Kernel Memory 入门系列：自定义处理流程
Kernel Memory 入门系列：自定义处理流程
在整个文档预处理的流程中，涉及到很多的处理步骤，例如：文本提取，文本分片，向量化和存储。这些步骤是Kernel Memory中的默认提供的处理方法，如果有一些其他的需求，也可以进行过程的自定义。
自定义Handler
在Kernel Memory中，可以通过自定义Handler的方式来实现自定义的处理流程。自定义Handler需要实现IPipelineStepHandler接口，该接口定义如下：
public interface IPipelineStepHandler
{
string StepName { get; }
Task<(bool success, DataPipeline updatedPipeline)> InvokeAsync(DataPipeline pipeline, CancellationToken cancellationToken = default);
}
其中，StepName是自定义Handler的名称，用于在Pipeline中指定该步骤，InvokeAsync方法是自定义Handler的执行方法。在InvokeAsync方法中，可以对DataPipeline中的数据进行修改，从而实现自定义的处理。
主要的实现逻辑在InvokeAsync方法中，其中DataPipeline是主要的数据结构，它包含了整个文档处理的流程中的所有数据。
如果想要得到当前处理流程中的文件，可以通过DataPipeline.Files属性获取。
public async Task<(bool success, DataPipeline updatedPipeline)> InvokeAsync(DataPipeline pipeline, CancellationToken cancellationToken = default)
{
foreach (DataPipeline.FileDetails file in pipeline.Files)
{
Console.WriteLine(file.Name);
}
return (true, pipeline);
}
实现的过程中建议为Handler注入IPipelineOrchestrator, 通过IPipelineOrchestrator可以获取到当前的Memory的大部分基础组件和文件管理的方法。
例如，如果想获取文件的内容，就可以IPipelineOrchestrator.ReadTextFileAsync方法：
IPipelineOrchestrator orchestrator;
var fileContent = await orchestrator.ReadTextFileAsync(pipeline, file.Name, cancellationToken);
如果想要存储生成的文件内容，就可以使用IPipelineOrchestrator.WriteTextFileAsync方法：
IPipelineOrchestrator orchestrator;
await orchestrator.WriteTextFileAsync(pipeline, file.Name, fileContent, cancellationToken);
除了文本内容，还可以通过IPipelineOrchestrator.ReadFileAsync和IPipelineOrchestrator.WriteFileAsync方法来读取和存储二进制文件。
除此之外，还可以通过IPipelineOrchestrator 获取 TextGenerator 、EmbeddingGenerators、MemoryDbs等基础组件，搭配使用实现更多丰富的流程。
例如使用TextGenerator文本生成服务，可以构建自己的提示词方法，为当前的文档生成摘要、提炼关键词等。
生成的文本，首先通过IPipelineOrchestrator.WriteFileAsync进行内容的存储， 然后将文件信息存放到file.GeneratedFiles中，这样就可以在后续的处理流程中使用了。
var generatedFile = ...;
await orchestrator.WriteFileAsync(pipeline, generatedFile.Name, generatedFile.Content, cancellationToken);
file.GeneratedFiles.Add(new DataPipeline.GeneratedFileDetails
{
Id = Guid.NewGuid().ToString("N"),
ParentId = file.Id,
Name = generatedFile.Name,
Size = generatedFile.Length,
MimeType = generatedFile.Type,
ArtifactType = DataPipeline.ArtifactTypes.SyntheticData,
Tags = pipeline.Tags,
});
另外，其中的File本身存在一组方法，可以用来判断该文件是否已经被当前流程处理过了，以避免重复处理：
file.MarkProcessedBy(this); // 标记当前文件已经被当前Handler处理过了
file.AlreadyProcessedBy(this); // 判断当前文件是否已经被当前Handler处理过了
注册Handler
完成Handler逻辑的编写后，就可以将Handler注册到Memory中进行使用了。
在构建Memory后，通过AddHandler方法即可完成注册：
var memory = new KernelMemoryBuilder()
// ...
.Build<MemoryServerless>();
memory.AddHandler(new MyHandler(memory.Orchestrator));
另外也可以在 MemoryBuilder 阶段，针对Orchestrator进行Handler的注册：
var memoryBuilder = new KernelMemoryBuilder();
var orchestrator = memoryBuilder.GetOrchestrator();
var myHandler = new MyHandler(orchestrator);
await orchestrator.AddHandlerAsync(myHandler);
自定义处理流程
注册完成Handler后，就可以在自定义的Pipeline中使用了。
一种方式是在memory.ImportDocumentAsync的时候，指定 Steps:
await memory.ImportDocumentAsync("sample-Wikipedia-Moon.txt", steps: new[] { "my_step" });
另一种是围绕着Orchestrator进行Pipeline的构建：
var pipeline = orchestrator
.PrepareNewDocumentUpload(index: "tests", documentId: "inProcessTest", new TagCollection { { "testName", "example3" } })
.AddUploadFile("file1", "file1-Wikipedia-Carbon.txt", "file1-Wikipedia-Carbon.txt")
.AddUploadFile("file2", "file2-Wikipedia-Moon.txt", "file2-Wikipedia-Moon.txt")
.Then("extract")
.Then("partition")
.Then("summarize")
.Then("gen_embeddings")
.Then("save_records")
.Build();
await orchestrator.RunPipelineAsync(pipeline, cancellationToken);
以上就完成了自定义流程的实现。
