C# Kernel Memory使用方法 C#如何为AI应用构建长期记忆

来源：这里教程网时间：2026-02-21 17:42:15 作者：

Kernel Memory是什么，它真能当AI的长期记忆用？

Kernel Memory（KM）不是C#原生库，而是微软开源的、面向AI应用的记忆抽象框架，底层用C#实现，但设计目标是跨语言。它不替代数据库，也不等同于缓存——它的核心价值在于把非结构化数据（PDF、网页、Markdown等）自动切块、向量化、索引，并支持语义检索。你不能把它当

Dictionary<string object></string>

来存取，也不能靠

Memory<t></t>

或

Span<t></t>

去优化它的内存占用。

如何在C#项目中正确引用并初始化Kernel Memory

直接通过NuGet安装最新稳定版即可，注意版本兼容性：当前（2024年中）推荐用

Microsoft.KernelMemory

7.x，它依赖

Microsoft.SemanticKernel

1.0+，若混用SK 0.27会因

IAIService

接口变更导致运行时找不到方法。

执行
dotnet add package Microsoft.KernelMemory --version 7.0.0
必须配置至少一个
IPipelineOrchestrator
实现，默认用
InProcessPipelineOrchestrator
，但生产环境建议换
RedisPipelineOrchestrator
防进程重启丢任务向量存储必须显式指定，例如用
QdrantClient
或
AzureAISearchClient
；空配置下KM会抛
InvalidOperationException: No vector DB client configured
不要手动new
KernelMemoryBuilder()
——要用
KernelMemoryBuilder.BuildAsync()
，否则
ImportDocumentAsync
会静默失败

导入文档时常见的路径与格式陷阱

KM对文件路径敏感，尤其在Linux容器或.NET 8+默认启用

System.IO.UseLegacyPathHandling=false

时，

file://

前缀或反斜杠

会导致

FileNotFoundException

，即使文件明明存在。

统一用
Path.GetFullPath("docs/report.pdf")
生成绝对路径，再传给
ImportDocumentAsync
PDF解析依赖
Microsoft.KernelMemory.Pdf
扩展包，不引用则返回空内容，且无警告网页导入需提前配置
WebContentExtractor
，否则只拿到HTML源码字符串，向量化后语义断裂自定义分块逻辑必须继承
IDocumentPartitioningService
并注册，改
MaxTokensPerChunk
参数只是影响默认分块器，不生效于已注册的自定义实现

检索结果为什么总是不相关？关键在Embedding和Reranking配置

默认的

OpenAIEmbeddingGenerator

使用

text-embedding-ada-002

，但该模型已于2024年停产，若未更新为

text-embedding-3-small

，召回质量会断崖下降；更隐蔽的问题是：KM默认关闭reranking，而仅靠向量相似度排序，在多主题混合文档中极易把高余弦相似但低相关性的片段排前面。

必须显式设置
EnableReranking = true
，并注入
IReranker
实现（如
CohereReranker
或本地
MiniLMReranker
）
MaxResults
设为5不代表返回5个最相关结果——它是向量库初筛后的数量，reranker再从中重排，实际返回仍受
TopK
控制查询文本若含特殊字符（如
"C# async/await"
），需先经
HtmlEncoder.Default.Encode()
预处理，否则Qdrant可能报
invalid UTF-8 sequence
别忽略
AnswerQuestionAsync
里的
AnswerPrompt
模板——它决定LLM如何整合检索片段，用默认模板在技术文档场景常产生虚构引用

真正难的不是接入，是让每一步的输出可验证：导入后查