反射助你无痛使用Semantic Kernel接入离线大模型

本文主要介绍如何使用 llama 的 server 部署离线大模型，并通过反射技术修改 Semantic Kernel 的 OpenAIClient 类，从而实现指定端点的功能。最后也推荐了一些学习 Semantic Kernel 的资料，希望能对你有所帮助。

封面图片： Dalle3 - 反射狐

请添加图片描述

1. 引言

随着 AI 技术的快速发展，越来越多的开发者和企业开始利用 Semantic Kernel 来接入离线大模型，以此获取更精准的自然语言处理能力。SK 框架提供了一种解决方案，可以在编程中更加有效地利用大语言模型来解决复杂的问题。然而，许多开发者在使用过程中都遇到了一个共同的问题：无法将 Semantic Kernel 的 OpenAIClient 配置为连接到自定义端点。

2. 问题背景

在默认情况下，Semantic Kernel的OpenAIClient类被配置为连接到Azure OpenAI的官方端点。这对于大部分用户来说是没有问题的，但对于某些特殊场景的用户来说，这成了一个难题。比如，某些企业或个人无法直接访问OpenAI的官方端点，他们需要使用一个中间服务器进行过滤（如安全审计，内部令牌使用成本分配等），然后将请求转发到OpenAI。对于这些用户来说，能够指定OpenAIClient的端点是非常重要的。

另外，许多开发者希望能够使用像 vLLM, llama.cpp 等技术的托管开源模型，这些模型的端点与 Azure OpenAI 的端点不同，因此也需要能够指定端点的功能。

3. llama 的 server 服务部署与问题复现

其实前面的问题由来已久，作为一个饕餮，虽然早早的 start 了 Semantic Kernel 库，但是我也是养了很久才开始食用的。在使用的过程中，我很自然的从文档的快速开始尝试跑第一个示例。示例中使用的是 Azure OpenAI 的服务，虽然在去年四月份我就有了 GPT-4 的访问权限，但如果用作测试和折腾的话还是离线的更有性价比呀，然后就造成了我第一步就遇到了些许麻烦。

3.1 llama 的 server 服务部署

在 llama.cpp 项目中，有一个示例的 server 服务，可以用来部署离线大模型。在项目的 README 中，有详细的部署步骤，这里就不再赘述了。如果你不想自行编译，或过程中遇到各种问题，可以直接在 releases 中找到编译好的二进制文件。下载或编译成功后，我们可以通过以下命令来启动 server 服务：

./server.exe -m models/qwen1_8b-gguf.bin -c 2048 -ngl 20 --port 8000 -a qwen

其中，-m 参数指定了模型的路径，-c 参数指定了模型的上下文长度，-ngl 参数表示你想让多少个层的计算在GPU上进行，在使用CLBlast或cuBLAS编译的二进制文件时，通常可以提高性能，--port 参数指定了服务的端口，-a 参数指定了模型的名称。启动成功后，我们就可以打开浏览器，访问 http://localhost:8000 来测试服务是否正常运行。

server 服务提供的API是类似于 OpenAI 的 API 的，可以在 READNE 中找到详细的说明。

请添加图片描述

3.2 问题复现

在启动 server 服务后，我们就可以在 Semantic Kernel 中使用了。在 Semantic Kernel 的文档中，有一个示例，可以用来测试是否可以正常连接到 Azure OpenAI 的服务。我们可以将这个示例稍作修改，来测试是否可以连接到我们自己的 server 服务。以下是修改后的示例代码：

var builder = Kernel.CreateBuilder();
var aiclietn =  new OpenAIClient(new Uri("http://127.0.0.1:8000/v1"),new Azure.AzureKeyCredential("empty"));
builder.AddOpenAIChatCompletion("qwen",aiclietn);
var kernel = builder.Build();
// ... 省略部分代码

在修改后的示例代码中，我们将 OpenAIClient 的端点指定为了我们自己的 server 服务的端点。但是事情并没有像我们想象的那样顺利，我们在运行示例代码时，会遇到以下错误：

Unhandled exception. Microsoft.SemanticKernel.HttpOperationException: Service request failed.
Status: 404 (Not Found)Content:
File Not Found
...

通过服务端的控制台日志，我们可以看到，服务端收到了请求，但是却返回了 404 错误。这是因为 OpenAIClient 的默认端点是 Azure OpenAI 的端点，而我们的 server 服务并不是 Azure OpenAI 的端点，因此会返回 404 错误。

{"timestamp":1705215286,"level":"INFO","function":"log_server_request","line":2731,"message":"request","remote_addr":"127.0.0.1","remote_port":6274,"status":404,"method":"POST","path":"/v1/openai/deployments/qwen/chat/completions","params":{"api-version":"2023-12-01-preview"}}

4. 解决方案

4.1 问题分析

OpenAIClient 是 Azure.AI.OpenAI 库提供的，通过其源码我们不难发现，其 OpenAI 的服务地址是固定的我们无法修改，如果指定了endpoint，那么也就是意味着我们默认使用了 Azure OpenAI 的服务，其私有的变量_isConfiguredForAzureOpenAI将为true。下面的代码，则是该库中请求路径拼接的相关函数：

internal RequestUriBuilder GetUri(string deploymentOrModelName, string operationPath)
{RawRequestUriBuilder rawRequestUriBuilder = new RawRequestUriBuilder();rawRequestUriBuilder.Reset(_endpoint);if (_isConfiguredForAzureOpenAI){rawRequestUriBuilder.AppendRaw("/openai", escape: false);rawRequestUriBuilder.AppendPath("/deployments/", escape: false);rawRequestUriBuilder.AppendPath(deploymentOrModelName, escape: true);rawRequestUriBuilder.AppendPath("/" + operationPath, escape: false);rawRequestUriBuilder.AppendQuery("api-version", _apiVersion, escapeValue: true);}else{rawRequestUriBuilder.AppendPath("/" + operationPath, escape: false);}return rawRequestUriBuilder;
}

问题的根源找到了，那么解决方案也就呼之欲出了，我们只需要将_isConfiguredForAzureOpenAI设置为false，就可以指定端点了。但是这个事情并没有那么简单，因为_isConfiguredForAzureOpenAI是一个私有的变量，我们无法直接修改它的值。虽然项目是开源的，但是我们也不可能去修改源码，然后自己编译一个库，这样做的事情有些复杂了。

4.2 解决方案：反射

那么有没有什么办法可以修改私有变量的值呢？答案是肯定的，那就是反射。虽然通过源码我们可以发现这个OpenAIClient类使用了partial关键字，partial关键字允许你将一个类、结构或方法的定义分散在多个文件中。然而，要注意的是，partial关键字只能在同一个程序集（即同一个DLL或EXE）中的文件之间使用。

要修改私有变量的值，使用反射就没有这种限制了。反射是.NET框架提供的一种强大的技术，它允许我们在运行时获取类型的信息，并操作这些类型的成员（如类的字段和方法）。具体来说，我们可以使用反射来修改OpenAIClient类的私有字段_isConfiguredForAzureOpenAI的值。当这个字段的值被设置为false时，OpenAIClient将能够连接到任何端点，从而解决了我们的问题。关于反射的更多信息可以参考官方文档的高级主题：反射。

在.NET中，我们可以使用System.Reflection命名空间中的类来进行反射操作。以下是一个简单的例子，演示了如何使用反射修改_isConfiguredForAzureOpenAI的值：

using Azure.AI.OpenAI;
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
using System.Reflection;var builder = Kernel.CreateBuilder();
var aiclietn =  new OpenAIClient(new Uri("http://127.0.0.1:8000/v1"),new Azure.AzureKeyCredential("empty"));
// 获取_isConfiguredForAzureOpenAI字段的引用
var field = typeof(OpenAIClient).GetField("_isConfiguredForAzureOpenAI", BindingFlags.NonPublic | BindingFlags.Instance);
// 修改_isConfiguredForAzureOpenAI字段的值
if (field != null)
{field.SetValue(aiclietn, false);
}builder.AddOpenAIChatCompletion("qwen",aiclietn);
// ... 省略部分代码

修改完成后，我们使用 dotnet run 命令运行示例代码，就可以看到我们的示例代码终于跑起来了。

请添加图片描述

4.3 更好的解决方案：修改源码

虽然反射可以解决我们的问题，但它并不是最佳的解决方案。反射操作可能会引入一些额外的复杂性和性能开销，而且它依赖于私有字段的名称，如果未来这个名称发生改变，我们的代码就可能会失效。

一个更好的解决方案是直接在OpenAIClient类的源码中添加一个公共方法，用于设置_isConfiguredForAzureOpenAI的值。这样，我们就可以直接调用这个方法来修改字段的值，而不需要使用反射。我已经在GitHub上提交了一个修改，添加了这样一个方法：

public void SetIsConfiguredForAzureOpenAI(bool value)
{_isConfiguredForAzureOpenAI = value;
}

5. 最后

通过反射和源码修改，我们成功解决了Semantic Kernel接入离线大模型的问题。这个解决方案将使Semantic Kernel能够与像vLLM, llama.cpp等技术的托管开源模型进行交互，同时也允许应用程序指定端点，满足了大家迫切的需求，希望这篇文章能对你有所帮助。

最后推荐一些学习Semantic Kernel的资料：

Semantic Kernel 官方文档：https://learn.microsoft.com/zh-cn/semantic-kernel/overview/?wt.mc_id=DT-MVP-5005195
Semantic Kernel 仓库：https://github.com/microsoft/semantic-kernel?wt.mc_id=DT-MVP-5005195
Semantic Kernel CookBook：https://github.com/kinfey/SemanticKernelCookBook?wt.mc_id=DT-MVP-5005195
LLM-Server：https://github.com/kinfey/SemanticKernel-Local-LLM-Server?wt.mc_id=DT-MVP-5005195