merchant-agent/config.py at master · yyf2002-oos/merchant-agent · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
"""商家智能 Agent 配置"""

import os

_env_path = os.path.join(os.path.dirname(__file__), ".env")
if os.path.exists(_env_path):
    with open(_env_path, encoding="utf-8") as _f:
        for _line in _f:
            _line = _line.strip()
            if not _line or _line.startswith("#") or "=" not in _line:
                continue
            _k, _v = _line.split("=", 1)
            _k = _k.strip()
            _v = _v.strip().strip("\"'")  # 去除两端的引号
            if _v and not _v.startswith(("'", '"')):
                _hash_pos = _v.find(" #")
                if _hash_pos > 0:
                    _v = _v[:_hash_pos].strip()
            os.environ.setdefault(_k, _v)

# "ollama" 或 "deepseek"
LLM_PROVIDER = os.environ.get("LLM_PROVIDER", "deepseek")

OLLAMA_BASE = os.environ.get("OLLAMA_BASE", "http://localhost:11434")
OLLAMA_MODEL = os.environ.get("OLLAMA_MODEL", "qwen2:7b")
OLLAMA_FAST_MODEL = os.environ.get("OLLAMA_FAST_MODEL", "qwen2:1.5b")

DEEPSEEK_API_KEY = os.environ.get("DEEPSEEK_API_KEY", "")
DEEPSEEK_API_BASE = os.environ.get("DEEPSEEK_API_BASE", "https://api.deepseek.com")
DEEPSEEK_MODEL = os.environ.get("DEEPSEEK_MODEL", "deepseek-chat")

AGENT_TIMEOUT = int(os.environ.get("AGENT_TIMEOUT", "300"))   # LLM 调用超时（秒）
MAX_RETRIES = int(os.environ.get("MAX_RETRIES", "2"))          # LLM 调用重试次数
REACT_MAX_ROUNDS = int(os.environ.get("REACT_MAX_ROUNDS", "8"))

# 模型名格式: "provider:model_name"
#   deepseek:xxx   → 走 DeepSeek API  （复杂推理）
#   ollama:xxx     → 走本地 Ollama    （简单任务）
AGENT_MODEL = {
    "selector": "deepseek:deepseek-chat",   # 选品：多步工具调用 + 市场分析 → DeepSeek
    "analyst":  "deepseek:deepseek-chat",   # 运营分析：数据建模 + 策略 → DeepSeek
    "sourcing": "deepseek:deepseek-chat",   # 货源：供应链推理 + 多工具 → DeepSeek
    "lister":   "ollama:qwen2:7b",          # 上架：模板化文本生成 → 本地
    "service":  "ollama:qwen2:7b",          # 客服：FAQ 检索 + 话术 → 本地
}
AGENT_LIGHT_MODEL = {
    "selector": "ollama:qwen2:1.5b",
    "analyst":  "ollama:qwen2:1.5b",
    "sourcing": "ollama:qwen2:1.5b",
    "lister":   "ollama:qwen2:1.5b",
    "service":  "ollama:qwen2:1.5b",
}

RAG_TOP_K = 3          # 检索返回的最相关文档数

CACHE_ENABLED = True
CACHE_TTL = 3600       # 缓存过期时间（秒）
CACHE_CAPACITY = 200   # 缓存最大条目数

RATE_LIMIT_ENABLED = True
RATE_LIMIT_MAX = 30     # 每 IP 每分钟最大请求数
RATE_LIMIT_WINDOW = 60  # 窗口大小（秒）

LOG_LEVEL = os.environ.get("LOG_LEVEL", "INFO")
LOG_FORMAT = "%(asctime)s [%(name)s] %(levelname)s: %(message)s"

WEB_PORT = int(os.environ.get("WEB_PORT", "7860"))
WEB_HOST = os.environ.get("WEB_HOST", "127.0.0.1")

# MySQL 配置（对话记录存储）
MYSQL_HOST = os.environ.get("MYSQL_HOST", "localhost")
MYSQL_PORT = int(os.environ.get("MYSQL_PORT", "3307"))
MYSQL_USER = os.environ.get("MYSQL_USER", "merchant")
MYSQL_PASSWORD = os.environ.get("MYSQL_PASSWORD", "merchant_pass_2024")
MYSQL_DATABASE = os.environ.get("MYSQL_DATABASE", "merchant_agent")

# Milvus 配置（向量检索）
MILVUS_HOST = os.environ.get("MILVUS_HOST", "localhost")
MILVUS_PORT = int(os.environ.get("MILVUS_PORT", "19530"))
MILVUS_COLLECTION = os.environ.get("MILVUS_COLLECTION", "conversation_embeddings")

# 默认管理员凭据（首次启动时创建）
# WARNING: 生产环境务必通过环境变量 ADMIN_USER / ADMIN_PASS 覆盖默认值
ADMIN_USER = os.environ.get("ADMIN_USER", "admin")
ADMIN_PASS = os.environ.get("ADMIN_PASS", "admin123")
_ADMIN_IS_DEFAULT = not os.environ.get("ADMIN_PASS")
if _ADMIN_IS_DEFAULT:
    import logging as _lg
    _lg.warning("⚠️ 使用默认管理员密码 (admin123)，生产环境请设置 ADMIN_PASS 环境变量")