using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
var builder = Kernel.CreateBuilder;
// Válaszd ki a szolgáltatódat: OpenAI vagy Azure OpenAI
builder.AddOpenAIChatCompletion(
modelId: "gpt-4o-mini", // vagy a preferált modell
apiKey: Environment.GetEnvironmentVariable("OPENAI_API_KEY")
);
var kernel = builder.Build;

using Microsoft.SemanticKernel.SemanticFunctions;
var prompt = @"Te egy tömör magyarázó vagy.
Magyarázd el a '{topic}' fogalmát 3 pontban egy kezdő számára.";
var explainFunc = kernel.CreateFunctionFromPrompt(prompt);
var result = await explainFunc.InvokeAsync(kernel, new { ["topic"] = "vektoros beágyazások" });
Console.WriteLine(result);

public class WeatherPlugin
{
[KernelFunction, Description("Időjárás lekérése egy városhoz")]
public async Task<string> GetWeatherAsync(
[Description("Város neve")] string city)
{
// Hívd meg itt az időjárás API-dat
var temp = 22; // helykitöltő
return $"Időjárás {city} városban: {temp}°C és derült";
}
}
// Bővítmény regisztrálása
var weather = new WeatherPlugin;
kernel.Plugins.AddFromObject(weather, pluginName: "weather");

var prompt = @"
Te egy osztályozó motor vagy.
Feladat: Osztályozd a `message` üzenetet az alábbiak egyikébe: [Számlázás, Technikai támogatás, Értékesítés].
Adj vissza szigorú JSON-t: { \"label\": string, \"confidence\": number }
message: {message}
";
var classify = kernel.CreateFunctionFromPrompt(prompt);
var output = await classify.InvokeAsync(kernel, new { ["message"] = "Nem tudok bejelentkezni a fiókomba." });
Console.WriteLine(output); // {"label":"Technikai támogatás","confidence":0.89}

using Microsoft.SemanticKernel.Memory;
var memory = new MemoryBuilder
.WithMemoryStore(new VolatileMemoryStore) // cseréld le egy vektoros adatbázisra (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: "Az ügyfelek a vásárlástól számított 30 napon belül kérhetnek visszatérítést a nyugta bemutatásával."
);
// Később: lekérés és beillesztés a promptba
var results = memory.SearchAsync("visszatérítési időszak", collection: "policies", limit: 3, minRelevanceScore: 0.7);
await foreach (var item in results)
{
Console.WriteLine($"Releváns: {item.Metadata.Text}");
}

// 1) Definiálj bővítményeket (szemantikai + natív) a korábbiak szerint
// 2) Használj tervezőt (az API felülete verziótól függően változhat)
var goal = "Foglalja össze a mellékelt irányelvet, osztályozza a kockázatot, és küldjön egy jelentést e-mailben";
// Tegyük fel, hogy vannak bővítményeink: files, summarize, classify, email
// A tervező összeállít egy tervet: files.Load → summarize.Run → classify.Run → email.Send
// Végezd el a tervet szekvenciálisan, ellenőrizd a JSON kimeneteket a lépések között

var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey)
.Build;
var fastKernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey) // sebességre optimalizált
.Build;
// Egyszerűbb promptokat irányítsd a fastKernel-hez; összetett feladatokat a kernelhez

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) Dokumentumok betöltése a memóriába
await memory.SaveInformationAsync("handbook", "vacation-policy",
"A munkavállalók havonta 1,5 nap szabadságot gyűjtenek, és 5 napot vihetnek át.");
// 2) Kontextus lekérése egy kérdéshez
var top = memory.SearchAsync("szabadság átvitele", "handbook", limit: 3, minRelevanceScore: 0.75);
var contexts = new List<string>;
await foreach (var r in top) contexts.Add(r.Metadata.Text);
// 3) Kérdezz kontextussal és kérj hivatkozásokat
var qaPrompt = @"
Szigorúan a megadott kontextusból válaszolj. Ha hiányzik, mondd, hogy nem tudod.
Tartalmazz beágyazott hivatkozásokat, mint például [source i] a kontextuselemek indexének használatával, 1-től kezdve.
Kontextus:
1) {{ctx1}}
2) {{ctx2}}
Kérdés: {{q}}
";
var qa = kernel.CreateFunctionFromPrompt(qaPrompt);
var variables = new KernelArguments
{
["ctx1"] = contexts.ElementAtOrDefault(0) ?? "",
["ctx2"] = contexts.ElementAtOrDefault(1) ?? "",
["q"] = "Hány nap szabadságot vihetek át?"
};
var answer = await qa.InvokeAsync(kernel, variables);
Console.WriteLine(answer);