# 复制为 `backend/.env` 并按环境填写。在 `backend/` 目录执行：`docker compose up -d --build`
# 详细说明见 docs/Docker部署.md 与 docs/video-backends.md。
# 算法、管线、归档路径、视觉/语音日志等非部署项见 `app/baked/algorithm.py` 与 `app/baked/pipeline.py`。
#
# 5-6 ActionFormer 实时算法（默认开启）：
#   - app/resources/actionformer_epoch_045.pth.tar 必须存在（离线下发，~110MB，未入 git）。
#   - VideoSwin Swin3D-T 权重在 Docker 构建时预下载到 /app/.cache/torch（见 scripts/bake_torch_hub_checkpoint.py）；
#     运行时不再访问 pytorch.org。「首次运行」指 torch 缓存为空时才会联网下载；现已改为构建时烘焙进镜像。
#     国内 PyPI 镜像（南大/清华/阿里）不同步 /models/*.pth，构建默认先试 uv.agentsmirror.com 再回退官方源。
#     离线/弱网：先 wget 权重到 backend/weights/swin3d_t-7615ae03.pth，再 docker compose build api。
#     或：docker compose build --build-arg PYTORCH_MODELS_URL=https://your-mirror/.../swin3d_t-7615ae03.pth api
#   - Linux GPU 机：镜像内 torch / torchvision / torchaudio 为 cu130 wheel；
#     宿主机需 NVIDIA 驱动 + NVIDIA Container Toolkit；`api` 服务已配置 `gpus: all`。
#     启动后可验证：docker compose exec api python -c "import torch; print(torch.cuda.is_available())"

# --- PostgreSQL ---
POSTGRES_USER=postgres
POSTGRES_PASSWORD=postgres
POSTGRES_DB=operation_room
# 以下两项供宿主机工具连库调试；API 容器内使用 POSTGRES_HOST=db、POSTGRES_PORT=5432（由 compose 注入）。
POSTGRES_HOST=localhost
POSTGRES_PORT=45432
# 可选：整串 async DSN（会覆盖与默认一致的 POSTGRES_* 组合时的逻辑，见 Settings）
# DATABASE_URL=postgresql+asyncpg://postgres:postgres@localhost:45432/operation_room
# 可选：映射 PostgreSQL 到宿主机端口（默认 45432），仅 DBA/调试用途
# DOCKER_POSTGRES_PUBLISH_PORT=45432

# --- API 容器用户（与宿主机一致，便于直接打开 logs/rtsp_segments 下的 slice MP4）---
# 填写 id -u / id -g / getent group docker | cut -d: -f3 的输出；改后需 docker compose up -d --force-recreate api
HOST_UID=1000
HOST_GID=1000
DOCKER_GID=999
# 非 root 运行时 uv/torch 缓存目录（compose 内已设；TORCH_HOME 为镜像内预烘焙路径）
# UV_CACHE_DIR=/tmp/uv-cache
# TORCH_HOME=/app/.cache/torch

# --- HTTP（API 对外端口）---
# 局域网语音确认终端 / Demo 客户端访问 API 时，填写
# http://<GPU服务器局域网IP>:38080 作为服务端 Base URL。
# API_PORT=38080

# --- 应用日志（loguru 持久化；目录已在 .gitignore）---
# APP_LOG_DIR=logs/app
# APP_LOG_FILE_NAME=server.log
# APP_LOG_FILE_ENABLED=true
# APP_LOG_ROTATION=7 days
# APP_LOG_RETENTION=7 days
# APP_LOG_LEVEL=INFO

# --- GPU 推理（可选覆盖，默认自动选 cuda:0）---
# CONSUMABLE_CLASSIFIER_DEVICE=cuda:0
# HAND_DETECTION_DEVICE=cuda:0

# --- Video：RTSP 与按路后端（须与客户端 camera_ids 一致）---
# 单路 RTSP 首次打开超时（秒）；开录 API 在「该值 + 5」秒内确认主摄就绪，失败最多重试 3 次。
# 客户端 HTTP 超时建议 ≥ 300s（默认 90+5 秒 × 3 次）。穿透/公网链路可调大。
# VIDEO_OPEN_TIMEOUT_SEC=90
# VIDEO_DEFAULT_BACKEND=rtsp
# VIDEO_CAMERA_BACKEND_OVERRIDES_JSON={"or-cam-01":"rtsp","or-cam-02":"hikvision_sdk"}
# 站点 JSON：术间↔摄像头↔语音终端只在这里维护（voice_or_room_bindings）；须同时含 video_rtsp_urls；可为 []。
# 见 app/resources/or_site_config.sample.json
# OR_SITE_CONFIG_JSON_FILE=app/resources/or_site_config.sample.json
# VIDEO_RTSP_URL_TEMPLATE=rtsp://user:pass@host:554/path/{camera_id}
#
# 语音终端 ID 在站点 JSON 的 voice_or_room_bindings 中配置；浏览器语音确认页（clients/voice-confirmation/）在页面内填写本机终端 ID。
#
# API 在 Docker 内访问宿主机 RTSP 时使用 host.docker.internal（compose 已配置 extra_hosts）。
# OpenCV/FFmpeg 拉 RTSP 默认使用 TCP；仅当必须让 FFmpeg 自选传输时在 .env 中设空覆盖：
# OPENCV_FFMPEG_CAPTURE_OPTIONS=

# --- 海康 SDK（Linux x86_64；二进制勿提交仓库）---
# HIKVISION_LIB_DIR=/opt/hikvision/lib
# 可选：单一路径，见 app/services/video/hikvision_runtime.py 直读 HIKVISION_LIB_PATH
# HIKVISION_LIB_PATH=
# HIKVISION_SDK_ENABLED=false
# HIKVISION_DEVICE_IP=
# HIKVISION_USER=
# HIKVISION_PASSWORD=
# HIKVISION_CHANNEL=1
# HIKVISION_PREVIEW_RTSP_TEMPLATE=rtsp://{user}:{password}@{ip}:554/Streaming/Channels/101
# HIKVISION_CAMERA_RTSP_URLS_JSON={}
# HIKVISION_SDK_FALLBACK_TO_RTSP=true

# --- 百度（语音：短语音识别 AipSpeech + 在线合成；控制台开通对应能力）---
# BAIDU_APP_ID=
# BAIDU_API_KEY=
# BAIDU_SECRET_KEY=
# 可选
# BAIDU_CONNECTION_TIMEOUT_MS=
# BAIDU_SOCKET_TIMEOUT_MS=
# BAIDU_ASR_DEV_PID=1537

# --- MinIO（语音 WAV）---
# 容器内 API 默认通过 DOCKER_MINIO_ENDPOINT=minio:9000 访问；以下为 compose 默认值。
# MINIO_ENDPOINT=127.0.0.1:19000
# MINIO_ACCESS_KEY=minioadmin
# MINIO_SECRET_KEY=minioadmin
# MINIO_BUCKET=operation-room-voice
# MINIO_SECURE=false
# MINIO_REGION=
# MINIO_PORT=19000
# MINIO_CONSOLE_PORT=19001

# --- 视频：RTSP 切片 + batch（链路 1）---
# RTSP_PRIMARY_CAMERA_ID=or-cam-03
# RTSP_RECORD_ALL_CAMERAS=false
# RTSP_SEGMENT_DURATION_SEC=120
# RTSP_SEGMENT_MIN_SEC=10
# RTSP_RECORD_HEIGHT=1080
# RTSP_RECORD_CRF=23
# RTSP_RECORD_PRESET=veryfast
# RTSP_FFMPEG_SOCKET_TIMEOUT_USEC=5000000
# RTSP_PREWARM_ENABLED=false
# RTSP_PREWARM_RECONNECT_MAX_SEC=30
# RTSP_SEGMENT_TTL_HOURS=24
# RTSP_SLICE_BATCH_MAX_CONCURRENT=1
# RTSP_SLICE_BATCH_DRAIN_TIMEOUT_SEC=900

# --- Demo 客户端 / 语音确认客户端 ---
# 独立部署的 Demo 客户端 / 语音确认页访问 API 时需放行 CORS；正式部署建议收窄 origins。
# DEMO_CORS_ENABLED=true
# 跨主机语音页访问 API 时，可先用 * 联调；生产建议改成具体语音页来源，如 http://192.168.1.100:8080
# DEMO_CORS_ORIGINS=*
# 链路 3（离线 batch）Demo 需开启；链路 1 真 RTSP 开录不依赖此项
# DEMO_ORCHESTRATOR_ENABLED=false
# 联调台 HLS（Compose：先 docker compose up -d mediamtx-hls api）
# Compose 内 api 反代侧车：DEMO_HLS_PREVIEW_UPSTREAM=http://mediamtx-hls:8888
# 本机 uvicorn 直连 published 端口：DEMO_HLS_PREVIEW_UPSTREAM=http://127.0.0.1:18888
# 本机 uvicorn 且无 mediamtx-hls 侧车时改为：DEMO_HLS_PREVIEW_UPSTREAM=ephemeral
# DEMO_HLS_PREVIEW_PORT=18888
# HLS 预览 MediaMTX 镜像（Compose mediamtx-hls 与 ensure 临时容器共用）
# MEDIAMTX_DOCKER_IMAGE=m.daocloud.io/docker.io/bluenviron/mediamtx:latest

# --- 语音确认静态页（clients/voice-confirmation/start.sh）---
# 默认 0.0.0.0 供局域网内语音终端访问；仅本机调试时可设 127.0.0.1
# VOCH_HTTP_BIND=0.0.0.0