Semantic Kernel 提示词、模板与上下文记忆

随着大语言模型（LLM）逐渐成为智能应用的核心，如何与模型进行高质量的“对话”设计，成为每位开发者必须掌握的能力。Microsoft 的 Semantic Kernel（简称 SK）为我们提供了一整套提示词系统（Prompt System），包括：

• 提示词编写技巧
• 模板化提示词管理（支持 Handlebars）
• 聊天上下文记录（ChatHistory）

今天我们就来带大家深入理解这些关键能力，并结合代码实战，掌握构建智能对话应用的基础框架。

一、提示词（Prompt）：让 AI 明白你的意图

在 Semantic Kernel 中，Prompt 是和大语言模型交流的方式。写得好，AI 懂你；写不好，AI 胡说。

常见提示词策略：

二、提示词模板（Prompt Template）：构建可复用的智能模块

Prompt Template 就像“提示词函数”，不仅可以插入变量，还能调用其他 AI 函数、集成结构化模板，方便维护与组合。

Template 有两种语法风格：

Handlebars YAML 示例：

name: image_prompt
template_format: handlebars
template: |
 <message>
 <text>{{description}}</text>
 </message>
input_variables:
 - name: description
 is_required: true

var yaml = EmbeddedResource.Read("image_prompt.yaml");
var function = kernel.CreateFunctionFromPromptYaml(yaml, new HandlebarsPromptTemplateFactory());

三、ChatHistory：打造有记忆的 AI 对话助手

真正“聪明”的对话系统，必须记得前面说过什么。ChatHistory 是 Semantic Kernel 中用于记录上下文的关键类。

ChatHistory chat = [];
chat.AddSystemMessage("你是一个乐于助人的助手。");
chat.AddUserMessage("现在可以点些什么？");
chat.AddAssistantMessage("我们提供披萨、意大利面和沙拉。");

支持图文消息、作者信息：

chat.Add(new()
{
 Role = AuthorRole.User,
 AuthorName = "Alice", // 用户名
 Items = [
 new TextContent { Text = "菜单上有哪些？" },
 new ImageContent { Uri = new Uri("https://example.com/menu.jpg") } // 菜单图片链接
 ]
});

四、三者协同：构建完整智能对话流程

Prompt 负责告诉 AI “做什么”
Template 让提示词结构清晰、可复用
ChatHistory 让 AI 记住过去，理解上下文

这三者组合起来，就是打造语义感知、连续对话、可维护 AI 系统的核心架构。

五、语义内核提示模板

 var skTemplateFactory = new KernelPromptTemplateFactory();
var skPromptTemplate = skTemplateFactory.Create(new PromptTemplateConfig(
 """
 你是一名乐于助人的职业顾问。请根据用户的技能和兴趣，推荐最多 5 个合适的职位角色。
 请以如下 JSON 格式返回内容：
 "职位推荐":
 {
 "recommendedRoles": [], // 推荐的职位
 "industries": [], // 所属行业
 "estimatedSalaryRange": "" // 预计薪资范围
 }
 我的技能包括：{{$skills}}。我的兴趣包括：{{$interests}}。根据这些，哪些职位适合我？
 """
 ));
// 渲染提示模板并传入参数
var skRenderedPrompt = await skPromptTemplate.RenderAsync(
 _kernel,
 new KernelArguments
 {
 ["skills"] = skills,
 ["interests"] = interests
 }
);

六、Handlebars提示词模板

var roleMatch = Regex.Match(message, @"角色[:：](.*?)([;；]|$)");
var skillMatch = Regex.Match(message, @"技能[:：](.*)");
string roles = roleMatch.Success ? roleMatch.Groups[1].Value.Trim() : "";
string skill = skillMatch.Success ? skillMatch.Groups[1].Value.Trim() : "";
var hbTemplateFactory = new HandlebarsPromptTemplateFactory();
var hbPromptTemplate = hbTemplateFactory.Create(new PromptTemplateConfig()
{
 TemplateFormat = "handlebars",
 Name = "MissingSkillsPrompt",
 Template = """
 <message role="system">
 指令：你是一名职业顾问。请分析用户当前技能与目标职位要求之间的技能差距。
 </message> 
 <message role="user">目标职位：{{targetRole}}</message>
 <message role="user">当前技能：{{currentSkills}}</message>
 <message role="assistant">
 “技能差距分析”：
 {
 "缺失技能": [],
 "建议学习的课程": [],
 "推荐的认证": []
 }
 </message>
 """
}
);

var hbRenderedPrompt = await hbPromptTemplate.RenderAsync(
_kernel,
new KernelArguments
{
 ["targetRole"] = roles,
 ["currentSkills"] = skill
});

示例源码

https://github.com/bingbing-gui/AspNetCore-Skill/tree/master/src/09-AI-Agent/SemanticKernel/SK.RunPrompts

总结一句话

使用 Semantic Kernel 的 Prompt + Template + ChatHistory 组合，你可以轻松构建真正智能、会“聊天”的 AI 应用。

不论是开发 AI 助手、客服机器人，还是个性化推荐系统，这一套设计都是值得借鉴的黄金架构。