using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
var builder = Kernel.CreateBuilder;
// Pilih pembekal anda: OpenAI atau Azure OpenAI
builder.AddOpenAIChatCompletion(
modelId: "gpt-4o-mini", // atau model pilihan anda
apiKey: Environment.GetEnvironmentVariable("OPENAI_API_KEY")
);
var kernel = builder.Build;

using Microsoft.SemanticKernel.SemanticFunctions;
var prompt = @"Anda ialah penerang yang ringkas.
Terangkan konsep '{topic}' dalam 3 poin untuk pemula.";
var explainFunc = kernel.CreateFunctionFromPrompt(prompt);
var result = await explainFunc.InvokeAsync(kernel, new { ["topic"] = "vector embeddings" });
Console.WriteLine(result);

public class WeatherPlugin
{
[KernelFunction, Description("Dapatkan cuaca untuk bandar")]
public async Task<string> GetWeatherAsync(
[Description("Nama bandar")] string city)
{
// Panggil API cuaca anda di sini
var temp = 22; // ruang letak
return $"Cuaca di {city}: {temp}°C dan cerah";
}
}
// Daftar plugin
var weather = new WeatherPlugin;
kernel.Plugins.AddFromObject(weather, pluginName: "weather");

var prompt = @"
Anda ialah enjin pengelasan.
Tugas: Kelaskan `mesej` ke dalam salah satu daripada [Pengebilan, Sokongan Teknikal, Jualan].
Kembalikan JSON yang ketat: { \"label\": string, \"confidence\": number }
mesej: {message}
";
var classify = kernel.CreateFunctionFromPrompt(prompt);
var output = await classify.InvokeAsync(kernel, new { ["message"] = "Saya tidak boleh log masuk ke akaun saya." });
Console.WriteLine(output); // {"label":"Sokongan Teknikal","confidence":0.89}

using Microsoft.SemanticKernel.Memory;
var memory = new MemoryBuilder
.WithMemoryStore(new VolatileMemoryStore) // tukar untuk DB vektor (Qdrant, Pinecone, Azure AI Search)
.WithTextEmbeddingGeneration(
new OpenAITextEmbeddingGeneration("text-embedding-3-small", Environment.GetEnvironmentVariable("OPENAI_API_KEY")))
.Build;
await memory.SaveInformationAsync(
collection: "policies", id: "refund-policy",
text: "Pelanggan boleh meminta bayaran balik dalam tempoh 30 hari dari pembelian dengan bukti resit."
);
// Kemudian: dapatkan semula dan masukkan ke dalam prompt
var results = memory.SearchAsync("refund window", collection: "policies", limit: 3, minRelevanceScore: 0.7);
await foreach (var item in results)
{
Console.WriteLine($"Relevan: {item.Metadata.Text}");
}

// 1) Takrifkan plugin (semantik + asli) seperti sebelumnya
// 2) Gunakan perancang (permukaan API mungkin berbeza mengikut versi)
var goal = "Ringkaskan polisi yang dilampirkan, kelaskan risiko dan e-melkan laporan";
// Andaikan kita mempunyai plugin: fail, ringkaskan, kelaskan, e-mel
// Perancang akan memasang pelan: files.Load → summarize.Run → classify.Run → email.Send
// Laksanakan pelan secara berurutan, sahkan output JSON antara langkah

var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey)
.Build;
var fastKernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey) // dioptimumkan kelajuan
.Build;
// Halakan prompt yang lebih mudah ke fastKernel; tugas yang kompleks ke kernel

record Classification(string label, double confidence);
bool TryParseClassification(string text, out Classification cls)
{
try { cls = System.Text.Json.JsonSerializer.Deserialize<Classification>(text)!; return true; }
catch { cls = default!; return false; }
}

// 1) Masukkan dokumen ke dalam memori
await memory.SaveInformationAsync("handbook", "vacation-policy",
"Pekerja mengumpul 1.5 hari PTO setiap bulan dan boleh membawa lebihan 5 hari.");
// 2) Dapatkan semula konteks untuk soalan
var top = memory.SearchAsync("carry over PTO", "handbook", limit: 3, minRelevanceScore: 0.75);
var contexts = new List<string>;
await foreach (var r in top) contexts.Add(r.Metadata.Text);
// 3) Tanya dengan konteks dan minta petikan
var qaPrompt = @"
Anda menjawab dengan ketat daripada konteks yang diberikan. Jika hilang, katakan anda tidak tahu.
Sertakan petikan sebaris seperti [sumber i] menggunakan indeks item konteks bermula pada 1.
Konteks:
1) {{ctx1}}
2) {{ctx2}}
Soalan: {{q}}
";
var qa = kernel.CreateFunctionFromPrompt(qaPrompt);
var variables = new KernelArguments
{
["ctx1"] = contexts.ElementAtOrDefault(0) ?? "",
["ctx2"] = contexts.ElementAtOrDefault(1) ?? "",
["q"] = "Berapa hari PTO yang boleh saya bawa lebihan?"
};
var answer = await qa.InvokeAsync(kernel, variables);
Console.WriteLine(answer);