从k8s 的声明式API 到 GPT的提示语

命令式

命令式有时也称为指令式，命令式的场景下，计算机只会机械的完成指定的命令操作，执行的结果就取决于执行的命令是否正确。GPT 之前的人工智能就是这种典型的命令式，通过不断的炼丹，告诉计算机要怎么做，计算机只是机械的完成指定场景下的任务。

声明式

声明式也称为描述式或者申明式，这种方式告诉计算机想要的，由计算机自己去设定执行的路径，需要计算机有一定的智能。

最常见的声明式例子就是数据库，查询的 sql 就表示我们想要的结果集，数据库运行查询 sql 的时候，会帮我们处理查询，并且返回查询的结果。数据库在查询的时候，会进行索引匹配，做查询优化等处理，再返回数据结果的时候，同时使用最优的查询路径。如果我们自己去处理这些操作，就需要写很多代码了，而不是仅仅通过一行代码就能解决。现在最热门的声明式例子是ChatGPT 为代表的生成式AI的 GPT，我们通过写一些提示Prompt 指引去引导人工智能完成不同的任务。

Kubernetes 的设计用的就是声明式的设计思想。Kubernetes 不仅仅是一个编排系统，实际上它消除了编排的需要。编排的技术定义是执行已定义的工作流程：首先执行 A，然后执行 B，再执行 C。而 Kubernetes 包含了一组独立可组合的控制过程，可以连续地将当前状态驱动到所提供的预期状态。你不需要在乎如何从 A 移动到 C，也不需要集中控制，这使得系统更易于使用且功能更强大、系统更健壮，更为弹性和可扩展。这正是声明式的设计思想的体现。

这次生成式AI 在人工智能领域所带来的变革，如果你把生成式 AI 看成是一些命令式的简单接口调用是非常错误的。我们需要象Kubernetes 那样看待这次生成式 AI 。生成式AI是一个类似于Kubernetes的全新的操作系统，它改变了我们过往对人工智能的认知。我们需要从告诉计算机要怎么做转变为告诉计算机必须要完成什么。那如何在项目中管理这些Prompt 指引是一个项目中不可缺少的。微软发布了开源的面向生成式 AI 编程的框架 Semantic Kernel （简称SK：https://github.com/microsoft/semantic-kernel），让项目能更有效地管理这些指引，SK 让我们开发LLM 应用更简单，这和Kubernetes下的应用开发框架Dapr 的很多理念是相通的。

生成式人工智能诞生后，我们从告诉机器要怎么做转变为告诉机器必须要做什么，这就降低了对于编码的依赖。例如翻译，归纳，总结再不用做具体算法了，只需要用简单的提示语 AI 就可以帮你完成。那就是说我们需要做的是写 Prompt 触发人工智能做事，Prompt 的内容涵盖不同的场景，不同的任务，涉及到各式各样的工作流程。如何管理好这些 Prompt 让生成式 AI 能完成任务这是大家所关注的。还有通过对话上下文作出不同的响应，让 AI 注入到对话流中也是很重要。Semantic Kernel 就是用来解决管理上下文对话以及各种技能的框架。

Semantic Kernel 是面向 AI 编程的最佳方案，可以结合不同场景，综合技能和意图，支持多语言开发的框架。.NET 开发者可以通过 Semantic Kernel ，可以更高效地生成式 AI 的应用开发。