微軟 3月22日 一篇文章“Semantic-kernel 嵌入和記憶：使用聊天UI探索GitHub Repos”[1] ，文章中進行了展示了嵌入，該文章解釋了他們如何幫助開發人員提出有關GitHub儲存庫的問題或使用自然語言查詢探索GitHub儲存庫。與嵌入一起，這是在SK儲存器[2]（嵌入集合）的幫助下完成的，這有助於為提示（或SK世界中的ASK）提供更廣泛的上下文。
瀏覽 GitHub 中的示例：https://aka.ms/sk/repo/samples/github-repo-qa-bot
閱讀有關示例的文件：https://aka.ms/sk/github-bot
首先把https://github.com/microsoft/semantic-kernel 克隆到本地。
第一步是執行 本地 API 服務，是基於 Azure function v4 用 C# 編寫的，並公開了一些Semantic-kernel API。 執行這個服務，需要安裝 Azure Functions Core Tools：https://learn.microsoft.com/zh-cn/azure/azure-functions/functions-run-local?tabs=v4%2Cwindows%2Ccsharp%2Cportal%2Cbash，下載工具本地安裝，Azure function是用.NET 構建的：
安裝好後，切換到目錄samples\dotnet\KernelHttpServer 目錄下執行 func start --csharp：
這個表示成功執行了Api服務，接著我們去把 React的 前端應用執行起來，切換到目錄 samples\apps\github-qna-webapp-react，執行之前需要安裝好工具yarn。
執行 yarn install 和 yarn start，看到類似輸出，同時開啟了瀏覽器 http://localhost:3000:
這個示例的聊天模型選擇 text-davinci-003：
Embedding 模型選擇text-embedding-ada-002：
這個示例向量化的文件是Markdown的檔案，我這裡使用金融大資料量化分析：https://github.com/plouto-quants/FBDQA-2019A 來做體驗一下
把github 倉庫中的markdown 檔案下載下來後，我們就可以開始體驗問答了：
從上面這兩個截圖你可以看到這個機器人還是很聰明的了，我們問他這個倉庫裡的文件裡的相關問題，都能夠回答得很好，這個示例沒有記憶功能，也沒有持久化，每次執行要重新配置。 實際得產品環境下可以繼續基於這樣的示例進行加強，把記憶 和 知識庫向量持久化做好，那麼就可以很輕鬆的應對以下場景：
- 程式文件
- 學生教育材料
- 公司合同
- 產品文件