\n
\r\nvar builder = WebApplication.CreateBuilder(args);\r\nbuilder.Services.AddKernel();\r\n\r\nvar app = builder.Build();\r\n<\/pre>\n<\/div>\n
Ve ard\u0131ndan DeepSeek R1’i Semantic Kernel’a entegre edebilmek i\u00e7in
\n Install-Package Codeblaze.SemanticKernel.Connectors.Ollama<\/code><\/a> k\u00fct\u00fcphanesini y\u00fcklemeli ve a\u015fa\u011f\u0131daki gibi entegrasyon i\u015flemlerini ger\u00e7ekle\u015ftirmelisiniz;<\/p>\n
Console Application<\/em>;<\/p>\n
\n\r\nusing Codeblaze.SemanticKernel.Connectors.Ollama;\r\nusing Microsoft.SemanticKernel;\r\nusing Microsoft.Extensions.DependencyInjection;\r\n\r\nvar builder = Kernel.CreateBuilder()\r\n .AddOllamaChatCompletion("deepseek-r1:latest", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddScoped<HttpClient>();\r\n\r\nvar kernel = builder.Build();\r\n\r\nwhile (true)\r\n{\r\n Console.WriteLine("Soru sor :");\r\n string input = Console.ReadLine();\r\n var response = await kernel.InvokePromptAsync(input);\r\n Console.WriteLine($"Cevap :\\n------------------------\\n{response}\\n------------------------");\r\n}\r\n<\/pre>\n<\/div>\nAsp.NET Core Application<\/em>;<\/p>\n\n\r\nusing Codeblaze.SemanticKernel.Connectors.Ollama;\r\nusing Level1.Essentials.ViewModels;\r\nusing Microsoft.SemanticKernel.ChatCompletion;\r\n\r\nvar builder = WebApplication.CreateBuilder(args);\r\nbuilder.Services.AddKernel()\r\n .AddOllamaChatCompletion("deepseek-r1", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddRequestTimeouts();\r\nbuilder.Services.AddHttpClient();\r\n\r\nvar app = builder.Build();\r\n\r\napp.UseRequestTimeouts();\r\n\r\napp.MapPost("\/chat", async (IChatCompletionService chatCompletionService, ChatModel chatModel) =>\r\n{\r\n var response = await chatCompletionService.GetChatMessageContentAsync(chatModel.Input);\r\n return response.ToString();\r\n}).WithRequestTimeout(TimeSpan.FromMinutes(10));\r\n\r\napp.Run();\r\n<\/pre>\n<\/div>\n<\/li>\nAd\u0131m 5<\/em> \nVe son olarak yap\u0131lan \u00e7al\u0131\u015fmalar\u0131 derleyip, \u00e7al\u0131\u015ft\u0131r\u0131n\u0131z ve test ediniz. \n<\/a>\u0130yi k\u00f6t\u00fc sorulan soruya bi\u015feyler anlatarak cevap vermi\u015f \ud83d\ude42<\/p><\/div>\n<\/li>\n<\/ul>\n Evet, g\u00f6r\u00fcld\u00fc\u011f\u00fc \u00fczere .NET platformunda Semantic Kernel’\u0131 kullanmak bu kadar basit… \u015eimdi gelin .NET a\u00e7\u0131s\u0131ndan olaya biraz daha hakimiyet sa\u011flayabilmek i\u00e7in teknik detaylara dalmaya ba\u015flayal\u0131m…<\/p>\nPrompt \u015eablonlar\u0131n\u0131n(Templates) Kullan\u0131m\u0131<\/h5>\nSemantic Kernel’daki promt \u015fablonlar\u0131, Do\u011fal Dil \u0130\u015fleme (NLP) ile yapay zeka modellerini kullanarak dinamik prompt’lar olu\u015fturmak i\u00e7in kullan\u0131lan bir yap\u0131d\u0131r. Bunlar, belirli bir ba\u011flam veya girdiye g\u00f6re \u00f6zelle\u015ftirilebilen \u015fablonlard\u0131r. Yap\u0131sal olarak yer tutucular(placeholders) ve parametreler e\u015fli\u011finde \u00e7al\u0131\u015fmaktad\u0131rlar.<\/p>\n Misal olarak a\u015fa\u011f\u0131da basit bir \u015fablon yap\u0131s\u0131n\u0131 inceleyebilirsiniz;<\/p>\nYandaki i\u015flemi hesapla:: {{$input}}<\/span><\/div>\nBurada {{$input}}<\/span><\/em> ifadesi placeholder’a kar\u015f\u0131l\u0131k gelirken, parametre ise kullan\u0131c\u0131 ya da sistem taraf\u0131ndan sa\u011flanan ger\u00e7ek de\u011fere kar\u015f\u0131l\u0131k gelmektedir.<\/p>\n E\u011fer bu \u015fablonu Semantic Kernal’da kullanmak isterseniz a\u015fa\u011f\u0131daki gibi bir \u00e7al\u0131\u015fma yapabilirsiniz;<\/p>\n\n\r\nvar builder = Kernel.CreateBuilder()\r\n .AddOllamaChatCompletion("deepseek-r1:latest", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddScoped<HttpClient>();\r\n\r\nvar kernel = builder.Build();\r\n\r\nvar promptTemplate = "Yandaki i\u015flemi hesapla: {{$input}}";\r\nvar function = kernel.CreateFunctionFromPrompt(promptTemplate);\r\nvar arguments = new KernelArguments { ["input"] = "1 + 2 + 5 * 3" };\r\nvar result = await function.InvokeAsync(kernel, arguments);\r\nConsole.WriteLine(result);\r\n<\/pre>\n<\/div>\nPrompt \u015fablonlar\u0131, daha ak\u0131ll\u0131 ve daha uyarlanabilir uygulamalar olu\u015fturman\u0131n basit ve g\u00fc\u00e7l\u00fc bir yoludur.<\/em><\/p><\/blockquote>\nHistory Objesi \u0130le Ge\u00e7mi\u015f Ba\u011flam\u0131n Hat\u0131rlanmas\u0131<\/h5>\nSemantic Kernel’da History objesi, bir konu\u015fman\u0131n ge\u00e7mi\u015fini saklamak ve modelin \u00f6nceki mesajlara g\u00f6re daha ba\u011flamsal yan\u0131tlar vermesini sa\u011flamak i\u00e7in kullan\u0131lmaktad\u0131r. Bu yetenek, \u00f6zellikle chat-based AI<\/em> uygulamalar\u0131nda ge\u00e7mi\u015f konu\u015fmalar\u0131 takip etmek i\u00e7in \u00f6nemlidir. Yap\u0131sal olarak memory mekanizmas\u0131yla birlikte \u00e7al\u0131\u015fmakta ve kullan\u0131c\u0131n\u0131n \u00f6nceki mesajlar\u0131n\u0131 saklamaktad\u0131r. Bunun i\u00e7in SemanticKernal.Chat<\/code> veya SemanticKernel.Memory<\/code> gibi bile\u015fenlerden yararlanmaktad\u0131r.<\/p>\n Kullan\u0131m mant\u0131\u011f\u0131 olduk\u00e7a basittir. History nesnesi olu\u015fturulmal\u0131 ve \u00f6nceki mesajlar bu nesnede depolanmal\u0131d\u0131r. Ve kullan\u0131c\u0131lardan yeni mesajlar geldik\u00e7e bu nesne g\u00fcncellenmeli ve bir yandan da model kullan\u0131l\u0131rken de bu obje ba\u011flamsal veri olarak de\u011ferlendirilmelidir. Bunu daha iyi anlayabilmek i\u00e7in a\u015fa\u011f\u0131daki \u00f6rnek kullan\u0131m\u0131 inceleyebilirsiniz;<\/p>\n\n\r\nusing Codeblaze.SemanticKernel.Connectors.Ollama;\r\nusing Microsoft.Extensions.DependencyInjection;\r\nusing Microsoft.SemanticKernel;\r\nusing Microsoft.SemanticKernel.ChatCompletion;\r\n\r\nvar builder = Kernel.CreateBuilder()\r\n .AddOllamaChatCompletion("deepseek-r1:latest", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddScoped<HttpClient>();\r\n\r\nvar kernel = builder.Build();\r\n\r\nvar history = new ChatHistory();\r\n\/\/\u0130lk mesaj eklenmektedir.\r\nhistory.AddUserMessage("Merhaba! Bu g\u00fcn hava nas\u0131l?");\r\n\r\n\/\/Model \u00e7a\u011fr\u0131s\u0131 yap\u0131lmaktad\u0131r.\r\nvar chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();\r\nvar response = await chatCompletionService.GetChatMessageContentAsync(history);\r\n\r\n\/\/Response history'e eklenmektedir.\r\nhistory.AddAssistantMessage(response.ToString());\r\n\r\n\/\/Ayn\u0131 \u015fekilde yeni mesajda history'e eklenerek devam edilir.\r\nhistory.AddUserMessage("Peki, hafta sonu i\u00e7in hava tahmini nedir?");\r\nvar response2 = await chatCompletionService.GetChatMessageContentAsync(history);\r\nhistory.AddAssistantMessage(response2.ToString());\r\n\r\nConsole.WriteLine(response2.ToString());\r\n\r\nConsole.Read();\r\n<\/pre>\n<\/div>\nBurada dikkat ederseniz farkl\u0131 mesaj t\u00fcrlerini tutabilecek bir \u00f6zelli\u011fe sahip olan ChatHistory<\/code> nesnesinden istifade edilmektedir. Bu mesaj t\u00fcrlerini ele al\u0131rsak e\u011fer;<\/p>\n \nSystem Messages<\/em><\/strong> \nModelin davran\u0131\u015f\u0131n\u0131 y\u00f6nlendirmek i\u00e7in kullan\u0131lan mesajlard\u0131r. Yani modelin bir rol oynamas\u0131n\u0131 ve belirli kurallar \u00e7er\u00e7evesinde \u00e7al\u0131\u015fmas\u0131n\u0131 sa\u011flamak i\u00e7in kullan\u0131l\u0131rlar. Haliyle bu mesajlar genellikle kullan\u0131c\u0131lardan al\u0131nmaz ya da g\u00f6sterilmezler!\n<\/li>\n User Messages<\/em><\/strong> \nKullan\u0131c\u0131lar\u0131n yazd\u0131\u011f\u0131 mesajlard\u0131r. Model, bu mesajlara kar\u015f\u0131n yan\u0131t \u00fcretmekten sorumludur.\n<\/li>\n Assistant Messages<\/em><\/strong> \nYapay zeka modelinin verdi\u011fi yan\u0131tlard\u0131r.\n<\/li>\n<\/ul>\nHistory nesnesi, sohbet tabanl\u0131 uygulamalarda yahut konu\u015fma ge\u00e7mi\u015fine dayal\u0131 ak\u0131ll\u0131 yan\u0131t sistemlerinde b\u00fcy\u00fck kolayl\u0131k sa\u011flamaktad\u0131r…<\/em><\/p><\/blockquote>\n Ayr\u0131ca ChatMessage<\/code> nesnesinde sohbet ge\u00e7mi\u015fine dair daha fazla ayr\u0131nt\u0131y\u0131 a\u015fa\u011f\u0131daki gibi ekleyebilirsiniz;<\/p>\n \n\r\nhistory.Add(new ChatMessageContent()\r\n{\r\n Role = AuthorRole.User,\r\n AuthorName = "Gen\u00e7ay Y\u0131ld\u0131z",\r\n Items = [\r\n new TextContent{ Text = "Metin I\u015f\u0131\u011f\u0131n en \u00e7ok hangi \u015fark\u0131s\u0131 sevilmektedir?" },\r\n new ImageContent { Uri = new Uri("https:\/\/i.ytimg.com\/vi\/xx_FwxOGBa8\/maxresdefault.jpg") }\r\n ]\r\n});\r\n<\/pre>\n<\/div>\nG\u00f6r\u00fcld\u00fc\u011f\u00fc \u00fczere kullan\u0131c\u0131 adlar\u0131, resim i\u00e7eri\u011fi gibi ek bilgilerle sohbet ge\u00e7mi\u015fi daha da derinle\u015ftirilebilmektedir…<\/p>\n Eklenti (Plugin) Yap\u0131lanmas\u0131<\/h5>\nSemantic Kernel’da, eklentiler ile uygulamalara \u00f6zel i\u015flevleri i\u00e7eren, Semantic Kernel’a entegre edilebilen ve do\u011fal dil komutlar\u0131yla \u00e7a\u011fr\u0131labilen mod\u00fcler kod par\u00e7ac\u0131klar\u0131 olu\u015fturulabilmektedir. Misal olarak, e\u011fer uygulaman\u0131zda belirli bir hesaplama yapmak, veritaban\u0131 i\u015flemleri ger\u00e7ekle\u015ftirmek veya ba\u015fka \u00f6zel i\u015f mant\u0131klar\u0131n\u0131 uygulamak isterseniz, bu i\u015flevleri bir plugin i\u00e7inde toplayarak Semantic Kernel’a ekleyebilirsiniz.<\/p>\n B\u00f6ylece uygulaman\u0131z\u0131n gereksinimlerine g\u00f6re \u00f6zel i\u015flemleri mod\u00fcler bir \u015fekilde organize edebilir; okunabilirli\u011fi, test edilebilirli\u011fi ve bak\u0131m\u0131 olduk\u00e7a kolay bir kod in\u015fas\u0131nda bulunabilirsiniz. Ayr\u0131ca, ihtiya\u00e7 duyulan yeni i\u015flevleri mevcut Semantic Kernel yeteneklerine entegre ederek uygulaman\u0131z\u0131 daha esnek ve geni\u015fletilebilir hale getirebilirsiniz.<\/p>\n A\u015fa\u011f\u0131da, basit bir \u00f6rnek \u00fczerinden eklenti olu\u015fturma, kernel’a ekleme ve kullanma ad\u0131mlar\u0131n\u0131 inceleyebilirsiniz;<\/p>\n \n\r\n public class CalculatorPlugin\r\n {\r\n [KernelFunction("add")]\r\n [Description("\u0130ki say\u0131sal de\u011fer \u00fczerinde toplama i\u015flemi ger\u00e7ekle\u015ftirir.")]\r\n [return: Description("Toplam de\u011feri d\u00f6nd\u00fcr\u00fcr.")]\r\n public int Add(int number1, int number2)\r\n => number1 + number2;\r\n }\r\n<\/pre>\n<\/div>\nYukar\u0131da g\u00f6r\u00fcld\u00fc\u011f\u00fc \u00fczere, uygulamaya \u00f6zg\u00fc fonksiyonlar\u0131 i\u00e7eren bir s\u0131n\u0131f olu\u015fturulmu\u015ftur. \u0130\u015fte bu s\u0131n\u0131f bizler i\u00e7in bir plugin niteli\u011fi ta\u015f\u0131maktad\u0131r. S\u0131n\u0131f i\u00e7erisindeki Add<\/code> metodu bu eklentinin niteliklerinden birisidir ve g\u00f6r\u00fcld\u00fc\u011f\u00fc \u00fczere baz\u0131 attribute’lar taraf\u0131ndan i\u015faretlenmi\u015ftir. Bu attribute’lardan KernelFunction<\/code>, i\u015faretledi\u011fi metodu Semantic Kernel’\u0131n tan\u0131yabilece\u011fi bir kernel fonksiyon olarak nitelendirmemizi sa\u011flar. B\u00f6ylece SK, bu fonksiyonu, parantez i\u00e7erisinde belirtilen benzersiz isimle e\u015fleyerek \u00e7al\u0131\u015ft\u0131r\u0131r. Description<\/code> ve return: Description<\/code> attribute’lar\u0131n\u0131n ise ne olduklar\u0131 zahiren a\u015fikard\u0131r. Biri metodun i\u015flevini tan\u0131t\u0131rken, di\u011feri ise geri d\u00f6n\u00fc\u015f de\u011ferini tan\u0131tmaktad\u0131r.<\/p>\n Velhas\u0131l, olu\u015fturulan bu plugin’i SK’ya a\u015fa\u011f\u0131daki gibi import edebilirsiniz;<\/p>\n Console Application<\/em>;<\/p>\n \n\r\nvar builder = Kernel.CreateBuilder()\r\n .AddOllamaChatCompletion("deepseek-r1:latest", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddScoped<HttpClient>();\r\n\r\nvar kernel = builder.Build();\r\n\r\nkernel.Plugins.AddFromType<CalculatorPlugin>();\r\n.\r\n.\r\n.\r\n<\/pre>\n<\/div>\nAsp.NET Core Application<\/em>;<\/p>\n \n\r\nvar builder = WebApplication.CreateBuilder(args);\r\nbuilder.Services.AddKernel()\r\n .AddOllamaChatCompletion("deepseek-r1", "http:\/\/localhost:11434")\r\n .Plugins.AddFromType<CalculatorPlugin>();\r\n.\r\n.\r\n.\r\n<\/pre>\n<\/div>\nVe ekledikten sonra da a\u015fa\u011f\u0131daki gibi plugin’i kullanabilirsiniz;<\/p>\n Console Application<\/em>;<\/p>\n \n\r\n.\r\n.\r\n.\r\nvar arguments = new KernelArguments\r\n{\r\n ["number1"] = 3,\r\n ["number2"] = 5\r\n};\r\n\r\nvar addResult = await kernel.InvokeAsync("CalculatorPlugin", "add", arguments);\r\nConsole.WriteLine($"Sonu\u00e7 : {addResult}");\r\n<\/pre>\n<\/div>\nAsp.NET Core Application<\/em>;<\/p>\n \n\r\n.\r\n.\r\n.\r\napp.MapGet("\/add\/{number1}\/{number2}", async (Kernel kernel, int number1, int number2) =>\r\n{\r\n var arguments = new KernelArguments\r\n {\r\n ["number1"] = number1,\r\n ["number2"] = number2\r\n };\r\n var addResult = await kernel.InvokeAsync("CalculatorPlugin", "add", arguments);\r\n return addResult.GetValue<int>();\r\n}).WithRequestTimeout(TimeSpan.FromMinutes(10));\r\n<\/pre>\n<\/div>\nPrompt \u0130\u00e7eri\u011fine G\u00f6re Eklentinin AI Taraf\u0131ndan Otomatik \u00c7a\u011fr\u0131lmas\u0131<\/h6>\nTabi isterseniz, bu eklenti fonksiyonlar\u0131n\u0131 otomatik olarak da \u00e7a\u011f\u0131rtabilir ve uygulaman\u0131n kullan\u0131c\u0131 girdilerine daha ak\u0131ll\u0131ca yan\u0131tlar vermesini sa\u011flayabilirsiniz. Yani, belirli eylemlere kar\u015f\u0131n a\u00e7\u0131k komutlar\u0131 tetiklemekten ziyade, kullan\u0131c\u0131n\u0131n iste\u011fine g\u00f6re AI taraf\u0131ndan \u00e7a\u011fr\u0131lacak uygun eklentiler devreye sokulabilir ve b\u00f6ylece daha do\u011fal bir etkile\u015fim durumu s\u00f6z konusu olabilir. Ve bir yandan da irademizce yap\u0131lan fonksiyon \u00e7a\u011fr\u0131mlar\u0131n\u0131n azalt\u0131lmas\u0131n\u0131 sa\u011flayarak, sanki kesin talimat verircesine yap\u0131lan davran\u0131\u015flar yerine, kullan\u0131c\u0131 deneyimlerinin daha organik bir \u015fekilde geli\u015ftirilebilmesini sa\u011flayabilirsiniz.<\/p>\n \n\r\n.\r\n.\r\n.\r\nvar chatCompletionService = kernel.GetRequiredService<IChatCompletionService>();\r\nvar result = await chatCompletionService.GetChatMessageContentAsync(\r\n "\u00fc\u00e7 ve be\u015f'in toplam\u0131n\u0131 hesapla",\r\n executionSettings: new PromptExecutionSettings\r\n {\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()\r\n },\r\n kernel: kernel\r\n );\r\n\r\n\r\nConsole.WriteLine(result.ToString());\r\n<\/pre>\n<\/div>\nTabi burada dikkat edilmesi gereken husus \u015fudur ki; Semantic Kernel’da prompt i\u00e7eri\u011fine g\u00f6re fonksiyon \u00e7a\u011f\u0131rabilmek i\u00e7in kullan\u0131lan dil modelinin (LLM) dahili olarak Function Calling \u00f6zelli\u011fini desteklemesi gerekmektedir. E\u011fer ki sizler de bu i\u00e7erikte oldu\u011fu gibi Ollama \u00fczerinden \u00e7al\u0131\u015fma ger\u00e7ekle\u015ftiriyorsan\u0131z bu \u00f6zelli\u011fin desteklenmedi\u011fini g\u00f6receksiniz. Bu davran\u0131\u015f\u0131n \u015fu anda ancak OpenAI yahut Azure OpenAI taraf\u0131ndan desteklenmekte oldu\u011funu s\u00f6ylemekte fayda g\u00f6rmekteyim.<\/p>\n Fonksiyonlar\u0131n Yap\u0131land\u0131rma Se\u00e7enekleri<\/h5>\nKullan\u0131lan AI modelinin \u00e7al\u0131\u015fmas\u0131 s\u0131ras\u0131nda taraf\u0131m\u0131zca olu\u015fturulan plugin’lere nas\u0131l eri\u015fece\u011fini ve bunlar\u0131n s\u00fcrecin hangi a\u015famas\u0131nda devreye girece\u011fini yap\u0131land\u0131rabilir ve ince dokunu\u015flarla kontrolde bulunabilirsiniz. \u00d6zellikle ger\u00e7ek zamanl\u0131 verilere ihtiya\u00e7 oldu\u011funda d\u0131\u015f bir API’ye istek g\u00f6nderilmesi gerekti\u011finde plugin’leri kullanabilir veya gizlilik ya da g\u00fcvenlik i\u00e7in i\u015flevselli\u011fi k\u0131s\u0131tlama gibi belirli durumlarda AI’\u0131n yan\u0131tlar\u0131n\u0131 kendinize g\u00f6re uyarlayabilirsiniz. B\u00f6ylece davran\u0131\u015flar\u0131 stratejik olarak y\u00f6netebilir, uygulaman\u0131z\u0131n performans\u0131n\u0131 optimize edebilirsiniz.<\/p>\n Uygulamada olu\u015fturup dahil etti\u011finiz t\u00fcm eklentiler, varsay\u0131lan olarak kullan\u0131labilir vaziyettedirler. Sizler, istedi\u011finizin kullan\u0131m\u0131n\u0131 s\u0131n\u0131rlayabilir ya da komple devre d\u0131\u015f\u0131 b\u0131rakabilirsiniz.<\/p>\n A\u015fa\u011f\u0131daki gibi bir \u00e7al\u0131\u015fma neticesinde s\u00fcrece eklenmi\u015f fonksiyonlardan herhangi biri veya birileri, AI modeline gelen prompt neticesinde otomatik olarak devreye sokularak, cevab\u0131 \u015fekillendirebilirler;<\/p>\n \n\r\nvar builder = Kernel.CreateBuilder()\r\n .AddOllamaChatCompletion("deepseek-r1:latest", "http:\/\/localhost:11434");\r\n\r\nbuilder.Services.AddScoped<HttpClient>();\r\n\r\nvar kernel = builder.Build();\r\n\r\nkernel.Plugins.AddFromType<APlugin>();\r\nkernel.Plugins.AddFromType<BPlugin>();\r\nkernel.Plugins.AddFromType<CPlugin>();\r\n\r\nPromptExecutionSettings promptExecutionSettings = new()\r\n{\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.Auto()\r\n};\r\n\r\nawait kernel.InvokePromptAsync("...", new(promptExecutionSettings));\r\n<\/pre>\n<\/div>\nYa da eklenmi\u015f fonksiyonlardan s\u00fcrece otomatik olarak dahil olacak olanlar\u0131 a\u015fa\u011f\u0131daki gibi se\u00e7ebilirsiniz ve b\u00f6ylece modelin kullanaca\u011f\u0131 eklentileri s\u0131n\u0131rland\u0131rabilirsiniz;<\/p>\n \n\r\n.\r\n.\r\n.\r\nPromptExecutionSettings promptExecutionSettings = new()\r\n{\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(functions: [\r\n kernel.Plugins.GetFunction(nameof(APlugin), "a"),\r\n kernel.Plugins.GetFunction(nameof(CPlugin), "c")\r\n ])\r\n};\r\n<\/pre>\n<\/div>\nVeya modelin plugin tabanl\u0131 davran\u0131\u015f\u0131n\u0131 a\u015fa\u011f\u0131daki gibi komple engelleyebilirsiniz;<\/p>\n \n\r\n.\r\n.\r\n.\r\nPromptExecutionSettings promptExecutionSettings = new()\r\n{\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.Auto(functions: [])\r\n};\r\n<\/pre>\n<\/div>\nBunlar\u0131n d\u0131\u015f\u0131nda a\u015fa\u011f\u0131daki gibi kullan\u0131lan AI modeli en az bir plugin’i se\u00e7meye de zorlanabilir;<\/p>\n \n\r\n.\r\n.\r\n.\r\nPromptExecutionSettings promptExecutionSettings = new()\r\n{\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.Required()\r\n};\r\n<\/pre>\n<\/div>\nYa da a\u015fa\u011f\u0131daki gibi t\u00fcm plugin’ler iptalde edilebilir;<\/p>\n \n\r\n.\r\n.\r\n.\r\nPromptExecutionSettings promptExecutionSettings = new()\r\n{\r\n FunctionChoiceBehavior = FunctionChoiceBehavior.None()\r\n};\r\n<\/pre>\n<\/div>\nFiltre (Filters) Yap\u0131land\u0131rmas\u0131<\/h5>\nSemantic Kernel’da filtreler, AI modeline g\u00f6nderilen prompt’lar\u0131n \u00e7\u00f6z\u00fcmlenmesi s\u00fcrecinde kullan\u0131c\u0131 izinlerinden tutun loglamaya kadar bir\u00e7ok eylemin s\u0131ral\u0131 bir \u015fekilde ger\u00e7ekle\u015ftirilmesini sa\u011flayan yap\u0131lard\u0131r.<\/p>\n Bu minvalde Semantic Kernel, kontrol\u00fc ve \u00f6zelle\u015ftirmeyi geli\u015ftirmek i\u00e7in a\u015fa\u011f\u0131daki gibi \u00fc\u00e7 t\u00fcr filtre yap\u0131s\u0131 sunmaktad\u0131r;<\/p>\n \nFunction Invocation Filters<\/strong><\/em> \nBir fonksiyonun her y\u00fcr\u00fct\u00fclme\/i\u015flenme s\u00fcrecinde tetiklenecek olan filter’d\u0131r. B\u00f6ylece ilgili fonksiyonla ilgili meta verilere eri\u015fim \u015fans\u0131 do\u011facak hem de ilgili fonksiyon y\u00fcr\u00fct\u00fclmeden \u00f6nce ve sonra log atma imkan\u0131 s\u00f6z konusu olacakt\u0131r.<\/p>\n\n\r\n public sealed class LoggingFilter : IFunctionInvocationFilter\r\n {\r\n public async Task OnFunctionInvocationAsync(FunctionInvocationContext context, Func<FunctionInvocationContext, Task> next)\r\n {\r\n Console.WriteLine($"\u00c7al\u0131\u015ft\u0131r\u0131l\u0131yor = Eklenti Ad\u0131 : {context.Function.PluginName} | Fonksiyon Ad\u0131 : {context.Function.Name}");\r\n await next(context);\r\n Console.WriteLine($"\u00c7al\u0131\u015ft\u0131r\u0131ld\u0131 = Eklenti Ad\u0131 : {context.Function.PluginName} | Fonksiyon Ad\u0131 : {context.Function.Name}");\r\n }\r\n }\r\n<\/pre>\n<\/div>\n<\/li>\nPrompt Render Filters<\/strong><\/em> \nPrompt olu\u015fturma s\u0131ras\u0131nda tetiklenen ve prompt’lar\u0131n nas\u0131l bi\u00e7imlendirilece\u011fi ve AI’ya nas\u0131l g\u00f6nderilece\u011fi \u00fczerinde kontrol f\u0131rsat\u0131 sa\u011flayan filter’d\u0131r. \u00d6zellikle hassas bilgiler i\u00e7in prompt’u de\u011fi\u015ftirme\/d\u00fczenleme veya semantic caching’i etkinle\u015ftirme gibi g\u00f6revler i\u00e7in olduk\u00e7a ideal f\u0131rsatlar sa\u011flamaktad\u0131r.<\/p>\nMisal olarak a\u015fa\u011f\u0131daki gibi bir prompt render filter olu\u015fturabilir;<\/p>\n \n\r\n public sealed class SafePromptFilter : IPromptRenderFilter\r\n {\r\n public async Task OnPromptRenderAsync(PromptRenderContext context, Func<PromptRenderContext, Task> next)\r\n {\r\n await next(context);\r\n context.RenderedPrompt = "3 + 5 sonucu ka\u00e7t\u0131r?";\r\n }\r\n }\r\n<\/pre>\n<\/div>\nve bu filter’\u0131 kullanarak a\u015fa\u011f\u0131daki gibi gelen prompt’lar\u0131 manip\u00fcle edebilirsiniz;<\/p>\n \n\r\n.\r\n.\r\n.\r\nvar result = await kernel.InvokePromptAsync("dokuz'un ikiye b\u00f6l\u00fcm\u00fcnden kalan ka\u00e7t\u0131r?");\r\nConsole.WriteLine(result.ToString());\r\n<\/pre>\n<\/div>\n<\/a>\n<\/li>\n Auto Function Invocation Filters<\/strong><\/em> \nBu filter’da yaln\u0131zca otomatik fonksiyon \u00e7a\u011f\u0131rma i\u015flemi s\u0131ras\u0131nda tetiklenmektedir. Genellikle ara sonu\u00e7lara g\u00f6re i\u015f ak\u0131\u015flar\u0131n\u0131 ayarlamak ya da mevcut s\u00fcreci sonland\u0131rmak i\u00e7in kullan\u0131lmaktad\u0131r;<\/p>\n\n\r\n public sealed class EarlyTerminationFilter : IAutoFunctionInvocationFilter\r\n {\r\n public async Task OnAutoFunctionInvocationAsync(AutoFunctionInvocationContext context, Func<AutoFunctionInvocationContext, Task> next)\r\n {\r\n await next(context);\r\n\r\n var result = context.Result.GetValue<string>();\r\n if (result == "desired result")\r\n {\r\n context.Terminate = true;\r\n }\r\n }\r\n }\r\n<\/pre>\n<\/div>\n<\/li>\n<\/ul>\nEvet, filter’lar bunlardan ibarettir. Tabi hangi filter’\u0131 kullan\u0131yorsan\u0131z kullan\u0131n uygulamaya implemente etmeniz gerekmektedir. Bunun i\u00e7in a\u015fa\u011f\u0131daki iki y\u00f6ntemden birini kullanabilirsiniz; \nDependency Injection<\/em>;<\/p>\n\n\r\nbuilder.Services.AddSingleton<IFunctionInvocationFilter, LoggingFilter>();\r\nbuilder.Services.AddSingleton<IPromptRenderFilter, SafePromptFilter>();\r\nbuilder.Services.AddSingleton<IAutoFunctionInvocationFilter, EarlyTerminationFilter>();\r\n<\/pre>\n<\/div>\nKernel Properties<\/em>;<\/p>\n\n\r\nkernel.FunctionInvocationFilters.Add(new LoggingFilter());\r\nkernel.PromptRenderFilters.Add(new SafePromptFilter());\r\nkernel.AutoFunctionInvocationFilters.Add(new EarlyTerminationFilter());\r\n<\/pre>\n<\/div>\n\u0130\u015fte bu kadar… \nTabi daha fazla detayla Semantic Kernel’\u0131n k\u0131lcal damarlar\u0131na temas edebilirdik. Ancak bundan gayr\u0131s\u0131 i\u00e7eri\u011fi haddinden fazla \u015fi\u015firmeye ve siz de\u011ferli okuyucular\u0131n \u015firazesine kayd\u0131rmak i\u00e7in kas\u0131ta girecektir. Ben i\u00e7eri\u011fi burada nihayetlendirip bundan sonras\u0131n\u0131 sizlerin ihtiya\u00e7 ve meram\u0131na b\u0131rakmay\u0131 uygun g\u00f6rmekteyim…<\/p>\n Bir ka\u00e7 kelam e\u015fli\u011finde nihai dokunu\u015f yaparsak e\u011fer; \nAnlayaca\u011f\u0131n\u0131z Semantic Kernel, .NET d\u00fcnyas\u0131nda yapay zeka fonksiyonlar\u0131 geli\u015ftirmeyi ve b\u00fcy\u00fck dil modellerini uzman sistemlerde, soru-cevap s\u00fcre\u00e7lerinde yahut i\u00e7erik olu\u015fturma gibi senaryolarda verimli bir \u015fekilde kullanmay\u0131 kolayla\u015ft\u0131ran kaliteli ve olduk\u00e7a yetenekli bir k\u00fct\u00fcphanedir. SK sayesinde uygulama geli\u015ftiricileri, LLM \u00e7a\u011fr\u0131lar\u0131n\u0131 karma\u015f\u0131k hale getiren pek \u00e7ok detay\u0131 soyutlayarak daha temiz ve mod\u00fcler kod yazabilmekte ve prompt y\u00f6netiminden bellek i\u015fleyi\u015fine, eklenti konseptinden API entegrasyonuna kadar geni\u015f bir yelpazede SK’n\u0131n \u00f6zelliklerinden istifade edebilmektedir.<\/p>\n \u0130lgilenenlerin faydalanmas\u0131 dile\u011fiyle… \nSonraki yaz\u0131lar\u0131mda g\u00f6r\u00fc\u015fmek \u00fczere… \n\u0130yi \u00e7al\u0131\u015fmalar…<\/p>\nNot : \u00d6rnek \u00e7al\u0131\u015fmaya a\u015fa\u011f\u0131daki github adresinden eri\u015febilirsiniz. \nhttps:\/\/github.com\/gncyyldz\/Semantic.Kernel.Example<\/a><\/p>\n","protected":false},"excerpt":{"rendered":" Merhaba, Bu i\u00e7eri\u011fimizde Microsoft taraf\u0131ndan .NET ekosisteminde Yapay Zek\u00e2 (AI) uygulamalar\u0131n\u0131 geli\u015ftirmemizi kolayla\u015ft\u0131rmak amac\u0131yla sunulan Semantic Kernel k\u00fct\u00fcphanesini hem teorik hem de pratik bir \u015fekilde derinlemesine inceliyor olaca\u011f\u0131z. O halde buyurun hi\u00e7 vakit kaybetmeksizin...<\/p>\n","protected":false},"author":1,"featured_media":27566,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[5222,5220],"tags":[5228,5223,5226,5227,5221,5230,5229,5225,5224],"class_list":["post-27549","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-llm","category-yapay-zeka-ai","tag-history","tag-llm","tag-ollama","tag-prompt-templates","tag-semantic-kernel","tag-semantic-kernel-filters","tag-semantic-kernel-history","tag-yapay-zeka","tag-yapay-zeka-ai"],"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/posts\/27549","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/comments?post=27549"}],"version-history":[{"count":14,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/posts\/27549\/revisions"}],"predecessor-version":[{"id":27572,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/posts\/27549\/revisions\/27572"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/media\/27566"}],"wp:attachment":[{"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/media?parent=27549"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/categories?post=27549"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gencayyildiz.com\/blog\/wp-json\/wp\/v2\/tags?post=27549"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}