AI与.NET技术实操系列（四）：使用 Semantic Kernel 和 DeepSeek 构建AI应用

1. 引言

在人工智能技术飞速发展的今天，大型语言模型（Large Language Models, LLMs）已成为智能应用开发的核心驱动力。从智能客服到自动化内容生成，LLMs的应用正在深刻改变我们的工作和生活方式。

对于.NET开发者而言，掌握如何将LLMs集成到应用程序中，不仅是一项技术挑战，更是抓住未来趋势的关键。微软推出的Semantic Kernel（SK）为此提供了一个强大的工具，它使开发者能够在.NET环境中轻松构建基于LLMs的智能应用，大幅降低了开发门槛。

Semantic Kernel是一个开源项目，旨在为开发者提供一套灵活且功能丰富的API，以简化LLMs的集成和使用。通过SK，开发者可以快速实现智能对话、内容生成、知识检索等功能，而无需深入研究LLMs的底层实现。SK采用“插件化”和“模块化”的设计理念，允许开发者根据需求自由组合和扩展功能，打造高度定制化的AI应用。这种设计不仅提高了开发效率，还为创新提供了广阔的空间。

然而，SK的强大功能也伴随着一定的复杂性。开发者需要理解其核心概念（如“内核”、“技能”和“插件”），并掌握模型选择、性能优化和资源管理等技术细节。这些都需要一定的AI和.NET开发经验。

本文将通过一个具体的实践任务——构建一个智能助手，展示如何使用Semantic Kernel在.NET中开发AI应用。这个任务贴近实际业务需求，能够帮助读者深入理解SK的使用方法和设计哲学。我们将从SK的基础知识入手，逐步介绍其安装、配置和基本用法，并通过详细的代码示例，引导读者完成一个功能完备的智能助手应用。

希望本文能激发你的兴趣，帮助你在.NET中开启Semantic Kernel的探索之旅。随着AI技术的不断进步，SK将为开发者带来更多创新机会，让我们共同迎接智能应用的新时代！

2. Semantic Kernel简介

在深入探讨Semantic Kernel（SK）之前，我们先来了解它是什么以及它在AI应用开发中的作用。Semantic Kernel是微软开发的一个开源项目，旨在帮助开发者构建基于大型语言模型的智能应用程序。它提供了一套工具和API，使开发者能够轻松地将LLMs集成到.NET应用中，实现智能对话、内容生成和知识检索等功能。

2.1 什么是Semantic Kernel？

Semantic Kernel（SK）是一个轻量级的软件开发工具包（SDK），允许开发者通过.NET平台与LLMs进行交互。它的核心设计理念是“插件化”和“模块化”，使开发者能够根据需求灵活组合和扩展功能。SK通过以下关键组件实现其功能：

  • 内核（Kernel）：SK的核心组件，负责管理LLMs的调用、内存管理和技能的注册。它如同一个指挥中心，协调所有操作。
  • 技能（Skills）：一组预定义的功能模块，可以是原生的.NET代码，也可以是基于LLMs的提示（prompt）。技能是SK功能的具体实现单元。
  • 插件（Plugins）：技能的集合，可以作为一个整体注册到内核中，便于管理和复用。

通过这种设计，SK提供了一个灵活且可扩展的框架，使开发者能够快速构建复杂的AI应用。无论是简单的文本生成还是复杂的多轮对话系统，SK都能提供支持。

2.2 Semantic Kernel的优势

与直接调用LLMs的API相比，SK具有以下显著优势：

  • 简化的API：SK封装了LLMs的复杂性，提供直观易用的接口，降低了开发难度。
  • 插件化架构：开发者可以轻松添加、移除和组合技能，构建高度定制化的应用。
  • 内存管理：SK内置了对上下文的管理功能，支持在对话中维护历史信息，提升交互的连贯性。
  • 多模型支持：SK不仅兼容OpenAI的模型，还支持Azure OpenAI、Hugging Face等其他LLMs提供商的模型，具有良好的扩展性。

这些优势使SK成为.NET开发者构建AI应用的理想选择。无论你是初学者还是经验丰富的开发者，SK都能帮助你快速上手并实现创意。

3. 设置和使用Semantic Kernel

在开始使用Semantic Kernel之前，我们需要进行一些准备工作，包括安装SK的NuGet包和配置开发环境。

3.1 安装Semantic Kernel

SK可以通过NuGet包管理器安装。以下是安装SK核心包的命令：

dotnet add package Microsoft.SemanticKernel
dotnet add package Microsoft.SemanticKernel.ChatCompletion

如果需要使用OpenAI的模型，还需安装相关的连接器包：

dotnet add package Microsoft.SemanticKernel.Connectors.OpenAI

这些包提供了SK的核心功能和与特定LLMs提供商交互的能力。

3.2 配置开发环境

SK支持.NET 6.0及以上版本，建议使用Visual Studio 2022或Visual Studio Code进行开发。以下是配置开发环境的步骤：

  1. 打开Visual Studio，创建一个新的.NET 控制台应用程序。
  2. 在解决方案资源管理器中，右键点击项目，选择“管理NuGet包”。
  3. 搜索“Microsoft.SemanticKernel”，安装最新版本。
  4. 在代码文件中添加必要的using指令： 
using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.ChatCompletion;
using Microsoft.SemanticKernel.Connectors.OpenAI;

完成这些步骤后，你的开发环境就已准备好，可以开始使用SK进行AI应用开发。

3.3 基本用法

在使用SK之前，我们需要初始化内核并配置LLMs的连接。以下是一个基本的配置示例：

var modelId = "";
var apiKey = "";
// Create a kernel with OpenAI chat completion
var builder = Kernel.CreateBuilder().AddOpenAIChatCompletion(modelId, apiKey);

// Build the kernel
Kernel kernel = builder.Build();
var chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();

在这个示例中，如果使用的是OpenAI的GPT系列模型，你需要将"your-api-key"替换为你的OpenAI API密钥。如果使用其他模型（如Azure OpenAI），只需调整配置参数即可。

配置好内核后，我们可以通过SK调用LLMs生成文本。以下是一个简单的文本生成示例：

// Create a history store the conversation
var history = new ChatHistory();

// Get the response from the AI
var result = await chatCompletionService.GetChatMessageContentAsync(
    history,
    executionSettings: openAIPromptExecutionSettings,
    kernel: kernel);

在这个示例中，我们直接将history传递给内核，SK会自动处理与LLMs的通信并返回生成的内容。这是最基本的用法，展示了SK的简洁性和易用性。

4. 构建一个基于LLMs的智能应用

为了更好地理解Semantic Kernel的实际应用，我们将通过一个实践任务——构建一个智能助手，展示如何使用SK开发AI应用。这个智能助手能够回答用户的问题，并通过对话历史维护上下文，提供连贯的交互体验。

4.1 设计智能助手

在设计智能助手时，我们需要考虑以下几个方面：

  • 用户输入：从控制台获取用户的问题或指令。
  • LLMs响应：使用SK调用LLMs生成回答。
  • 对话管理：维护对话历史，确保回答与上下文相关。
  • 技能扩展：为助手添加自定义功能，如查询天气或获取外部数据。

在这个示例中，我们将实现一个基础版的智能助手，随后展示如何通过技能扩展其功能。

4.2 实现智能助手

由于我的ChatGpt订阅已经过期，所以接下来应用所接入的大模型换成了DeepSeek，由于DeepSeek API 与 OpenAI 的ChatCompletion的 API 格式兼容，因此我们将复用 OpenAI 连接器，里面的代码只是做了一些微调。

  • 不用设置OpenAPI的模型和API Key
  • IChatCompletionService的获取方式发生了变化，不再从DI Container中获取，而是直接创建对象，有兴趣的朋友，可以把基于DeepSeek的IChatCompletionService对象注入到DI Container中，这样也显得专业，但这里就不做扩展了。 
this._chatCompletionService = new OpenAIChatCompletionService("deepseek-chat", new Uri("https://api.deepseek.com"), "你的DeepSeek API Key");

以下是智能助手的完整代码实现：

class SmartAssistant
{
    private readonly IChatCompletionService _chatCompletionService;
    private readonly List<string> _conversationHistory = [];
    private readonly Kernel _kernel;

    public SmartAssistant()
    {
        // Create a kernel with OpenAI chat completion
        IKernelBuilder builder = Kernel.CreateBuilder();
        this._kernel = builder.Build();

        this._chatCompletionService = new OpenAIChatCompletionService("deepseek-chat", new Uri("https://api.deepseek.com"), "你的DeepSeek API Key");
    }

    public async Task RunAsync()
    {
        Console.WriteLine("欢迎使用智能助手！输入 'exit' 退出。");

        // Add a plugin (the LightsPlugin class is defined below)
        //使用插件可以让你的人工智能代理能够运行你的代码以从外部来源检索信息或执行操作
        this._kernel.Plugins.AddFromType<LightsPlugin>("Lights");
        // Enable planning
        OpenAIPromptExecutionSettings openAiPromptExecutionSettings = new()
        {
            FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()
        };
        // Create a history store the conversation
        ChatHistory history = [];
        // Initiate a back-and-forth chat
        string? userInput;
        do
        {
            // Collect user input
            Console.Write("User > ");
            userInput = Console.ReadLine();
            // Add user input
            history.AddUserMessage(userInput);
            // Get the response from the AI
            ChatMessageContent result = await this._chatCompletionService.GetChatMessageContentAsync(
                history,
                executionSettings: openAiPromptExecutionSettings,
                kernel: this._kernel);
            // Print the results
            Console.WriteLine("Assistant > " + result);
            // Add the message from the agent to the chat history
            history.AddMessage(result.Role, result.Content ?? string.Empty);
        } while (userInput is not null);
    }
}
//使用插件可以让你的人工智能代理能够运行你的代码以从外部来源检索信息或执行操作。
public class LightsPlugin
{
    // Mock data for the lights
    private readonly List<LightModel> _lights =
    [
        new() { Id = 1, Name = "Table Lamp", IsOn = false },
        new() { Id = 2, Name = "Porch light", IsOn = false },
        new() { Id = 3, Name = "Chandelier", IsOn = true }
    ];

    [KernelFunction("get_lights")]
    [Description("Gets a list of lights and their current state")]
    public async Task<List<LightModel>> GetLightsAsync()
    {
        return this._lights;
    }

    [KernelFunction("change_state")]
    [Description("Changes the state of the light")]
    public async Task<LightModel?> ChangeStateAsync(int id, bool isOn)
    {
        LightModel? light = this._lights.FirstOrDefault(light => light.Id == id);

        if (light == null)
        {
            return null;
        }
        // Update the light with the new state
        light.IsOn = isOn;

        return light;
    }
}

public class LightModel
{
    [JsonPropertyName("id")] public int Id { get; set; }

    [JsonPropertyName("name")] public string Name { get; set; }

    [JsonPropertyName("is_on")] public bool? IsOn { get; set; }
}
//运行
var assistant = new SmartAssistant();
await assistant.RunAsync();

代码解析：

  • SmartAssistant类：封装智能助手的逻辑，使用 ChatHistory存储对话历史。
  • 构造方法：初始化SK内核，创建DeepSeek的IChatCompletionService对象。
  • RunAsync方法：主方法，负责接收用户输入、构造提示、调用LLMs并输出回答。
  • ChatHistory和OpenAiPromptExecutionSettings构造：将对话历史拼接为完整的提示，确保上下文传递给LLMs。
  • 内核调用：通过 DeepSeek的IChatCompletionService.GetChatMessageContentAsync调用LLMs，获取生成的回答。

运行这段代码后，用户可以与智能助手进行多轮对话。例如：

这个智能助手展示了SK在对话管理方面的能力，开发者可以基于此进一步扩展功能。

5. Semantic Kernel在实际应用中的意义和挑战

Semantic Kernel为开发者提供了强大的工具，使他们能够快速构建基于LLMs的智能应用。然而，其应用价值和潜在挑战同样值得关注。

5.1 意义

  • 加速开发：SK简化了LLMs的集成过程，使开发者能够专注于应用逻辑而非底层细节。
  • 灵活性：插件化架构支持功能的自由扩展，适应多样化的业务需求。
  • 提升体验：基于LLMs的智能应用能提供自然流畅的交互，显著改善用户体验。

例如，一个基于SK的智能客服系统可以在几小时内搭建完成，并根据企业需求快速调整功能，这种效率在传统开发中难以想象。

5.2 挑战

  • 模型选择：不同的LLMs在性能、成本和适用场景上存在差异。开发者需要权衡这些因素，选择合适的模型。
  • 性能优化：LLMs的调用涉及网络延迟和计算资源消耗，尤其在高并发场景下，需要优化架构以确保响应速度。
  • 审查机制：LLMs可能生成不准确、有偏见甚至有害的内容，开发者必须实施审查机制，确保应用的安全性和公平性。

这些挑战要求开发者在技术实现之外，具备系统设计和伦理意识，才能充分发挥SK的潜力。

6. 技术伦理

Semantic Kernel的出现不仅带来了技术上的便利，更引发了对AI应用深层次问题的思考。

  • 技术与责任的平衡：随着AI能力的增强，开发者在享受技术红利时，也需承担确保应用安全、公正的责任。如何避免AI滥用，是一个值得探讨的话题。
  • 隐私与数据安全：智能应用可能涉及用户数据的收集和处理，尤其在多轮对话中，开发者必须遵守隐私法规，保护用户权益。
  • 社会的长期影响：AI技术的普及可能改变就业结构、决策方式甚至人际交往，开发者作为技术推动者，需思考如何让AI为社会带来正向价值。

这些问题没有简单的答案，但它们提醒我们：技术的发展不应只追求效率，更应关注其对人类和社会的影响。

7. 结语

本文通过介绍Semantic Kernel的基础知识、设置和使用方法，以及构建智能助手的实践案例，为.NET开发者提供了一个全面而深入的指南。作为微软的开源项目，SK以其简洁的API、灵活的架构和强大的功能，为开发者打开了AI应用开发的大门。从基本的文本生成到复杂的技能扩展，SK的设计理念和特性为创新提供了无限可能。

通过本文的示例代码和讨论，希望你能感受到SK的实用性，并从中获得灵感，尝试在自己的项目中应用这一技术。随着AI技术的不断进步，Semantic Kernel将继续进化，为开发者带来更多机遇。让我们共同探索这一领域，在智能应用的浪潮中创造属于自己的价值！

参考链接：https://learn.microsoft.com/en-us/semantic-kernel/get-started/quick-start-guide?pivots=programming-language-csharp

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.mzph.cn/pingmian/75262.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

导出cad实体所有信息到txt并打开（生成唯一文件名） ——c#cad二次开发

导出cad实体所有信息到txt并打开（生成唯一文件名） ——c#cad二次开发

效果如下: 建议在保存时指定编码为UTF-8&#xff1a; using (StreamWriter sw new StreamWriter(filePath, false, Encoding.UTF8)) { // 写入内容 } 最终 using Autodesk.AutoCAD.ApplicationServices; using Autodesk.AutoCAD.DatabaseServices; using Autodesk.AutoCAD…
阅读更多...
Redis 源码硬核解析系列专题 - 第一篇：Redis源码入门与整体架构

Redis 源码硬核解析系列专题 - 第一篇：Redis源码入门与整体架构

1. 引言 Redis作为一个高性能的内存键值数据库，其源码以简洁高效著称。通过解析Redis源码，我们可以深入理解其单线程模型、事件驱动机制以及模块化设计的精髓。本篇将从Redis的源码目录结构入手，剖析其整体架构，并聚焦启动流程和事件循环的核心实现。 2. Redis源码目录结构…
阅读更多...
异步加载+内存分析

异步加载+内存分析

异步加载 Resources和AB包的同步加载与异步加载对比代码&#xff1a; using System.Collections; using System.Collections.Generic; using UnityEngine; using UnityEngine.UI;public class AsyncLoad : MonoBehaviour {// Start is called before the first frame updatev…
阅读更多...
将视频m4s文件转换为mp4格式

将视频m4s文件转换为mp4格式

将视频m4s文件转换为mp4格式 一般情况&#xff1a;偏大的文件为视频&#xff0c;偏小的文件为音频。 环境要求&#xff1a;下载并安装ffmpeg&#xff0c;并配置好环境变量&#xff0c;如下图&#xff1a; 转换代码&#xff1a; import subprocessdef merge_m4s_to_mp4(vide…
阅读更多...
EXCEL报错：无法共享此工作薄，因表包含excel表或xml映射的解决方法

EXCEL报错：无法共享此工作薄，因表包含excel表或xml映射的解决方法

在分享工作薄是&#xff0c;如果出现了“无法共享此工作薄&#xff0c;因表包含excel表或xml映射”的报错&#xff0c;那么有两个原因&#xff1a; 1.包含Excel表格&#xff0c;这个也是相对比较常见的原因。 首先选中表格。如果你不知道表的位置在哪&#xff0c;那么在Excel左…
阅读更多...
w2ui 水平滚动移动 虚拟列 数据丢失

w2ui 水平滚动移动 虚拟列 数据丢失

https://w2ui.com/web/docs/1.5/w2grid.disableCVS https://github.com/vitmalina/w2ui/issues/1398 解决方案来源 问题现象: 窗口缩小 导致多列 出现水平滚动,滚动时触发本地样式重绘,导致record undefined,从而引发多列报错 解决方案: 使用 disableCVS : true 一次加载到d…
阅读更多...
在ensp进行OSPF+RIP+静态网络架构配置

在ensp进行OSPF+RIP+静态网络架构配置

一、实验目的 1.Ospf与RIP的双向引入路由消息 2.Ospf引入静态路由信息 二、实验要求 需求&#xff1a; 路由器可以互相ping通 实验设备&#xff1a; 路由器router7台 使用ensp搭建实验坏境&#xff0c;结构如图所示 三、实验内容 1.配置R1、R2、R3路由器使用Ospf动态路由…
阅读更多...
基于mediapipe深度学习和限定半径最近邻分类树算法的人体摔倒检测系统python源码

基于mediapipe深度学习和限定半径最近邻分类树算法的人体摔倒检测系统python源码

目录 1.算法运行效果图预览 2.算法运行软件版本 3.部分核心程序 4.算法理论概述 4.1 Mediapipe人体姿态检测原理 4.2 限定半径最近邻分类树算法原理 5.算法完整程序工程 1.算法运行效果图预览 (完整程序运行后无水印) 2.算法运行软件版本 人工智能算法python程序运行环…
阅读更多...
deep-sync开源程序插件导出您的 DeepSeek 与 public 聊天

deep-sync开源程序插件导出您的 DeepSeek 与 public 聊天

一、软件介绍 文末提供下载 deep-sync开源程序插件导出您的 DeepSeek 与 public 聊天&#xff0c;这是一个浏览器扩展&#xff0c;它允许用户公开、私下分享他们的聊天对话&#xff0c;并使用密码或过期链接来增强 Deepseek Web UI。该扩展程序在 Deepseek 界面中添加了一个 “…
阅读更多...
苹果签名是否一定安全呢？

苹果签名是否一定安全呢？

苹果签名是一种数字签名技术&#xff0c;用于验证应用程序的来源和完整性。当开发者将应用程序提交到苹果应用商店时&#xff0c;苹果会对应用进行签名&#xff0c;这个签名包含了开发者的身份信息以及应用的相关数据。用户安装应用时&#xff0c;设备会验证签名的有效性&#…
阅读更多...
Outlook客户端无法连接到服务器，添加账户显示“无网络连接，请检查你的网络设置，然后重试。[2603]”

Outlook客户端无法连接到服务器，添加账户显示“无网络连接，请检查你的网络设置，然后重试。[2603]”

1、先切换一下到手机热点或者其他网络&#xff0c;判断是不是现在所连接的网络的问题。如果有VPN代理软件&#xff0c;网银软件&#xff0c;加密软件在后台运行&#xff0c;麻烦退出一下。 2、打开电脑上的 控制面板——网络和Internet——Internet选项——高级——先点击还原…
阅读更多...
Laravel 中使用 JWT 作用户登录，身份认证

Laravel 中使用 JWT 作用户登录，身份认证

什么是JWT&#xff1a; JWT 全名 JSON Web Token&#xff0c;是一种开放标准 (RFC 7519)。 用于在网络应用环境间安全地传输信息作为 JSON 对象。 它是一种轻量级的认证和授权机制&#xff0c;特别适合分布式系统的身份验证。 核心特点 紧凑格式&#xff1a;体积小&#x…
阅读更多...
51. “闲转易”交易平台小程序(基于springbootvue)

51. “闲转易”交易平台小程序(基于springbootvue)

目录 1.系统的受众说明 2 关键技术介绍 2.1 SSM框架 2.2 Java技术及架构介绍 2.3 MYSQL数据库 2.4微信小程序框架 2.5 B/S架构 3 需求分析与可行性分析 3.1功能需求分析 3.2 性能需求分析 3.3系统设计规则与运行环境 3.4系统流程分析 3.5 可行性分析 4 系统设计 …
阅读更多...
【STM32】GPIO输入（按键）

【STM32】GPIO输入（按键）

目录 一、如何分辨GPIO输入使用什么电频二、输入抖动问题如何消抖三、示例代码 一、如何分辨GPIO输入使用什么电频 先看原理图 即可知道他的初始输入状态需要高电平 判断可知使用上拉输入 二、输入抖动问题如何消抖 电路图中, 按键输入有额外的电容电阻, 是为了消抖 消抖方…
阅读更多...
【Android Studio】配置教程以及解决过程中的问题（详细版本）

【Android Studio】配置教程以及解决过程中的问题（详细版本）

目录 前言 一、下载安装 二、配置 三、简单使用 新建项目 创建默认项目 四、解决过程中的问题 前言 如果你目前不是第一次安装&#xff0c;那需要完全卸载它。 因为一般电脑卸载 Android Studio 时容易落下一堆配置文件没删&#xff0c;卸载不干净导致无用文件占用空间…
阅读更多...
EtherNet/IP转ProfiNet协议转换网关驱动西门子PLC与流量计的毫秒级压力同步控制

EtherNet/IP转ProfiNet协议转换网关驱动西门子PLC与流量计的毫秒级压力同步控制

一、案例背景 汽车涂装线的静电喷涂工艺对压缩空气流量稳定性要求极高。原系统中Alicat流量计与西门子PLC因协议差异无法联动&#xff0c;导致涂料浪费率高达8%。通过JM-EIPM-PN网关实现供气系统与PLC的深度集成。从而实现了EtherNet/IP转ProfiNet的通讯。 二、设备连接与配置…
阅读更多...
如何从0-1的建设云上稳定性？

如何从0-1的建设云上稳定性？

一、系统架构 整个系统包含了私有云和公有云两个节点。前端和服务端存在私有云和公有云两套系统交互&#xff0c;公有云上的系统为三方黑盒系统。 带着上面的五点风险和挑战&#xff0c;我们从前后端的视角整体制定优化策略和方案。 二、前端策略 作为钉钉的合作产品&#xff…
阅读更多...
【学Rust写CAD】17 通用2D仿射变换矩阵结构体（matrix/generic.rs）

【学Rust写CAD】17 通用2D仿射变换矩阵结构体（matrix/generic.rs）

源代码 // matrix.rs use std::ops::{Add, Mul};use std::ops::{Add, Mul};/// 通用2D仿射变换矩阵&#xff08;元素仅需Copy&#xff09; #[derive(Clone, Copy, Debug, PartialEq)] pub struct Matrix<X, Y, Xx, Xy, Yx, Yy> {pub x: X, pub y: Y,pub xx: Xx, pub xy:…
阅读更多...
Spring Boot @RequestParam 解析参数时的常见问题及解决方案

Spring Boot @RequestParam 解析参数时的常见问题及解决方案

1&#xff0c;遇到的问题&#xff1a;将后端接口写完后我想通过PostMan进行简单的测试一下&#xff0c;一不小心就遇到了这样的情况&#xff1a; org.springframework.web.bind.MissingServletRequestParameterException: Required Integer parameter contractId is not prese…
阅读更多...
Golang中间件的原理与实现

Golang中间件的原理与实现

一. 什么是 Middleware&#xff1f; 中间件&#xff08;Middleware&#xff09; 是一种 高阶函数&#xff0c;它接受一个函数作为输入&#xff0c;并返回一个经过增强的函数。它的核心思想是通过函数的递归嵌套&#xff0c;动态地为函数添加功能。在 Golang 中&#xff0c;中间…
阅读更多...
最新文章

Copyright @ 2022~2023