using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
var builder = Kernel.CreateBuilder;
// Izvēlieties savu pakalpojumu sniedzēju: OpenAI vai Azure OpenAI
builder.AddOpenAIChatCompletion(
modelId: "gpt-4o-mini", // vai jūsu vēlamais modelis
apiKey: Environment.GetEnvironmentVariable("OPENAI_API_KEY")
);
var kernel = builder.Build;

using Microsoft.SemanticKernel.SemanticFunctions;
var prompt = @"Jūs esat kodolīgs skaidrotājs.
Izskaidrojiet jēdzienu '{topic}' 3 punktos iesācējam.";
var explainFunc = kernel.CreateFunctionFromPrompt(prompt);
var result = await explainFunc.InvokeAsync(kernel, new { ["topic"] = "vector embeddings" });
Console.WriteLine(result);

public class WeatherPlugin
{
[KernelFunction, Description("Iegūt laikapstākļus pilsētai")]
public async Task<string> GetWeatherAsync(
[Description("Pilsētas nosaukums")] string city)
{
// Izsauciet savu laikapstākļu API šeit
var temp = 22; // vietturis
return $"Laikapstākļi {city}: {temp}°C un skaidrs";
}
}
// Reģistrēt spraudni
var weather = new WeatherPlugin;
kernel.Plugins.AddFromObject(weather, pluginName: "weather");

var prompt = @"
Jūs esat klasifikācijas dzinējs.
Uzdevums: Klasificējiet `ziņojumu` vienā no [Norēķini, Tehniskais atbalsts, Pārdošana].
Atgrieziet stingru JSON: { \"label\": string, \"confidence\": number }
ziņojums: {message}
";
var classify = kernel.CreateFunctionFromPrompt(prompt);
var output = await classify.InvokeAsync(kernel, new { ["message"] = "Es nevaru ieiet savā kontā." });
Console.WriteLine(output); // {"label":"Tech Support","confidence":0.89}

using Microsoft.SemanticKernel.Memory;
var memory = new MemoryBuilder
.WithMemoryStore(new VolatileMemoryStore) // apmainiet pret vektoru DB (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: "Klienti var pieprasīt atmaksu 30 dienu laikā pēc iegādes ar pirkuma apliecinājumu."
);
// Vēlāk: izgūstiet un ievietojiet uzvednē
var results = memory.SearchAsync("refund window", collection: "policies", limit: 3, minRelevanceScore: 0.7);
await foreach (var item in results)
{
Console.WriteLine($"Atbilstošs: {item.Metadata.Text}");
}

// 1) Definējiet spraudņus (semantiskus + vietējus) kā iepriekš
// 2) Izmantojiet plānotāju (API virsma var atšķirties atkarībā no versijas)
var goal = "Apkopojiet pievienoto politiku, klasificējiet risku un nosūtiet ziņojumu pa e-pastu";
// Pieņemsim, ka mums ir spraudņi: files, summarize, classify, email
// Plānotājs izveidos plānu: files.Load → summarize.Run → classify.Run → email.Send
// Izpildiet plānu secīgi, validējiet JSON izejas starp posmiem

var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey)
.Build;
var fastKernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey) // ātrumam optimizēts
.Build;
// Novirziet vienkāršākas uzvednes uz fastKernel; sarežģītus uzdevumus uz 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) Ievietojiet dokumentus atmiņā
await memory.SaveInformationAsync("handbook", "vacation-policy",
"Darbinieki uzkrāj 1,5 dienas PTO mēnesī un var pārnest 5 dienas.");
// 2) Izgūstiet kontekstu jautājumam
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) Uzdodiet ar kontekstu un pieprasiet citātus
var qaPrompt = @"
Jūs atbildat tikai no sniegtā konteksta. Ja trūkst, sakiet, ka nezināt.
Iekļaujiet iekļautos citātus, piemēram, [avots i], izmantojot konteksta vienumu indeksu, sākot no 1.
Konteksts:
1) {{ctx1}}
2) {{ctx2}}
Jautājums: {{q}}
";
var qa = kernel.CreateFunctionFromPrompt(qaPrompt);
var variables = new KernelArguments
{
["ctx1"] = contexts.ElementAtOrDefault(0) ?? "",
["ctx2"] = contexts.ElementAtOrDefault(1) ?? "",
["q"] = "Cik PTO dienas es varu pārnest?"
};
var answer = await qa.InvokeAsync(kernel, variables);
Console.WriteLine(answer);