| 1234567891011121314151617181920212223242526272829303132333435363738394041424344454647484950515253545556575859606162636465666768697071727374757677787980818283848586878889909192 |
- # ============================================================
- # LLM 配置(由 HelloAgentsLLM 自动检测,参数优先,环境变量兜底)
- # ============================================================
- # --- 例 1:本地 Ollama ---
- LLM_PROVIDER=ollama
- LLM_BASE_URL=http://localhost:11434/v1
- LLM_API_KEY=ollama
- LLM_MODEL_ID=qwen2.5:7b
- # --- 例 2:DeepSeek 云端 ---
- # DEEPSEEK_API_KEY=sk-xxxxxxxxxxxx
- # LLM_MODEL_ID=deepseek-chat
- # --- 例 3:OpenAI ---
- # OPENAI_API_KEY=sk-xxxxxxxxxxxx
- # LLM_MODEL_ID=gpt-4o-mini
- # ============================================================
- # Qdrant 向量数据库(RAGTool + MemoryTool 使用)
- # ============================================================
- QDRANT_URL=http://localhost:6333
- QDRANT_API_KEY=
- QDRANT_COLLECTION=hello_agents_vectors
- QDRANT_VECTOR_SIZE=384
- QDRANT_DISTANCE=cosine
- QDRANT_TIMEOUT=30
- # ============================================================
- # Neo4j 图数据库(MemoryTool 的 semantic memory 使用)
- # ============================================================
- NEO4J_URI=bolt://localhost:7687
- NEO4J_USERNAME=neo4j
- NEO4J_PASSWORD=your_neo4j_password
- NEO4J_DATABASE=neo4j
- NEO4J_MAX_CONNECTION_LIFETIME=3600
- NEO4J_MAX_CONNECTION_POOL_SIZE=50
- NEO4J_CONNECTION_TIMEOUT=60
- # ============================================================
- # Embedding 服务(RAGTool 与 MemoryTool 的向量化后端)
- # 若 EMBED_API_KEY 留空,会自动回退到本地 sentence-transformers
- # ============================================================
- EMBED_MODEL_TYPE=dashscope
- EMBED_MODEL_NAME=text-embedding-v3
- EMBED_API_KEY=your_dashscope_api_key
- EMBED_BASE_URL=
- # ============================================================
- # Paper Search MCP(openags/paper-search-mcp)
- # 推荐:使用预装 venv 的 Python 解释器启动
- # ============================================================
- PAPER_SEARCH_MCP_COMMAND=.venv-paper-search\Scripts\python,-m,paper_search_mcp.server
- PAPER_SEARCH_MCP_PREFIX=papersearch
- # 备选:使用 uvx 直接运行(首次较慢,每次调用需重新解析依赖)
- # PAPER_SEARCH_MCP_COMMAND=uvx,--with,mcp<2,paper-search-mcp
- # 可选 API Key(提升速率与覆盖率,不配也能用)
- # PAPER_SEARCH_MCP_SEMANTIC_SCHOLAR_API_KEY=
- # PAPER_SEARCH_MCP_CORE_API_KEY=
- # PAPER_SEARCH_MCP_UNPAYWALL_EMAIL=you@example.com
- # ============================================================
- # 论文设置
- # ============================================================
- PAPER_TYPE=conference # conference / journal / thesis
- CITATION_STYLE=gb7714 # gb7714 / apa
- TARGET_SECTIONS=5
- TARGET_WORDS_PER_SECTION=1000
- MAX_REFERENCES_PER_SECTION=5
- MAX_REVIEW_ROUNDS=2
- # ============================================================
- # 论文库
- # ============================================================
- PDF_DOWNLOAD_ENABLED=true
- MAX_PDF_SIZE_MB=50
- PAPER_LIBRARY_PATH=./workspace/paper_library
- # ============================================================
- # 笔记与记忆
- # ============================================================
- ENABLE_NOTES=true
- NOTES_WORKSPACE=./workspace/paper_notes
- ENABLE_MEMORY=true
- MEMORY_USER_ID=paper_author
- # ============================================================
- # 其他
- # ============================================================
- STRIP_THINKING_TOKENS=true
|