今年我们有一个眼高手低的计划，打算基于 Semantic Kernel + DashScope(阿里云模型服务灵积) + Qwen(通义千问大模型) ，结合园子已有的产品与应用场景，开发面向开发者的 AI 应用，并将整个过程与大家分享。
目前处于准备阶段，这篇博文分享的是遇到的第一个问题，并由此发起一个小开源项目。
通过 Semantic Kernel 使用大模型服务，必须要有对应这个模型服务的 Connector，而 Semantic Kernel 目前只提供了 OpenAI 与 HuggingFace 的 Connector，没有提供 DashScope 的 Connector。
面对这个问题，我们有2个选择：
1）使用使用已有的 OpenAI Connector，借助 one-api （相当是一个 ap服务器托管网i 网关）连接 DashScope。
2）自己开发 DashScope Connector。
经过权衡考虑，我们选择了后者，选择了更难走的一条路。
当我们准备自己开发 DashScope Connector 时，发现 DashScope 没有提供官方版 .NET SDK，阿里云只提供了 Python 与 Java 版的 SDK。
找了非官方的 .NET 版 DashScope SDK，又不能满足我们的需求，于是我们在更难的路上选择了难上加难，决定自己开发一个简单版本的 DashScope SDK for .NET，并以此为基础发起一个小开源项目。
在动手开发 DashScope SDK 的时候，我们又发现官方 Java 与 Python 版 SDK 都没开源，连个参考都没有，难度系数又进一步增加。
面对这些小困难，我们没有知难而退，经过一周左右时间的努力，终于完成了一个初步版本的 DashScope SDK，今天发布出来，想抛砖引玉，借此发起一个小开源项目，如果您对基于 Semantic Kernel + DashScope 开发 AI 应用感兴趣，期待您的关注，更期待您贡献代码，github 仓库地址 https://服务器托管网github.com/cnblogs/dashscope-sdk
接下来，我们会基于 DashScope SDK for .NET 开发 Cnblogs.SemanticKernel.Connectors.DashScope，为基于通义千问大模型的 RAG(Retrieval Augmented Generation) 做准备。
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
机房租用，北京机房租用，IDC机房托管， http://www.fwqtg.net
相关推荐: 结构化思维助力Prompt创作：专业化技术讲解和实践案例
结构化思维助力Prompt创作：专业化技术讲解和实践案例 最早接触 Prompt engineering 时, 学到的 Prompt 技巧都是: 你是一个 XX 角色… 你是一个有着 X 年经验的 XX 角色… 你会 XX, 不要 YY.. 对于你不会的东西,…
