首页 > 其他分享 >使用 Semantic Kernel 实现 Microsoft 365 Copilot 架构

使用 Semantic Kernel 实现 Microsoft 365 Copilot 架构

时间:2023-05-02 12:12:28浏览次数:55  
标签:Kernel Semantic 示例 聊天 Copilot 365 Microsoft

3月16日,微软发布了微软365 Copilot[1]。 Microsoft 365 Copilot 将您现有的 Word、Excel、PowerPoint、Outlook 和 Teams 与大型语言模型 (LLM) 的强大功能以及来自 Microsoft Graph 和 Microsoft 365 应用的数据相结合,以创建前所未有的体验。正如您在官方视频中看到的那样,Microsoft 365 Copilot的核心是一个名为Copilot System的编排器。 今天Semantic Kernel 博客上发布了一篇文章介绍了Copilot 聊天示例程序[2]。 我认为很容易从这个Copilot 聊天示例程序开始 实现这样的一个架构。

1、Copilot 系统

让我们先简单介绍一下M365 Copilot系统的处理流程。 该系统由Copilot系统,Microsoft 365 Apps,Microsoft Graph[3] 和LLM(GPT-4)组成.

image

Copilot 系统首先接收来自 Microsoft 365 Word、Excel、PowerPoint、Outlook、Teams 等的用户提示。 这些指令不会作为提示直接发送到 GPT-4,而是通过 Microsoft Graph 提供必要的上下文。 这称为接地,如果是电子邮件回复提示,例如,您的电子邮件帐户信息。

image

接地上下文提示通过Copilot系统发送到LLM。

image

Copilot 系统接收来自LLM的响应并执行后处理。 此后处理包括对 Microsoft Graph 的其他调用、负责任的 AI 检查、安全性、合规性和隐私审查,以及 Microsoft 365 应用交互的命令生成。

image

已通过后处理步骤的处理结果和应用操作命令将返回到 Microsoft 365 中的调用应用。应用交互命令是用于处理添加图片或调整 PowerPoint 文本大小等功能的内部命令。

image

2、使用Semantic Kernel实现

在Semantic Kernel的示例中,可以通过内置的 Microsoft Graph 连接器在上下文中添加的: 连接器是技能的一部分,您还可以使用Memory函数从Memory中的键值存储和矢量数据库中检索和添加内存和先验知识。 当然,您可以自己自定义技能和连接器。 还可以将其连接到 Azure 认知搜索。

对于 Microsoft 365 应用(如商务聊天)和跨用户数据(日历、电子邮件、聊天、文档、会议和联系人)工作的应用),后端需要一个规划器来确定用户的问题意向,将其分解为任务,并将其与操作相关联。 语义内核包括一个计划器,用于将用户的复杂指令分解为任务。 使用规划器将公司系统的每个功能映射到您的技能。

image

Copilot Chat建立在微软的Semantic Kernel 之上,允许开发人员轻松地将大型语言模型(LLM)的强大功能集成到自己的应用程序中。通过我们的完整示例,你可以利用高级功能,例如多个对话主题、语音识别、文件上传,通过你自己的最新信息使聊天更智能,持久内存存储允许机器人在每次使用时变得越来越智能,甚至可以下载机器人与他人共享,加入他们的对话。

无论您是在构建客户服务工具、个性化推荐系统、人力资源助理、教育工具还是电子商务助手,我们的 Copilot Chat 都可以提供帮助。我们认为,从示例应用下载和生成会有很多好处。

改善用户体验:通过提供个性化帮助和自然语言处理,您自己的聊天机器人可以改善客户、学生和员工的用户体验。用户可以快速轻松地获得所需的信息,而无需浏览复杂的网站或等待客户服务代表的帮助。

提高效率: 通过处理客户服务或人力资源任务的聊天机器人,您可以让员工专注于需要人工干预的更复杂的任务。这可以提高组织的效率并降低成本。

个性化推荐:通过自然语言处理和持久内存存储,您的聊天机器人可以为产品、服务或教育资源提供个性化推荐。这可以提高客户满意度并推动销售。

改进的可访问性:通过语音识别和文件上传,您的聊天机器人可以为用户提供更准确和个性化的帮助。例如,难以浏览网站的患者可以更轻松地使用聊天,并快速有效地接收所需的信息。

可扩展性:通过处理客户服务或教育任务的聊天机器人,您可以轻松扩展以满足不断增长的需求,而无需雇用更多员工。这可以降低成本并增加收入。

总结

Semantic Kernel 支持快速开发用于编排企业中各种系统的内核。 要使用的模型是 Azure OpenAI 服务,它具有丰富的企业安全性,我们可以从Copilot Chat示例程序开始。


相关链接:

[1] 微软365 Copilot: https://www.microsoft.com/en-us/microsoft-365/blog/2023/03/16/introducing-microsoft-365-copilot-a-whole-new-way-to-work/

[2]Copilot 聊天示例程序: https://devblogs.microsoft.com/semantic-kernel/announcing-copilot-chat/

[3]Microsoft Graph: https://learn.microsoft.com/graph/overview

标签:Kernel,Semantic,示例,聊天,Copilot,365,Microsoft
From: https://www.cnblogs.com/shanyou/p/17367521.html

相关文章

  • 论文阅读-sparse gpu kernels for deep learning
    论文地址:https://ieeexplore.ieee.org/document/9355309源码地址:https://github.com/google-research/sputnik背景深度神经网络由大量的矩阵乘法运算和卷积运算组成,这些运算中使用的矩阵可以转化成稀疏矩阵,同时不损失模型的精度。这样就可以在准确率不变的情况下提升浮点运算效......
  • Bito - 超越Copilot的一款神级插件
    文章目录01引言02Bito的安装与使用2.1安装Bito2.2注册并创建工作空间2.3使用方式03其它3.1插件支持的平台3.2文档04文末01引言BitoIDEA插件地址:https://plugins.jetbrains.com/plugin/18289-bito–gpt-4–chatgpt-to-write-code-explain-code-create-testsBito是一个......
  • Sementic Kernel 案例之网梯科技在线教育
    2023年4月25日,微软公布了2023年第一季度财报,营收528亿美元,微软CEO纳德称,「世界上最先进的AI模型与世界上最通用的用户界面——自然语言——相结合,开创了一个新的计算时代。」该公司有近2500位Azure-OpenAI服务客户,并称AI已被整合到多种产品中。微软杀疯了!接入ChatGPT后首次交卷......
  • 使用fpm 构建一个kernel module rpm包
    昨天参考社区的示例,开发了一个简单的kernel模块,尽管我们可以通过insmod进行模块安装,但是对于实际的分发是很不方便的比较推荐的做法是制作一个rpm包,方便模块的分发以及共享一些问题模块的安装位置一般我们外部开发的模块都在/lib/modules/${uname}\extra目录下,之后需要......
  • Linux kernel 模块开发&构建学习
    主要是学习下kernel模块的玩法,代码来自社区简单kernel代码hello_world.c#include<linux/init.h>#include<linux/module.h>MODULE_LICENSE("DualBSD/GPL");staticinthello_init(void){printk(KERN_ALERT"Hello,world\n");......
  • 我看看哪个靓仔还没把Github Copilot用起来?
    本人经常分享有价值的生产力工具、技术、好物与书籍,可关注同名公众......
  • How to get Linux kernel Information using the command line All In One
    HowtogetLinuxkernelInformationusingthecommandlineAllInOne如何使用命令行获取Linux内核信息uname#macOS$uname-aDarwinxgqfrms-mm.local22.2.0DarwinKernelVersion22.2.0:FriNov1102:08:47PST2022;root:xnu-8792.61.2~4/RELEASE_X86_64x......
  • 2022AAAI_Semantically Contrastive Learning for Low-light Image Enhancement(SCL_L
    1.motivation利用语义对比学习2.network (1)输入的是低光图像首先经过图像增强的网络(Zero-DCE),再将它传入语义分割网络中(2)语义分割网络用的是DeepLabv3+......
  • VirtualBox 7.0.8发布:初步支持Linux Kernel 6.3
    甲骨文于发布了VirtualBox7.0.8版本更新。VirtualBox是一款开源、免费和跨平台的虚拟化工具,适用于GNU/ Linux、macOS和Windows平台。OracleVMVirtualBox中文版是一款甲骨文公司旗下的免费开源轻量级虚拟机软件.它主要优势是完全免费,性能稳定,可以在Linux/Win......
  • VirtualBox 7.0.8发布:初步支持Linux Kernel 6.3
    甲骨文于发布了VirtualBox7.0.8版本更新。VirtualBox是一款开源、免费和跨平台的虚拟化工具,适用于GNU/ Linux、macOS和Windows平台。OracleVMVirtualBox中文版是一款甲骨文公司旗下的免费开源轻量级虚拟机软件.它主要优势是完全免费,性能稳定,可以在Linux/Win......