using Microsoft.SemanticKernel;
using Microsoft.SemanticKernel.Connectors.OpenAI;
var builder = Kernel.CreateBuilder;
// Wybierz swojego dostawcę: OpenAI lub Azure OpenAI
builder.AddOpenAIChatCompletion(
modelId: "gpt-4o-mini", // lub preferowany model
apiKey: Environment.GetEnvironmentVariable("OPENAI_API_KEY")
);
var kernel = builder.Build;

using Microsoft.SemanticKernel.SemanticFunctions;
var prompt = @"Jesteś zwięzłym tłumaczem.
Wyjaśnij koncepcję '{topic}' w 3 punktach dla początkującego.";
var explainFunc = kernel.CreateFunctionFromPrompt(prompt);
var result = await explainFunc.InvokeAsync(kernel, new { ["topic"] = "vector embeddings" });
Console.WriteLine(result);

public class WeatherPlugin
{
[KernelFunction, Description("Pobierz pogodę dla miasta")]
public async Task<string> GetWeatherAsync(
[Description("Nazwa miasta")] string city)
{
// Wywołaj swoje API pogodowe tutaj
var temp = 22; // symbol zastępczy
return $"Pogoda w {city}: {temp}°C i bezchmurnie";
}
}
// Zarejestruj wtyczkę
var weather = new WeatherPlugin;
kernel.Plugins.AddFromObject(weather, pluginName: "weather");

var prompt = @"
Jesteś silnikiem klasyfikacji.
Zadanie: Sklasyfikuj `message` do jednego z [Rozliczenia, Pomoc techniczna, Sprzedaż].
Zwróć ścisły JSON: { \"label\": string, \"confidence\": number }
message: {message}
";
var classify = kernel.CreateFunctionFromPrompt(prompt);
var output = await classify.InvokeAsync(kernel, new { ["message"] = "Nie mogę się zalogować na moje konto." });
Console.WriteLine(output); // {"label":"Tech Support","confidence":0.89}

using Microsoft.SemanticKernel.Memory;
var memory = new MemoryBuilder
.WithMemoryStore(new VolatileMemoryStore) // zamień na wektorową bazę danych (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: "Klienci mogą poprosić o zwrot pieniędzy w ciągu 30 dni od zakupu z dowodem zakupu."
);
// Później: pobierz i umieść w podpowiedzi
var results = memory.SearchAsync("refund window", collection: "policies", limit: 3, minRelevanceScore: 0.7);
await foreach (var item in results)
{
Console.WriteLine($"Odpowiednie: {item.Metadata.Text}");
}

// 1) Zdefiniuj wtyczki (semantyczne + natywne) jak poprzednio
// 2) Użyj planisty (powierzchnia API może się różnić w zależności od wersji)
var goal = "Podsumuj załączoną politykę, sklasyfikuj ryzyko i wyślij raport e-mailem";
// Załóżmy, że mamy wtyczki: files, summarize, classify, email
// Planista złoży plan: files.Load → summarize.Run → classify.Run → email.Send
// Wykonaj plan sekwencyjnie, zweryfikuj wyjścia JSON między krokami

var kernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey)
.Build;
var fastKernel = Kernel.CreateBuilder
.AddOpenAIChatCompletion("gpt-4o-mini", apiKey) // zoptymalizowany pod kątem szybkości
.Build;
// Kieruj prostsze podpowiedzi do fastKernel; złożone zadania do 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) Wprowadź dokumenty do pamięci
await memory.SaveInformationAsync("handbook", "vacation-policy",
"Pracownicy gromadzą 1,5 dnia PTO miesięcznie i mogą przenieść 5 dni.");
// 2) Pobierz kontekst dla pytania
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) Zapytaj z kontekstem i poproś o cytaty
var qaPrompt = @"
Odpowiadasz ściśle z podanego kontekstu. Jeśli brakuje, powiedz, że nie wiesz.
Dołącz cytaty w tekście, takie jak [źródło i], używając indeksu elementów kontekstowych zaczynającego się od 1.
Kontekst:
1) {{ctx1}}
2) {{ctx2}}
Pytanie: {{q}}
";
var qa = kernel.CreateFunctionFromPrompt(qaPrompt);
var variables = new KernelArguments
{
["ctx1"] = contexts.ElementAtOrDefault(0) ?? "",
["ctx2"] = contexts.ElementAtOrDefault(1) ?? "",
["q"] = "Ile dni PTO mogę przenieść?"
};
var answer = await qa.InvokeAsync(kernel, variables);
Console.WriteLine(answer);