services:
  qdrant:
    image: qdrant/qdrant:latest
    restart: always
    container_name: qdrant
    ports:
      - 6333:6333
      - 6334:6334
    expose:
      - 6333
      - 6334
      - 6335
    configs:
      - source: qdrant_config
        target: /qdrant/config/production.yaml
    volumes:
      - ./qdrant_data:/qdrant_data

configs:
  qdrant_config:
    content: |
      log_level: INFO        

using Azure;
using Azure.AI.OpenAI;
using Qdrant.Client;
using Qdrant.Client.Grpc;
using GrpcCond = Qdrant.Client.Grpc.Conditions;

var keywd = args.Any() ? args[0] : "向量";

#region OpenAI Embedding API
// 加密版環境變數 https://blog.darkthread.net/blog/secure-apikey-for-console-app/
var endPoint = ProtectedEnvironmentVariables.Get("SK_EndPoint", true);
var apiKey = ProtectedEnvironmentVariables.Get("SK_ApiKey", true);
AzureKeyCredential credentials = new(apiKey);
OpenAIClient openAIClient = new(new Uri(endPoint), credentials);
Func<string, float[]> GetEmbedding = (text) =>
{
    EmbeddingsOptions embeddingOptions = new()
    {
        DeploymentName = "embedding",
        Input = { text },
    };
    return openAIClient.GetEmbeddings(embeddingOptions).Value.Data[0].Embedding.ToArray();
};
#endregion

// 實務上應使用 API Key 驗證，此處省略
var client = new QdrantClient("localhost");

var colName = "text_embedding";

// 若集合不存在，則建立集合
var chkCol = await client.CollectionExistsAsync(colName);
if (!chkCol)
{
    await client.CreateCollectionAsync(colName,
        new VectorParams { Size = 1536, Distance = Distance.Cosine });
}

// 若集合內無資料，則新增資料
var count = await client.CountAsync(colName);
if (count == 0)
{
    var texts = new string[] {
    "詩歌\t我達達的馬蹄是美麗的錯誤 我不是歸人，是個過客",
    "詩歌\t如何讓你遇見我 在我最美麗的時刻 為這 我已在佛前 求了五百年 求他讓我們結一段塵緣",
    "詩歌\t我們還能不能再見面 我在佛前苦苦求了幾千年 願意用幾世換我們一世情缘 希望可以感動上天",
    "醫療\t我們吃下碳水化合物，消化後將轉為葡萄糖進入血液，血糖上升會刺激胰臟 β 細胞分泌「胰島素」，讓血糖進入細胞給細胞利用，並將多餘血糖合成肝醣儲存到肝臟及肌肉",
    "醫療\t當血糖被消耗，血糖濃度會下降，此時胰臟 α 細胞會分泌「升糖素」，分解肝醣釋出葡萄糖以及糖質新生（把體內其他原料轉變為葡萄糖）提高血糖濃度",
    "資訊\t內嵌是一種特殊的數據表示格式，可供機器學習模型和演算法輕鬆使用。內嵌是文字片段語意意義的資訊密集表示法。",
    "資訊\t每個內嵌都是浮點數的向量，因此，在向量空間中兩個內嵌之間的距離與原始格式兩個輸入之間的語意相似度相互關聯。",
    };

    ulong i = 0;
    var points = texts.Select(t =>
    {
        var p = t.Split('\t');
        var catg = p[0];
        var text = p[1];
        return new PointStruct
        {
            Id = (ulong)i++,
            Vectors = GetEmbedding(text),
            Payload =
            {
                ["catg"] = catg,
                ["text"] = text
            }
        };
    }).ToList();
    var updateResult = await client.UpsertAsync(colName, points);
}

// 將查詢語句轉換為向量
var queryVector = GetEmbedding(keywd);

Console.ForegroundColor = ConsoleColor.Cyan;
Console.WriteLine($"# 查詢：{keywd}");
Console.ForegroundColor = ConsoleColor.Yellow;
Console.WriteLine($"(向量相似度, TOP 5)");
Console.ResetColor();

Func<string, string> ellipsis = (text) => text.Length > 32 ? text.Substring(0, 30) + "..." : text;

var top5 = await client.SearchAsync(
  colName,
  queryVector,
  limit: 5);

int rank = 1;
foreach (var p in top5)
{
    Console.WriteLine($"{rank++}. {p.Score:n4} {p.Payload["catg"].StringValue} {ellipsis(p.Payload["text"].StringValue)}");
}

Console.ForegroundColor = ConsoleColor.Yellow;
Console.WriteLine($"(向量相似度 + 限定詩歌類, TOP 3)");
Console.ResetColor();

var top3poem = await client.SearchAsync(
  colName,
  queryVector,
  filter: Conditions.MatchText("catg", "詩歌"),
  limit: 3);
rank = 1;
foreach (var p in top3poem)
{
    Console.WriteLine($"{rank++}. {p.Score:n4} {ellipsis(p.Payload["text"].StringValue)}");
}