# =============================================================================
# Life Echo API — 模板（example）
#
# 目录结构与 api/.env.development 对齐，便于对照；占位键见各段注释。
# 本地：复制为 .env.development（勿提交密钥），再运行 api/development.sh 会在首次自动生成 .env（从
# .env.development 复制）；Settings 只读 .env（见 app/core/config.py）。
# 服务端：仓库维护 .env.staging / .env.production；workflow 按目标环境上传并复制为运行时 .env，compose 的 env_file 统一指向 .env。
# 不要把真实密钥提交到仓库。
# =============================================================================

# =============================================================================
# Docker Compose（宿主机独立 Caddy 反代到本 API）
# =============================================================================
# 映射到宿主机的端口：不设置则由 Docker 随机分配，避免与同机其它项目冲突；随机时用 `docker compose port api 8000` 查看。
# 需固定端口时取消下行注释并改为未占用端口，Caddyfile 中 reverse_proxy 到 127.0.0.1:该端口。
# LIFE_ECHO_API_HOST_PORT=8000
# 若 Caddy 跑在独立容器且非 host 网络，不要用 127.0.0.1，应把 Caddy 加入与本 compose 相同的 Docker 网络，并对 http://life-echo-api-prod:8000 做 reverse_proxy。

# =============================================================================
# Logging（loguru sink 最低级别：TRACE / DEBUG / INFO / WARNING / ERROR / CRITICAL）
# =============================================================================
# 生产/预发：保持 INFO，避免 DEBUG 把全文 prompt/响应打进日志。排查 Agent 耗时可仅开 LOG_AGENT_VERBOSE。
LOG_LEVEL=INFO
# Agent 单行 INFO 摘要（耗时、sha、字符数）；与 LOG_LEVEL 独立，生产可短时设为 1
# LOG_AGENT_VERBOSE=0
# DEBUG 下 prompt/响应预览最大字符数（Settings 默认 4096）；0=不截断全文（慎用）
# AGENT_LOG_MAX_CHARS=4096
# DEBUG 下 *.prompt：preview=截断预览 | hash_only=仅 sha12+长度，无正文
# AGENT_LOG_PROMPT_MODE=preview
# DEBUG 下同一 label 连续相同 prompt 则跳过重复行（减模板重复）
# AGENT_LOG_PROMPT_DEDUP=0
# DEBUG 下访谈/资料：省略 SystemMessage 正文（仅 total_len+sha12）；0/false=打出全文
# AGENT_LOG_OMIT_SYSTEM_MESSAGE_BODY=1
# DEBUG 下超长单段 *.prompt：总长超过下一项时，先跳过前 N 字符再预览（0=不跳过；短时 DEBUG 可设 2500–8000）
# AGENT_LOG_JSON_PROMPT_PREFIX_CHARS=0
# AGENT_LOG_JSON_PROMPT_PREFIX_ONLY_IF_LEN_GT=4000
# 第三方 stdlib logging（空=自动：LOG_LEVEL 为 DEBUG/TRACE 时 Celery→INFO；否则 Celery 与 httpx 默认 WARNING；需原始框架行时设为 INFO）
# CELERY_LOG_LEVEL=
# HTTPX_LOG_LEVEL=
# 聚合用 JSONL（空=不写）；与 stderr 并存，loguru serialize=True、按 20MB 切割、保留 7 天
# LOG_JSON_FILE=/var/log/life-echo/app.jsonl

# =============================================================================
# LLM / DeepSeek
# =============================================================================
DEEPSEEK_API_KEY=your_deepseek_api_key
DEEPSEEK_BASE_URL=https://api.deepseek.com
# 官方新模型名见 https://api-docs.deepseek.com/zh-cn/quick_start/pricing
DEEPSEEK_MODEL=deepseek-v4-flash
# v4-flash 主链路非思考须显式关（对齐旧版 deepseek-chat；默认 false）
# DEEPSEEK_THINKING_ENABLED=false

# =============================================================================
# Memory 向量（智谱 BigModel 国内 embedding-3；与 DeepSeek/OpenAI 用途分离）
# 文档：https://docs.bigmodel.cn/cn/guide/models/embedding/embedding-3
# 本期固定 1024 维；库表经迁移与 MEMORY_EMBEDDING_DIMENSION 一致。
# =============================================================================
ZHIPU_API_KEY=your_zhipu_api_key
# 默认国内通用端点（与 ZhipuAiClient 一致）
# EMBEDDING_BASE_URL=https://open.bigmodel.cn/api/paas/v4
EMBEDDING_MODEL=embedding-3

# Chat 访谈：每轮根据用户内容判定主人生阶段（关则仅用关键词，省一次 LLM）
# CHAT_STAGE_DETECTION_ENABLED=true
# CHAT_STAGE_DETECTION_MAX_TOKENS=128
# 年代/流行文化联想块（config 默认 true；若减少「文艺硬接」可设 false）
# CHAT_ERA_CONTEXT_ENABLED=true
# 访谈性格（InterviewAgent）：default | warm_listener | curious_guide（config 默认 default）
# CHAT_INTERVIEW_PERSONA=default
# 访谈回复长度档位（brief/standard/expanded）联动：极短输入 / 默认 / 长段+新细节（若与当前代码不一致以 config 为准）
# CHAT_INTERVIEW_BRIEF_MAX_TOKENS=240
# CHAT_INTERVIEW_BRIEF_MAX_CHARS_PER_SEGMENT=180
# CHAT_INTERVIEW_EXPANDED_MAX_TOKENS=400
# CHAT_INTERVIEW_EXPANDED_MAX_CHARS_PER_SEGMENT=300
# 访谈/开场采样温度（config 默认 0.93；偏「好访谈者」体验时可试 0.60~0.70）
# CHAT_INTERVIEW_TEMPERATURE=0.93
# 访谈主回复：统一 max_tokens / 单段字数（代码截断）
# CHAT_INTERVIEW_MAX_TOKENS=512
# CHAT_INTERVIEW_MAX_CHARS_PER_SEGMENT=380
# CHAT_INTERVIEW_MAX_SEGMENTS=2
# 访谈：是否按本轮用户话检索记忆并注入提示词（关则不调 retrieve）
# CHAT_MEMORY_RETRIEVAL_ENABLED=true
# CHAT_MEMORY_TOP_K=8
# CHAT_MEMORY_EVIDENCE_MAX_CHARS=4096
# 规则 TurnPlan 之后再调一轮 JSON focus planner（config 默认 false；开启则多一次 LLM）
# CHAT_REPLY_PLANNER_LLM_ENABLED=true
# CHAT_REPLY_PLANNER_MAX_TOKENS=256
# CHAT_REPLY_PLANNER_TEMPERATURE=0.2

# Memoir：批处理/抽取更新 slot 时是否允许改写 MemoirState.current_stage（默认 false，访谈 switch_stage 仍可推进）
# True 时仅当 proposed 与 existing 在同一 chat_bucket 才对齐 current_stage
# MEMOIR_EXTRACTION_UPDATES_CURRENT_STAGE=false

# Memoir：叙事前口述归一（segment 原文仍落库；仅 story 流水线派生输入）
# MEMOIR_ORAL_NORMALIZE_ENABLED=true
# off | rules | llm（llm 为先规则再 LLM 纠错，失败回退规则结果）
# MEMOIR_ORAL_NORMALIZE_MODE=llm
# MEMOIR_ORAL_NORMALIZE_LLM_MAX_TOKENS=512
# MEMOIR_ORAL_NORMALIZE_LLM_MAX_INPUT_CHARS=8000

# Chat：模型消费净稿（segment 原文仍落库；访谈编排层归一后注入 Agent / 记忆检索）
# CHAT_INPUT_NORMALIZE_ENABLED=true
# off | rules | llm（llm 为先规则再 LLM；失败回退规则；编排层已带 LLM 时不重复在 Agent 调）
# CHAT_INPUT_NORMALIZE_MODE=rules
# CHAT_INPUT_NORMALIZE_LLM_MAX_TOKENS=512
# CHAT_INPUT_NORMALIZE_LLM_MAX_INPUT_CHARS=8000
# True：仅 is_from_voice 时走 LLM 纠错；键盘输入仅规则归一
# CHAT_INPUT_NORMALIZE_LLM_VOICE_ONLY=true

# Memoir Phase1：True 时用一次「批量 JSON」做抽取+分类（单段或多段均可；失败自动回退逐段）。
# False 时始终逐段（与启用本开关前的行为一致，含防抖合并后的多段任务）。
# MEMOIR_PHASE1_BATCH_LLM_ENABLED=false
# MEMOIR_PHASE1_BATCH_LLM_MAX_TOKENS=4096

# =============================================================================
# Database
# =============================================================================
# 本地开发（docker-compose.dev.yml 固定宿主端口 48291，避免与本机 5432 冲突）
# DATABASE_URL=postgresql://postgres:postgres@localhost:48291/life_echo
# Docker / 服务端（主机名一般为 compose 服务名 postgres）:
# DATABASE_URL=postgresql://postgres:postgres@postgres:5432/life_echo
DATABASE_URL=postgresql://postgres:postgres@localhost:48291/life_echo
# 启动时 Alembic（main.py）；生产可设 ALEMBIC_STARTUP_FAIL_FAST=true，迁移失败则拒绝启动
# ALEMBIC_RUN_ON_STARTUP=true
# ALEMBIC_STARTUP_FAIL_FAST=false
# ALEMBIC_STARTUP_MAX_RETRIES=3
# ALEMBIC_STARTUP_RETRY_BASE_SECONDS=1.0

# =============================================================================
# Redis
# =============================================================================
# 本地开发（docker-compose.dev.yml 固定宿主端口 48307，避免与本机 6379 冲突）
# REDIS_URL=redis://localhost:48307/0
# Docker / 服务端:
# REDIS_URL=redis://redis:6379/0
REDIS_URL=redis://localhost:48307/0
REDIS_SESSION_TTL=86400

# Celery：ingest 后 Memory LLM 富化任务投递队列（须被 worker 消费；见 README）
# CELERY_MEMORY_ENRICHMENT_QUEUE=memory_idle

# =============================================================================
# Internal evaluation API（internal_main / internal-eval.sh；与主 API 进程隔离）
# =============================================================================
# 本地：`openssl rand -hex 32`；不用 internal eval 时可留空
INTERNAL_EVAL_API_KEY=
# INTERNAL_EVAL_ENABLE_DOCS=1
# 评测台选 DeepSeek 评审：默认 deepseek-v4-flash + 非思考（与 https://api-docs.deepseek.com/zh-cn/quick_start/pricing 一致）
# EVAL_JUDGE_DEEPSEEK_MODEL=deepseek-v4-flash
# 仅写 v4-flash 模型 id 时是否启用思考（弃用名 deepseek-reasoner 仍始终为思考）
# EVAL_JUDGE_DEEPSEEK_THINKING_ENABLED=false

# =============================================================================
# Memory compaction（近重复 memory chunk 软排除；Celery + Redis 防抖）
# 模板统一默认开启；须同时运行 celery worker 与 celery-beat（docker-compose 已含 beat，负责 memory_compaction_sweep）。
# =============================================================================
MEMORY_COMPACTION_ENABLED=true
# MEMORY_COMPACTION_DEBOUNCE_SECONDS=105
# MEMORY_COMPACTION_LOCK_TTL_SECONDS=600
# MEMORY_COMPACTION_CHUNK_SIMILARITY_THRESHOLD=0.92
# MEMORY_COMPACTION_MIN_LAYERS_FOR_EXCLUDE=2
# MEMORY_COMPACTION_MAX_CHUNKS_PER_RUN=200
# MEMORY_COMPACTION_MAX_EXCLUDES_PER_RUN=50
# MEMORY_COMPACTION_MAX_NEIGHBORS_PER_CHUNK=25
# MEMORY_COMPACTION_TEXT_JACCARD_MIN=0.55
# MEMORY_COMPACTION_METADATA_EVENT_YEAR_WINDOW=1
# MEMORY_COMPACTION_SWEEP_RECENT_HOURS=24

# =============================================================================
# Story 流水线（post-commit、章节物化、append 上限、evidence 检索）
# =============================================================================
# STORY_IMAGE_ENQUEUE_DEDUP_TTL=300
# RECOMPOSE_CHAPTER_DELAY_SECONDS=8
# CHAPTER_PIPELINE_LOCK_TTL_SECONDS=120
# STORY_APPEND_MAX_CANONICAL_CHARS=12000
# STORY_APPEND_MAX_VERSIONS=20
# EVIDENCE_TOP_K_DEFAULT=10
# EVIDENCE_TOP_K_LARGE_BATCH=5
# EVIDENCE_LARGE_BATCH_THRESHOLD=3
#
# Memoir 可靠性（叙事 faithful、标题 slots、证据渗漏、Phase1→2 追踪）
# MEMOIR_FIDELITY_FAIL_OPEN_ON_PARSE_ERROR=false
# MEMOIR_NARRATIVE_EVIDENCE_OVERLAP_MIN_CHARS=14
# MEMOIR_EVIDENCE_SCENE_ANCHOR_CHECK_ENABLED=true
# MEMOIR_TITLE_SLOTS_REQUIRE_BODY_OR_ORAL_MATCH=true
# MEMOIR_TITLE_HAY_GROUNDING_STRICT_PHRASES_ENABLED=true
# MEMOIR_RECOMPOSE_RETRY_ON_LOCK_CONTENTION=true
# MEMOIR_PHASE2_SINGLEFLIGHT_IMMEDIATE=true
#
# =============================================================================
# Auth
# =============================================================================
# 建议使用: openssl rand -hex 32
SECRET_KEY=replace_with_a_strong_random_secret
ALGORITHM=HS256
ACCESS_TOKEN_EXPIRE_MINUTES=120
# 内网评测：开启后可用 POST /api/auth/mock/sms-login（跳过短信）；APP_ENV=production 时该路由仍返回 404
# MOCK_SMS_LOGIN_ENABLED=1

# =============================================================================
# Tencent Cloud — 短信
# =============================================================================
# 短信、一句话 ASR/TTS、COS 为不同产品；同一主账号可共用同一对 SecretId/SecretKey（分别填三处）。
TENCENT_SMS_SECRET_ID=your_tencent_sms_secret_id
TENCENT_SMS_SECRET_KEY=your_tencent_sms_secret_key
# 短信应用 SDK AppID
TENCENT_SMS_SDK_APP_ID=your_sms_sdk_app_id
# 短信签名内容（不包含【】符号）
TENCENT_SMS_SIGN_NAME=your_sms_sign_name
# 短信模板 ID
TENCENT_SMS_TEMPLATE_ID=your_sms_template_id
# 短信模板参数数量（1=仅验证码，2=验证码+过期时间）
# 若遇 TemplateParamSetNotMatchApprovedTemplate，请对照控制台模板配置
TENCENT_SMS_TEMPLATE_PARAM_COUNT=1

# =============================================================================
# ASR Provider（whisper | tencent）
# =============================================================================
ASR_PROVIDER=whisper

# =============================================================================
# Whisper ASR（ASR_PROVIDER=whisper 时使用）
# =============================================================================
ASR_MODEL_SIZE=small
ASR_DEVICE=cpu
ASR_COMPUTE_TYPE=int8

# GPU 环境（示例，按需启用）
# ASR_MODEL_SIZE=medium
# ASR_DEVICE=cuda
# ASR_COMPUTE_TYPE=float16

# =============================================================================
# Tencent Cloud — 一句话 ASR + TTS（ASR_PROVIDER=tencent 或 TTS_PROVIDER=tencent）
# =============================================================================
TENCENT_SECRET_ID=your_tencent_asr_secret_id
TENCENT_SECRET_KEY=your_tencent_asr_secret_key

# =============================================================================
# TTS（文字转语音，Agent 回复朗读）— 与 ASR 独立
# =============================================================================
# ENABLE_TTS：关闭时禁用「助手每轮自动生成 TTS」（tts_this_turn 链路）；不影响 WebSocket「按需朗读」tts_request。
# 每轮是否自动生成：客户端 `data.tts_this_turn`，且 ENABLE_TTS=true、skeleton skip_tts 均未阻止时才会合成。
ENABLE_TTS=true
TTS_PROVIDER=tencent
# 仅 TTS_PROVIDER=openai 时需要
# OPENAI_API_KEY=
# 音色 ID 见 https://cloud.tencent.com/document/product/1073/92668
TTS_VOICE_TYPE=501004
TTS_CODEC=mp3

# =============================================================================
# WeChat Pay
# =============================================================================
WECHAT_PAY_APP_ID=your_wechat_pay_app_id
WECHAT_PAY_MCH_ID=your_wechat_mch_id
WECHAT_PAY_API_V3_KEY=your_wechat_api_v3_key
# 商户私钥：推荐使用文件路径，避免 .env 中长 PEM 转义问题
WECHAT_PAY_PRIVATE_KEY_PATH=certs/apiclient_key.pem
# 若不用文件，可配置 WECHAT_PAY_PRIVATE_KEY（PEM，换行用 \n）
# WECHAT_PAY_PRIVATE_KEY="-----BEGIN PRIVATE KEY-----\n...\n-----END PRIVATE KEY-----"
WECHAT_PAY_CERT_SERIAL_NO=your_wechat_cert_serial_no
WECHAT_PAY_NOTIFY_URL=https://your-domain.com/api/payment/notify/wechat
# 平台公钥模式（仅当无法走平台证书自动拉取时使用）；勿填商户私钥路径
# WECHAT_PAY_PLATFORM_PUBLIC_KEY_PATH=certs/wechat_platform_public_key.pem
# WECHAT_PAY_PLATFORM_PUBLIC_KEY_ID=your_wechat_platform_public_key_id

# =============================================================================
# Alipay（未接入时可为空字符串）
# =============================================================================
ALIPAY_APP_ID=
ALIPAY_PRIVATE_KEY=
ALIPAY_PUBLIC_KEY=
ALIPAY_NOTIFY_URL=https://your-domain.com/api/payment/notify/alipay

# =============================================================================
# Misc
# =============================================================================
ENABLE_TEST_SUBSCRIPTION=0

# =============================================================================
# Memoir image generation（Story 主图等；轮询 Liblib 任务）
# =============================================================================
MEMOIR_IMAGE_ENABLED=false
MEMOIR_IMAGE_POLL_INTERVAL=3
MEMOIR_IMAGE_MAX_ATTEMPTS=20
MEMOIR_IMAGE_PROVIDER=liblib
MEMOIR_IMAGE_STYLE_DEFAULT=watercolor
MEMOIR_IMAGE_SIZE_DEFAULT=1280x720
# 章节正文内至少多少张 asset:// 插图才生成/展示章节封面（默认 1=有一张正文图即可）
MEMOIR_MIN_INLINE_IMAGES_FOR_CHAPTER_COVER=1
# Story 正文至少多少字才生成主图 intent / 调图（0=不限制）
STORY_IMAGE_MIN_BODY_CHARS=400
# 叙事模型输出相对口述过短则回退为口述原文
MEMOIR_NARRATIVE_FALLBACK_BODY_RATIO=0.5
MEMOIR_NARRATIVE_FALLBACK_MIN_CHARS=20
# 回忆录 segment 入队：累计 strip 后字数未达此值则暂缓提交 Celery（0=关闭字数门闸，仅静默防抖后提交）
# MEMOIR_SEGMENT_BATCH_MIN_CHARS=50
# 本批首条入队起最长等待（秒），超时仍提交；测试可调低，生产可调高
# MEMOIR_SEGMENT_BATCH_MAX_WAIT_SECONDS=60
# 可选，Liblib 返回图片域名不在默认白名单时（逗号分隔）
# MEMOIR_IMAGE_DOWNLOAD_HOSTS=liblib.cloud,liblibai.cloud

# =============================================================================
# Liblib image provider
# =============================================================================
LIBLIB_ACCESS_KEY=your_liblib_access_key
LIBLIB_SECRET_KEY=your_liblib_secret_key
LIBLIB_BASE_URL=https://openapi.liblibai.cloud
LIBLIB_TEMPLATE_UUID=your_liblib_template_uuid

# =============================================================================
# Tencent Cloud — COS（回忆录图片存储）
# =============================================================================
TENCENT_COS_SECRET_ID=your_tencent_cos_secret_id
TENCENT_COS_SECRET_KEY=your_tencent_cos_secret_key
TENCENT_COS_REGION=ap-shanghai
TENCENT_COS_BUCKET=your_bucket_name
TENCENT_COS_BASE_URL=https://your_bucket_name.cos.ap-shanghai.myqcloud.com
# 可选临时凭证
# TENCENT_COS_TOKEN=