---
title: "語意核心（Semantic Kernel）"
slug: semantic-kernel
language: zh-TW
source: https://aiterms.tw/terms/semantic-kernel
updated_at: 2026-04-29
tags: [大型語言模型, 自然語言處理, Python程式, AI應用, Prompt工程]
ipas_term: false
---

# 語意核心（Semantic Kernel）

> **你有沒有在把 OpenAI 模型接進既有 C# 或 Python 系統，還要讓它能呼叫工具、查資料、記住任務，發現只看表面常常不夠？**
>
> 你可以把它想成一個把 LLM、工具函式、記憶和工作流程黏起來的 SDK。
>
> 它讓你不是只寫單次 prompt，而是把 AI 功能像零件一樣組進應用程式。

### 容易混淆
> **直接呼叫 LLM API**
> 直接呼叫像每次都要手動操作，Semantic Kernel 像提供一個工具箱，讓你更有系統、更方便地組裝 LLM 功能。
>
> 最關鍵的區別：先看它是在比意思、比結構，還是在做任務輸出。

### 記住這句就好
> 要把模型接進系統、再把工具串起來，就很像 Semantic Kernel。

### 實際案例
> 公司內部助理要先查文件，再幫員工整理成會議摘要，Semantic Kernel 可以把檢索和生成串成一條流程。
> 客服系統要在對話中自動查訂單、開單、補資料，SDK 會比手寫一堆 prompt 更好維護。

### 算法與應用
> 核心想法是把 prompt、函式呼叫、記憶、規劃器和外部連接器整理成可重用元件。
> 它特別適合把 LLM 放進現有後端，讓模型負責理解與決策，程式碼負責執行。

### 情境判斷
> **Q1（直覺題）：** 如果你已經有一個後端服務，只想加上 LLM 功能，這類 SDK 有幫助嗎？
>
> → 有。它就是拿來把模型接進現有程式架構，少掉很多手動串接的雜事。
>
> **Q2（判斷題）：** 如果你的專案只是做一次性聊天頁面，還需要這種工具嗎？
>
> → 看情況。單純 demo 可能不必，但只要你要加工具、記憶或流程控制，就會開始有價值。

### 常見問題
> **Q：Semantic Kernel與LangChain有什麼不同？**
> Semantic Kernel和LangChain都是用於構建基於LLM的應用程式的框架，但它們的設計哲學略有不同。Semantic Kernel更側重於將LLM整合到現有的程式碼庫中，而LangChain則提供更廣泛的工具和組件，用於構建從頭開始的LLM應用程式。Semantic Kernel通常被認為更容易與現有的應用程式整合。
>
> **Q：我需要學習哪些程式語言才能使用Semantic Kernel？**
> Semantic Kernel主要支援C#和Python。您可以根據您的偏好和現有的程式碼庫選擇其中一種語言。Semantic Kernel提供與這兩種語言的良好整合，並提供豐富的範例和文件。
>
> **Q：Semantic Kernel支援哪些LLM？**
> Semantic Kernel支援多種LLM，包括OpenAI的GPT-3、GPT-4、Azure OpenAI Service，以及其他LLM。您可以根據您的需求和預算選擇最適合的LLM。Semantic Kernel提供與各種LLM的連接器，並允許您輕鬆切換不同的LLM。

### 相關術語
> - **AI 代理**：如果你想看 LLM 如何接成可執行流程，這個術語最接近。
> - **LangChain框架**：它和 Semantic Kernel 常被一起比較，方便你看工具編排差異。
> - **大型語言模型**：很多應用都建立在 LLM 上，先懂它才能懂上層框架。
> - **自然語言處理**：先懂 NLP 的整體範圍，才知道這個概念在文字任務裡扮演哪一段。
> - **檢索增強生成**：檢索和生成常一起出現，和語義搜尋、知識問答很接近。

---

來源：https://aiterms.tw/terms/semantic-kernel
快查頁：https://aiterms.tw/terms/semantic-kernel
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-semantic-kernel