目录

规划器（Planners）与自动化

1 Planners 的介绍

2 构建自动化流程

3 错误处理与回退机制

4 集成业务流程

5 案例研究：一个电商推荐系统的规划器实现

---

规划器（Planners）与自动化

在上几篇文章中，我们已经掌握了Semantic Kernel的核心元素，比如Kernel、Plugins和提示工程，这些组件让AI能力像传统.NET类库一样易于调用。作为一个专注.NET开发的博主，我总是思考如何将这些工具应用到实际项目中，比如在企业级系统中自动化多步操作，而规划器正是实现这一点的关键。今天，这篇系列的第五篇，我们来探讨规划器在Semantic Kernel中的作用。它能让AI自动分解任务、选择路径，就像传统工作流引擎如Windows Workflow Foundation一样，但更智能、更灵活。我们会从不同类型规划器的介绍开始，一步步到构建流程、错误处理、业务集成，最后通过一个电商案例来落地一切。通过这些内容，你能在自己的项目中快速构建自动化系统，提升效率。

1 Planners 的介绍

规划器是Semantic Kernel中负责任务分解和执行协调的组件，它使用AI模型来分析用户意图，然后生成一个步骤序列，调用插件完成目标。这与传统.NET开发中的状态机或BPM（业务流程管理）系统类似，但规划器依赖LLM的推理能力，能处理不确定性更高的场景。在Semantic Kernel中，主要有Action Planner、Sequential Planner和Handlebars Planner三种类型，每种针对不同复杂度。

Action Planner适合简单任务，它直接基于可用插件生成单一或少量步骤的计划。比如，当用户输入一个查询时，它会选择最匹配的插件执行，而不涉及复杂链条。它的优势在于速度快，适合实时响应应用，如聊天机器人中的快速工具调用。在C#中，使用Action Planner的代码很简单：

using Microsoft.SemanticKernel.Planning.Action;

var planner = new ActionPlanner(kernel);
var plan = await planner.CreatePlanAsync("发送一封欢迎邮件给新用户。");
var result = await plan.InvokeAsync();

这种方式让规划像调用一个方法一样直接，特别适用于传统Web API中，你可以把它嵌入控制器，处理用户请求时自动选择动作。

Sequential Planner则更注重顺序执行，它会将任务分解成线性步骤，每个步骤依赖前一个输出。这类似于传统管道模式，如在数据处理中用LINQ链式操作。Sequential Planner在处理依赖关系时表现出色，比如先查询数据、再分析、再生成报告。到2025年，这个规划器已支持自动函数调用，减少手动干预。 选择它时，考虑任务的线性度，如果你的项目涉及多步表单验证，它能自然融入，确保步骤不乱。

Handlebars Planner是三种中最灵活的，它用模板语言（Handlebars）定义计划，支持条件分支和循环。这让规划器像编写Razor视图一样动态，你可以预定义模板，让AI填充细节。举例：

using Microsoft.SemanticKernel.Planning.Handlebars;

var planner = new HandlebarsPlanner(kernel);
var plan = await planner.CreatePlanAsync("如果库存不足，通知供应商，否则发货。");

区别在于：Action Planner偏向即时行动，Sequential强调顺序，Handlebars处理分支逻辑。选择时，看任务复杂度——简单用Action，线性用Sequential，复杂用Handlebars。在实际开发中，这三种能互补，比如在微服务架构中，用Sequential串联API调用，Handlebars处理异常分支。这种选择逻辑能让你的系统更具扩展性，避免一刀切的设计。

Semantic Kernel的规划器还支持迁移到自动函数调用模式，这在最新文档中被推荐，用于更高效的工具选择。 在企业项目中，这意味着你能从原型起步，逐步优化规划策略，适应业务变化。

2 构建自动化流程

构建自动化流程是规划器的核心应用，它让多步任务像流水线一样运行。在Semantic Kernel中，你可以用C#轻松实现，比如生成报告：先收集数据、再分析、再格式化输出。这与传统ETL（Extract-Transform-Load）过程类似，但AI能动态调整步骤。

拿报告生成为例，先准备插件：一个数据收集插件和一个总结插件。然后，用Sequential Planner构建流程：

using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Planning.Sequential;

var kernel = Kernel.CreateBuilder()
    .AddOpenAIChatCompletion("gpt-4o", apiKey)
    .Build();

kernel.ImportPluginFromObject(new DataPlugin(), "Data");
kernel.ImportPluginFromObject(new SummaryPlugin(), "Summary");

var planner = new SequentialPlanner(kernel);
var plan = await planner.CreatePlanAsync("生成上月销售报告：收集数据，分析趋势，总结关键点。");

var context = new KernelArguments { ["input"] = "2025-07" };
var result = await plan.InvokeAsync(context);
Console.WriteLine(result);

这里，计划会自动分解：调用Data.GetSalesData("2025-07")，然后Summary.AnalyzeTrends(output)，最后生成报告。流程的自动化在于AI解析目标，匹配插件，避免你手动编写if-else链条。

在实际项目中，这能集成到Azure Functions中，作为定时任务运行。比方说，在ERP系统中，每月自动生成报告发送邮件，减少人工干预。规划器的执行设置还能调整温度参数，确保输出一致：

var config = new SequentialPlannerConfig { MaxTokens = 500 };
var planner = new SequentialPlanner(kernel, config);

这控制了计划长度，像设置数据库查询超时一样，优化资源使用。构建流程时，建议从小任务起步，测试计划输出，再扩展到复杂场景。这种迭代方式在敏捷开发中特别有效，能快速验证AI的可靠性。

Handlebars Planner在自动化中更适合带条件的流程，比如：

var template = " {{#if condition}} 调用插件A {{else}} 调用插件B {{/if}} ";
var planner = new HandlebarsPlanner(kernel, new HandlebarsPlannerOptions { Template = template });

你能自定义模板，让规划适应业务规则。这在传统规则引擎如Drools的替代中价值明显，AI带来更自然的语言处理。

整体上，自动化流程的构建让Semantic Kernel从工具转为平台，你能在.NET MAUI App中嵌入它，实现移动端智能助手，处理用户多步查询。

3 错误处理与回退机制

规划器在运行中难免遇到错误，比如插件调用失败或模型输出异常。Semantic Kernel提供了钩子和重试策略，让系统更鲁棒，就像传统异常处理用try-catch一样。

基本错误处理通过事件钩子实现：

kernel.FunctionInvoking += (sender, e) => { /* 预检查 */ };
kernel.FunctionInvocationFailed += (sender, e) => 
{
    Console.WriteLine($"错误: {e.Exception.Message}");
    // 回退逻辑
    e.Continue = false; // 停止计划
};

当规划失败时，你可以捕获异常，尝试回退。比如，在Sequential Planner中，如果一个步骤失败，重试或跳过：

var config = new SequentialPlannerConfig { RelevancyThreshold = 0.7, MaxIterations = 3 };
var planner = new SequentialPlanner(kernel, config);

MaxIterations设置重试次数，像循环中的break条件。回退机制还能用备用插件：如果主API不可用，切换本地计算。

在实际落地中，这对生产环境至关重要。比如，在云部署的Web服务中，集成AppInsights监控错误，自动回滚计划，避免用户看到失败。规划器的步进执行支持部分恢复，你可以保存中间状态，像事务处理一样，确保数据一致。

对于复杂错误，如token超限，调整提示要求模型简化计划：

var prompt = "如果步骤失败，重试或用备用方法。";
plan = await planner.CreatePlanAsync(goal, prompt);

这让系统自愈，在企业自动化中减少 downtime。错误处理的精细化，能让你的应用从脆弱转为可靠，适合高可用场景如金融交易系统。

4 集成业务流程

规划器最大的价值在于与企业API的集成，实现自动化决策。这桥接了AI与传统系统，比如调用SAP或Salesforce API，让决策更智能。

在C#中，先定义API插件：

public class BusinessPlugin
{
    [KernelFunction("GetInventory")]
    public async Task<string> GetInventory(string productId)
    {
        // 调用企业API
        using var client = new HttpClient();
        var response = await client.GetStringAsync($"https://api.business.com/inventory/{productId}");
        return response;
    }
}

然后，用规划器集成：

kernel.ImportPluginFromObject(new BusinessPlugin(), "Business");
var planner = new HandlebarsPlanner(kernel);
var plan = await planner.CreatePlanAsync("检查库存，如果低于阈值，订购更多。");
await plan.InvokeAsync();

规划器会解析意图，调用GetInventory，基于输出决策。这在供应链管理中落地顺畅，AI自动触发订购，融合传统ERP。

决策集成还支持多模型：用gpt-4o规划复杂业务，用轻量模型执行简单步骤。实际中，这优化成本，在Azure中部署时，按需分配资源。

规划器的可观测性钩子让集成透明：

kernel.PromptRendered += (sender, e) => { Log(e.RenderedPrompt); };

监控计划生成，便于审计。业务流程的集成让Semantic Kernel成为企业AI的中枢，你能在Blazor Dashboard中可视化计划执行，实时调整。

这种方式还能扩展到多代理：规划器协调代理间协作，像团队分工。 在大型项目中，这转变开发范式，从手动流程到AI驱动。

5 案例研究：一个电商推荐系统的规划器实现

现在，来个完整案例：电商推荐系统，用规划器自动化推荐流程。先规划步骤：查询用户历史、分析偏好、生成推荐、发送通知。

准备插件：UserHistoryPlugin、AnalysisPlugin、RecommendPlugin。

然后，构建规划：

var kernel = Kernel.CreateBuilder().Build();
kernel.ImportPluginFromObject(new UserHistoryPlugin(), "History");
kernel.ImportPluginFromObject(new AnalysisPlugin(), "Analysis");
kernel.ImportPluginFromObject(new RecommendPlugin(), "Recommend");

var planner = new SequentialPlanner(kernel);
var goal = "为用户ID 123 生成个性化推荐：获取历史，分析，推荐产品。";
var plan = await planner.CreatePlanAsync(goal);

var context = new KernelArguments { ["userId"] = "123" };
var recommendations = await plan.InvokeAsync(context);

计划执行：History.GetPurchases("123") → Analysis.FindPatterns(output) → Recommend.GenerateList(patterns)。

错误处理：如果分析失败，重试或用默认推荐。集成业务：调用支付API验证库存。

在实际电商App中，部署到ASP.NET Core，用户登录时触发规划，推送推荐。这提升转化率，数据驱动决策。

扩展：用Handlebars处理分支，如“如果用户是新手，推荐热门；否则个性化”。

案例的落地价值在于可复制：从电商到内容平台，规划器简化多步逻辑。测试中，用模拟数据验证计划准确率，确保生产可靠。

通过这个案例，你看到规划器如何转化抽象任务为可执行步骤，融合AI与业务。

总之，规划器让自动化成为现实，紧密结合传统开发，创造高效系统。

引入地址