今年我們有一個眼高手低的計劃，打算基於 Semantic Kernel + DashScope(阿里雲模型服務靈積) + Qwen(通義千問大模型) ，結合園子已有的產品與應用場景，開發面向開發者的 AI 應用，並將整個過程與大家分享。
目前處於準備階段，這篇博文分享的是遇到的第一個問題，並由此發起一個開源小專案。
透過 Semantic Kernel 使用大模型服務，必須要有對應這個模型服務的 Connector，而 Semantic Kernel 目前只提供了 OpenAI 與 HuggingFace 的 Connector，沒有提供 DashScope 的 Connector。
面對這個問題，我們有2個選擇：
1）使用已有的 OpenAI Connector，藉助 one-api （相當於是一個 api 閘道器）連線 DashScope。
2）自己開發 DashScope Connector。
經過權衡考慮，我們選擇了後者，選擇了更難走的一條路。
當我們準備自己開發 DashScope Connector 時，發現 DashScope 沒有提供官方版 .NET SDK，阿里雲只提供了 Python 與 Java 版的 SDK。
找了非官方的 .NET 版 DashScope SDK，又不能滿足我們的需求，於是我們在更難的路上選擇了難上加難，決定自己開發一個簡單版本的 DashScope SDK for .NET，並以此為基礎發起一個開源小專案。
在動手開發 DashScope SDK 的時候，我們又發現官方 Java 與 Python 版 SDK 都沒開源，連個參考都沒有，難度係數又進一步增加。
面對這些小困難，我們沒有知難而退，經過一週左右時間的努力，終於完成了一個初步版本的 DashScope SDK，今天釋出出來，想拋磚引玉，藉此發起一個開源小專案，如果您對基於 Semantic Kernel + DashScope 開發 AI 應用感興趣，期待您的關注，更期待您貢獻程式碼，github 倉庫地址 https://github.com/cnblogs/dashscope-sdk
接下來，我們會基於 DashScope SDK for .NET 開發 Cnblogs.SemanticKernel.Connectors.DashScope，為基於通義千問大模型的 RAG(Retrieval Augmented Generation) 嘗試做準備。