CommunityRecherche & Datenanalysegithub.com

jarenrey4035/SKF.ProductAssistant

Bietet KI-gestützte Antworten zu SKF-Lagereigenschaften unter Verwendung von C#, Azure Functions, Semantic Kernel und lokalen JSON-Datenblättern mit Kontextverfolgung.

Was ist SKF.ProductAssistant?

Diese Fähigkeit ermöglicht es einem KI-Assistenten, genaue, kontextbewusste Antworten zu SKF-Lagerprodukten zu liefern, indem er lokale JSON-Datenblätter über C# und Azure Functions abfragt. Sie nutzt Semantic Kernel, um Absichten zu verstehen und relevante Attribute (z. B. Abmessungen, Belastungsgrenzen, Materialien) dynamisch aus strukturierten Daten abzurufen. Die Implementierung umfasst eine Kontextverfolgung, um Folgefragen im Laufe einer Sitzung sinnvoll zu beantworten. Sie ist ideal für Ingenieure, Wartungsteams und Vertriebsprofis, die schnelle, datengestützte Informationen zu SKF-Lagern benötigen, ohne Handbücher durchsuchen zu müssen. Die Fähigkeit lässt sich in KI-Agent-Plattformen integrieren, die benutzerdefinierte Skill-Ausführung unterstützen, z. B. Claude Code oder Cursor, und funktioniert als serverlose Funktion, die in jeder Azure-Umgebung bereitgestellt werden kann.

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add jarenrey4035/SKF.ProductAssistant

Installed? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

Was macht SKF.ProductAssistant?

Bietet KI-gestützte Antworten zu SKF-Lagereigenschaften unter Verwendung von C#, Azure Functions, Semantic Kernel und lokalen JSON-Datenblättern mit Kontextverfolgung.

Übersicht

Diese Fähigkeit fungiert als Produktassistent für SKF-Lager. Sie kombiniert die Leistungsfähigkeit von Azure Functions mit Semantic Kernel, um aus einer Reihe lokaler JSON-Datenblätter relevante Lagereigenschaften abzurufen und dem Benutzer in natürlicher Sprache zu präsentieren.

Hauptmerkmale

  • Kontextverfolgung: Behält während einer gesamten Unterhaltung den Kontext bei, um Folge- und Präzisierungsfragen zu beantworten.
  • Lokale Datenblätter: Verwendet eingebettete JSON-Daten, sodass keine externen Datenbanken oder APIs erforderlich sind.
  • C# & Azure Functions: Sorgt für hohe Leistung und einfache Bereitstellung in Cloud-Umgebungen.
  • Semantic Kernel: Nutzt fortschrittliche semantische Analyse, um Benutzeranfragen zu verstehen und sie mit den richtigen Attributen abzugleichen.

Funktionsweise

  1. Der Benutzer stellt eine Frage zu einem SKF-Lagerprodukt (z. B. „Welche Abmessungen hat das Lager 6203?“).
  2. Der Skill verarbeitet die Anfrage mit Semantic Kernel, um Absicht und Entitäten zu extrahieren.
  3. Die extrahierten Informationen werden verwendet, um die lokalen JSON-Datenblätter nach dem passenden Lager zu durchsuchen.
  4. Sobald das Lager gefunden ist, werden die angeforderten Attribute aus den Daten abgerufen.
  5. Die Antwort wird in natürlicher Sprache formuliert und dem Benutzer präsentiert.
  6. Der Kontext der aktuellen Sitzung wird aktualisiert, um Folgefragen zu ermöglichen.

Verwendung

Voraussetzungen

  • .NET 8 SDK
  • Azure Functions Core Tools
  • Ein Azure-Abonnement (für die Bereitstellung)

Lokale Ausführung

cd SKF.ProductAssistant
func start

Beispielanfrage

POST http://localhost:7071/api/ask
Content-Type: application/json

{
    "question": "Was ist die dynamische Tragzahl des Lagers 6205?",
    "sessionId": "user-12345"
}

Beispielantwort

{
    "answer": "Die dynamische Tragzahl (C) des Lagers 6205 beträgt 14,8 kN.",
    "context": {
        "bearing": "6205",
        "attribute": "dynamische_tragzahl"
    }
}

Datenblatt-Struktur

Die JSON-Datenblätter enthalten ein Array von Lagern mit folgender Struktur:

[
    {
        "typ": "6200",
        "abmessungen": {
            "bohrung_d": 10,
            "aussendurchmesser_D": 30,
            "breite_B": 9
        },
        "tragzahlen": {
            "dynamisch_C": 5.07,
            "statisch_C0": 2.36
        },
        "grenzdrehzahlen": {
            "fett": 22000,
            "öl": 30000
        }
    }
]

Kontextverfolgung

Der Skill führt eine Sitzungstabelle mit den letzten Interaktionen jedes Benutzers. So können Fragen wie „Und wie sieht es mit der statischen Tragzahl aus?“ gestellt werden, nachdem die dynamische Tragzahl eines Lagers angegeben wurde.

Bereitstellung

func azure functionapp publish <function-app-name>

Ersetzen Sie <function-app-name> durch den Namen Ihrer Azure Function App.

Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert – siehe die Datei LICENSE für Details.

Verwandte Skills