探索 SK 示例 -- GitHub 存储库中的机器人

微软 3月22日 一篇文章“Semantic-kernel 嵌入和记忆：使用聊天UI探索GitHub Repos”[1] ，文章中进行了展示了嵌入，该文章解释了他们如何帮助开发人员提出有关GitHub存储库的问题或使用自然语言查询探索GitHub存储库。与嵌入一起，这是在SK存储器[2]（嵌入集合）的帮助下完成的，这有助于为提示（或SK世界中的ASK）提供更广泛的上下文。

浏览 GitHub 中的示例：https://aka.ms/sk/repo/samples/github-repo-qa-bot

阅读有关示例的文档：https://aka.ms/sk/github-bot

首先把https://github.com/microsoft/semantic-kernel 克隆到本地。

第一步是运行 本地 API 服务，是基于 Azure function v4 用 C# 编写的，并公开了一些Semantic-kernel API。 运行这个服务，需要安装 Azure Functions Core Tools：https://learn.microsoft.com/zh-cn/azure/azure-functions/functions-run-local?tabs=v4%2Cwindows%2Ccsharp%2Cportal%2Cbash，下载工具本地安装，Azure function是用.NET 构建的：

安装好后，切换到目录samples\dotnet\KernelHttpServer 目录下运行 func start --csharp：

这个表示成功运行了Api服务，接着我们去把 React的 前端应用运行起来，切换到目录 samples\apps\github-qna-webapp-react，运行之前需要安装好工具yarn。

运行 yarn install  和 yarn start，看到类似输出，同时打开了浏览器 http://localhost:3000:

这个示例的聊天模型选择 text-davinci-003：

Embedding 模型选择text-embedding-ada-002：

这个示例向量化的文档是Markdown的文件，我这里使用金融大数据量化分析：https://github.com/plouto-quants/FBDQA-2019A 来做体验一下

把github 仓库中的markdown 文件下载下来后，我们就可以开始体验问答了：

从上面这两个截图你可以看到这个机器人还是很聪明的了，我们问他这个仓库里的文档里的相关问题，都能够回答得很好，这个示例没有记忆功能，也没有持久化，每次运行要重新配置。 实际得产品环境下可以继续基于这样的示例进行加强，把记忆 和 知识库向量持久化做好，那么就可以很轻松的应对以下场景：

• 程序文档
• 学生教育材料
• 公司合同
• 产品文档