# Semantic Kernel（语义内核）

## 核心定义
Semantic Kernel 是微软推出的开源 AI 编排 SDK，旨在将大型语言模型（LLM，如 GPT-4）与传统编程语言（C#、Python）原生融合。其核心思想是让开发者通过“语义函数”（自然语言描述任务）和“原生函数”（确定性代码）的灵活组合，构建具备记忆、规划与外部连接能力的智能应用，从而将语义理解无缝嵌入到工程化系统中。

## 关键技术点
1. **语义函数（Semantic Functions）**  
   用自然语言模板定义任务（如“提取患者主诉中的核心症状”），由 LLM 负责执行；支持参数化输入与上下文绑定，实现高可复用的语义逻辑。

2. **原生函数（Native Functions）**  
   传统编程语言实现的确定性函数，可调用数据库、传感器或专用算法（如信号处理）；与语义函数同等级别，支持混合编排。

3. **记忆（Memory）**  
   基于向量数据库的长期与短期存储，实现检索增强生成（RAG）。支持将临床文本、知识图谱片段嵌入为向量，供后续语义检索与相似度匹配。

4. **规划器（Planner）**  
   自动分析用户意图，将复杂请求拆解为多步执行计划，调用不同函数并排序。例如：先执行“提取症状”语义函数，再调用“评估严重度”原生函数。

5. **连接器（Connectors）**  
   标准化接口，可对接外部服务（如医疗信息系统 EHR、设备 API、知识库），实现语义层与基础设施的桥接。

## 医学/神经科学应用场景：帕金森病运动症状智能评估（结合首都医科大学神经病学研究）
在首都医科大学神经病学团队研究帕金森病的背景下，可利用 Semantic Kernel 构建一套**多模态症状评估助手**：

- **语义函数**：从患者自由描述的语音中提取“震颤”“僵硬”“步态拖曳”等关键词及其频率、诱因；同时解释神经科查体记录中的专业术语。
- **原生函数**：调用加速度计、陀螺仪等可穿戴设备 API，计算步长变异系数、震颤功率谱密度等运动学指标；或执行 UPDRS 评分计算规则。
- **记忆**：存储既往患者症状-病程-影像-基因向量，用于新病例的相似性匹配与风险分层；并嵌入最新临床指南及本中心研究结论（如步速<0.8m/s预示跌倒风险升高）。
- **规划器**：当医生输入“评估该患者当前运动功能并生成结构化报告”，系统自动规划：① 调用语义函数提取问诊语义；② 调用原生函数处理传感器数据；③ 检索记忆库对比同类患者结局；④ 生成含量化指标与预后提示的报告。

此架构将 LLM 的语义理解与临床算法深度耦合，显著提升对帕金森病运动波动、冻结步态等复杂状态的自动化评估效率与可解释性。