这些小困难，我们没有知难而退，经过一周左右时间的努力，终于完成了一个初步版本的 DashScope SDK，今天发布出来，想抛砖引玉，借此发起一个开源小项目，如果您对基于 Semantic Kernel + DashScope 开发 AI 应用感兴趣，期待您的关注，更期待您贡献代码，github 仓库地址 https://github.com/cnblogs/dashscope-sdk

接下来，我们会基于 DashScope SDK for .NET 开发 Cnblogs.SemanticKernel.Connectors.DashScope，为基于通义千问大模型的 RAG(Retrieval Augmented Generation) 尝试做准备。