精選八個基于 .NET 開源、功能強大的 AI 和 LLM 相關項目框架
如今,AI 應用正以前所未有的速度蓬勃發展,在各行各業展現出巨大的潛力與深遠的影響力。今天,大姚為大家精心整理了 8 個基于 .NET 開源、功能強大的 AI 與大語言模型(LLM)相關項目框架,希望能為你的開發和探索提供有價值的參考。

Microsoft Agent Framework
Microsoft Agent Framework 是一個面向 .NET 和 Python 的開源開發套件,用于構建 AI 智能體及多智能體工作流。它融合并擴展了 Semantic Kernel 與 AutoGen 項目的核心理念,在結合兩者優勢的基礎上,進一步引入了全新能力。該框架由原班團隊打造,將成為未來構建 AI 智能體的統一基礎平臺。
開源地址:https://github.com/microsoft/agent-framework
在線文檔:https://learn.microsoft.com/en-us/agent-framework


AutoGen
AutoGen 是一個開源編程框架,它通過多個代理進行對話以解決任務,從而實現 LLM 應用的開發。AutoGen 代理可定制、可對話,并且能夠無縫地允許人類參與。它們可以在不同的模式下運行,使用 LLM、人類輸入和工具的組合。
開源地址:https://github.com/microsoft/autogen
在線文檔:https://microsoft.github.io/autogen


Semantic Kernel
Semantic Kernel 是一個開源的軟件開發工具包(SDK),旨在將大型語言模型(LLM)如OpenAI、Azure OpenAI和Hugging Face與傳統的編程語言如C#、Python和Java集成。這個項目通過提供插件系統,允許開發者輕松地創建能夠調用這些大型語言模型的應用程序。
開源地址:https://github.com/microsoft/semantic-kernel
在線文檔:https://learn.microsoft.com/zh-cn/semantic-kernel/overview/


BotSharp
BotSharp 是一個面向企業級 LLM 應用的開源 AI 框架,旨在促進智能機器人助手在面向業務系統中的開發和應用。該項目涉及自然語言理解、計算機視覺和音頻處理技術,并旨在推動智能機器人助手在企業級系統中的開發和應用。BotSharp 提供了開箱即用的機器學習算法,使普通程序員能夠更快、更輕松地開發人工智能應用程序。
開源地址:https://github.com/SciSharp/BotSharp
在線文檔:https://botsharp.readthedocs.io/



Kernel Memory
Kernel Memory(KM)是一種多模態AI服務,RAG 架構,使用 LLM 和自然語言索引和查詢任何數據、跟蹤來源、顯示引用、異步內存模式。該存儲庫提供了特定 AI 和 LLMs 應用場景中內存的最佳實踐和參考架構。
開源地址:https://github.com/microsoft/kernel-memory
在線文檔:https://microsoft.github.io/kernel-memory


LLamaSharp
LLamaSharp是一個跨平臺庫,用于在本地設備上運行LLaMA/LLaVA模型(以及其他模型)。它基于llama.cpp,能夠在CPU和GPU上高效進行推理。通過提供高級API和RAG支持,LLamaSharp使得在應用程序中部署大型語言模型(LLM)變得方便。
開源地址:https://github.com/SciSharp/LLamaSharp
在線文檔:https://scisharp.github.io/LLamaSharp/latest/


AntSK
AntSK 是一個基于 .NET 9 和 Blazor 技術棧構建的企業級AI知識庫和智能體平臺,集成了 Semantic Kernel 和 Kernel Memory,提供完整的AI應用開發解決方案。
開源地址:https://github.com/AIDotNet/AntSK


OllamaSharp
OllamaSharp 旨在通過提供.NET綁定,使得開發者能夠輕松地在.NET應用程序中使用Ollama API。簡化了 .NET 與 Ollama 的本地和遠程交互。
開源地址:https://github.com/awaescher/OllamaSharp
在線文檔:https://github.com/ollama/ollama/blob/main/docs/api.md




































