using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
var builder = Kernel.CreateBuilder;
// プロバイダーを選択：OpenAI または Azure OpenAI
builder.AddOpenAIChatCompletion(
modelId: "gpt-4o-mini", // またはお好みのモデル
apiKey: Environment.GetEnvironmentVariable("OPENAI_API_KEY")
);
var kernel = builder.Build;

using Microsoft.SemanticKernel.SemanticFunctions;
var prompt = @"あなたは簡潔な説明者です。
初心者向けに、'{topic}'の概念を3つの箇条書きで説明してください。";
var explainFunc = kernel.CreateFunctionFromPrompt(prompt);
var result = await explainFunc.InvokeAsync(kernel, new { ["topic"] = "vector embeddings" });
Console.WriteLine(result);

public class WeatherPlugin
{
[KernelFunction, Description("都市の天気を取得")]
public async Task<string> GetWeatherAsync(
[Description("都市名")] string city)
{
// ここで天気 API を呼び出す
var temp = 22; // プレースホルダー
return $"Weather in {city}: {temp}°C and clear";
}
}
// プラグインの登録
var weather = new WeatherPlugin;
kernel.Plugins.AddFromObject(weather, pluginName: "weather");

var prompt = @"
あなたは分類エンジンです。
タスク：`message`を[Billing, Tech Support, Sales]のいずれかに分類します。
厳密な JSON を返します：{ \"label\": string, \"confidence\": number }
message: {message}
";
var classify = kernel.CreateFunctionFromPrompt(prompt);
var output = await classify.InvokeAsync(kernel, new { ["message"] = "I can’t log into my account." });
Console.WriteLine(output); // {"label":"Tech Support","confidence":0.89}

using Microsoft.SemanticKernel.Memory;
var memory = new MemoryBuilder
.WithMemoryStore(new VolatileMemoryStore) // ベクトルDB（Qdrant、Pinecone、Azure AI Search）と交換
.WithTextEmbeddingGeneration(
new OpenAITextEmbeddingGeneration("text-embedding-3-small", Environment.GetEnvironmentVariable("OPENAI_API_KEY")))
.Build;
await memory.SaveInformationAsync(
collection: "policies", id: "refund-policy",
text: "領収書の証明があれば、購入後30日以内にお客様は払い戻しを請求できます。"
);
// 後で：取得してプロンプトに詰め込む
var results = memory.SearchAsync("refund window", collection: "policies", limit: 3, minRelevanceScore: 0.7);
await foreach (var item in results)
{
Console.WriteLine($"Relevant: {item.Metadata.Text}");
}

// 1) 以前と同様にプラグイン（セマンティック + ネイティブ）を定義します
// 2) プランナーを使用します（API サーフェスはバージョンによって異なる場合があります）
var goal = "添付されたポリシーを要約し、リスクを分類し、レポートをメールで送信します";
// プラグインがあると仮定します：files, summarize, classify, email
// プランナーは計画を組み立てます：files.Load → summarize.Run → classify.Run → email.Send
// 計画を順番に実行し、ステップ間で JSON 出力を検証します

var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey)
.Build;
var fastKernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey) // 速度最適化
.Build;
// より単純なプロンプトを fastKernel にルーティングします。複雑なタスクは kernel にルーティングします

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) ドキュメントをメモリに取り込む
await memory.SaveInformationAsync("handbook", "vacation-policy",
"従業員は1か月あたり1.5日の有給休暇を取得し、5日間繰り越すことができます。");
// 2) 質問のコンテキストを取得する
var top = memory.SearchAsync("有給休暇の繰り越し", "handbook", limit: 3, minRelevanceScore: 0.75);</a5><a6>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) コンテキストと引用リクエストで質問する
var qaPrompt = @"
提供されたコンテキストから厳密に回答してください。ない場合は、知らないと言ってください。
1 から始まるコンテキスト項目のインデックスを使用して、[source i] のようなインライン引用を含めます。
コンテキスト：
1) {{ctx1}}
2) {{ctx2}}
質問：{{q}}
";
var qa = kernel.CreateFunctionFromPrompt(qaPrompt);
var variables = new KernelArguments
{
["ctx1"] = contexts.ElementAtOrDefault(0) ?? "",
["ctx2"] = contexts.ElementAtOrDefault(1) ?? "",
["q"] = "有給休暇は何日繰り越せますか？"
};
var answer = await qa.InvokeAsync(kernel, variables);
Console.WriteLine(answer);