config.yaml.example

# ============================================================
# 灵桥 (Linkora) — 企业 AI 智能连接平台 · 配置文件示例
# ============================================================
#
# 使用方法：
#   1. 复制本文件为 config.yaml：cp config.yaml.example config.yaml
#   2. 修改以下配置项（带 * 为必填项；涉及密钥/密码的请务必修改）
#   3. 启动程序：python main.py --web 8080
#   4. 修改配置后无需重启，程序会自动热重载（Hot Reload）
#
# 配置结构总览：
#   ★ platforms  —— 多平台隔离主配置段（每个 IM 平台独立适配器/数据库/轮询器），运行期以本段为准
#   ① dws / ② embedding / ③ llm / ③b llm_throttle / ④ logging / ⑤ memory
#   ⑥ poller(legacy) / ⑦ rules / ⑧ safety / ⑨ rag / ⑩ skills / ⑪ dead_letter / ⑫ web / ⑬ tools / ⑭ storage(legacy)
#   说明：legacy 段（dws / poller / storage）由 config_manage 工具读取状态，请与 platforms 中对应平台保持一致。

# ============================================================
# ★ 多平台隔离配置（platforms）—— 主配置段
#  - 每个 IM 平台一个独立配置：独立适配器 / 独立数据库(./data/<id>-ai.db) / 独立轮询器。
#  - 运行期以本段为准；新增飞书/企微时在列表内追加对应条目
#    （adapter_type: feishu / wecom，并配置 adapter.cli_path 为 lark-cli / wecom-cli）。
#  - 下方 ① dws / ⑥ poller / ⑭ storage 为 legacy 兼容段（config_manage 读取），
#    值与本段 dingtalk 平台保持一致即可。
# ============================================================
platforms:
  # —— 高级：多平台与按平台覆盖（override）——
  # 本模板仅列单平台实例。生产可配置多个平台（钉钉/飞书/企微），platforms 为列表，
  # 每个元素对应一个平台实例，adapter_type 决定适配器（见 config_models.PlatformConfig）。
  # 每个平台支持 override 覆盖全局配置，键为 platform.<id>.override.{llm,rag,tools}，
  # 仅对当前平台生效；空值沿用全局。覆盖结构详见 config_models.PlatformConfig 的
  # PlatformConfig.override / llm / rag / tools 字段。
  # 参考骨架（脱敏，endpoint/密钥请按需从 live config.yaml 复制，切勿提交真实值）：
  #   - id: feishu
  #     display_name: 飞书
  #     enabled: true
  #     adapter_type: feishu
  #     override:
  #       rag: { enabled: false }            # 该平台关闭 RAG
  #       tools: { enable_kb_search: false } # 该平台禁用知识库搜索工具
  # 另：safety.sensitive_words（敏感词过滤）已在下方 safety 段提供占位，按需填充。
  - id: dingtalk
    display_name: 钉钉
    enabled: true
    adapter_type: dingtalk
    storage:
      type: sqlite                                   # 数据库类型（当前仅支持 sqlite）
      path: ./data/linkora.db                    # 数据库文件路径（按平台隔离，勿与 legacy 段混淆）
      backup_enabled: true                           # 是否启用自动备份
      backup_dir: ./data/backups                     # 备份文件目录
      backup_interval_hours: 24                      # 备份间隔（小时），24 = 每天一次
      backup_max_count: 5                            # 保留最近多少份备份
      backup_on_start: true                          # 启动时立即备份一次
      decisions_retention_days: 14                   # 决策追踪表留存天数（≤0 表示不按时间清理）
      messages_retention_days: 90                    # 消息记录留存天数（≤0 表示不清理）
      doc_sync_interval_hours: 1                     # 钉钉文档自动同步间隔（小时），≤0 禁用
    poller:
      # —— 基础轮询 ——
      interval_seconds: 20                           # 轮询间隔（秒）。stream 长连接启用时轮询仅为兜底，20s 兼顾实时性与 DWS 调用频率
      # P0 Stream 长连接（v1.0.59+，需 dws event 子命令支持）：true 启用 dws event
      # +listen-im 实时接收消息，替代 5s 全量轮询，API 调用量降 90%+。默认 false（保留
      # 轮询为主通道，兼容存量行为）。启用后轮询仍运行（兜底/历史回填），stream 消息
      # 实时入队、每轮 drain 派发。stream_kinds 可选 all-direct(单聊)/all-group(群)/at-me(@我)。
      stream_enabled: false
      stream_kinds:
        - all-direct
        - all-group
      unread_conversation_count: 50                  # 单轮拉取的未读会话数上限
      unread_convs_cache_ttl_seconds: 30             # 未读会话列表 TTL 缓存（秒）：缓存期内复用上次结果，未读列表调用降到约 1/TTL 轮一次；新消息仍由 list-all 每轮全量拉取，不丢消息。0=每轮都拉
      messages_per_conversation: 16                  # 每个会话单次拉取的最大消息数
      merge_window_seconds: 5                        # 同会话多条消息在此时间内合并处理
      history_window: 12                             # 带入 LLM 上下文的历史消息条数（= max_recent + 2，原料窗需 > 近期条数才能触发 H2-A 异步摘要；feishu/wecom 同为 12）
      history_days: 3                                # 历史消息取最近 N 天
      history_session_gap_minutes: 360               # 会话切分间隔：相邻历史消息间隔超此值视为新对话轮次（0=禁用切分）
      max_processed_msg_ids: 500                     # 跨轮次去重内存缓存上限（LRU）
      first_run_ignore_older_than_minutes: 5         # 首次运行/重启后忽略超过 N 分钟的老消息（0=不忽略）
      reply_cooldown_seconds: 10                     # 同一会话回复冷却时间（秒），防止短时间反复回复
      reply_shard_limit: 4000                         # 单条回复分片上限（字符），超长自动分片发送
      reply_send_min_interval: 0.2                    # 两条回复最小发送间隔（秒），防刷屏
      reply_send_rate_limit_backoff_seconds: 60.0    # 发送被限流后的退避时长（秒）
      owner_present_cooldown_seconds: 600            # 真人在场冷却（秒）：窗口内真人活跃则 AI 不插嘴，离场超时后接管
      poll_new_message_max_age_hours: 24             # 轮询侧「新消息」年龄门槛（小时）：超过则不触发 AI 回复。取 min(history_days, 本值/24)；与 history_days（上下文取数窗口）解耦，防止去重漏标时把几天前的老消息重放成新消息。0=不额外收紧
      suppress_when_owner_read: true                 # 已读闸门：DWS 判定会话已读(无未读)则 AI 不回；新未读消息仍照常回。失真漏回时设 false
      read_grace_seconds: 3                         # 已读反悔窗口（秒）：回复生成好后先等这么久再发，期间你标记已读则直接取消发送（我已读的会话绝不发自动回复）。0=不等待
      mark_read_after_process: true                  # 处理完后将该会话消息标记为已读
      mark_read_delay_seconds: 120                   # 回复发出后延迟 N 秒再标记会话已读（默认120）：给追问留出未读窗口，避免 AI 自己标已读把后续消息吞掉。0=立即标记（旧行为）
      # —— 背压 / 并发 ——
      max_dispatch_per_cycle: 30                     # 单轮最多派发给 handler 的消息数（0=不限制）
      max_concurrent_replies: 4                      # 同时进行的回复（LLM 调用）上限
      reply_concurrency_timeout_seconds: 30         # 等待并发槽位超时（秒）；超时降级串行，不丢消息
      # —— list-all 主通道 ——
      list_all_time_window_minutes: 30               # list-all 时间窗口（分钟）
      list_all_first_run_minutes: 5                  # list-all 首次运行时间窗口（分钟）
      list_all_full_scan_interval_minutes: 60        # 飞书全量扫描间隔（分钟）：每隔这么久做一次完整 +chat-list 翻页发现新会话；0=永不自动全量扫描
      list_all_empty_alert_rounds: 6                 # 连续 N 轮 list-all 零新消息则告警（0=关闭）
      empty_poll_protection_minutes: 5               # 空转保护间隔（分钟）
      # —— list-all 分页与窗口保护（防止宽时间窗每轮重扫全部历史、永远撞分页上限）——
      list_all_max_pages: 50                         # list-all 单轮分页硬上限（每页 limit 条，默认 100）；0=不限制。原硬编码 20 在活跃群易触顶漏消息
      list_all_max_window_days: 14                   # list-all 实时轮询扫描窗口上限（天）：把误配的 22 天等超宽窗钳制到最近 N 天。深度回填请走 sync_history
      # —— 跳过策略 ——
      skip_msg_types:                                # 直接跳过的消息类型（不处理）
        - system
        - app
        - file
        - call
        - voice
        - video
        - read_receipt                           # 已读回执类系统通知（[已读]/已读回执/英文 read receipt 等）
      graceful_fallback_msg_types: []                # 优雅回退类型：当前 voice/video 已并入 skip_msg_types 彻底静默跳过，故留空
      # 通知抑制（结构优先 + 窄签名）：
      # 绝大多数通知已由 msgType（skip_msg_types）+ 系统/机器人发送者（系统账号名单）结构层静默拦截。
      # 本字段仅作「以真人身份推送的纯文本机器通知」的安全网：
      #   - 只写【机器生成物】的窄正则（固定模板/报错栈），绝不写宽泛裸词，以免误伤真人消息。
      #   - 默认空=不静默，交给 LLM 处理（如 U9C 报错由 AI 提炼要点）。
      #   - 例：r"^\d{4}-\d{2}-\d{2}\d+发货通知单[：:]" 可精确命中某 ERP 推送。
      skip_notification_patterns: []
      # 按发送者 ID 精确静默机器人/三方应用账号（结构性静音，强于按名匹配）
      skip_notification_sender_ids: []
      # —— 图片 OCR ——
      image_ocr_enabled: true                       # 启用后下载截图并 OCR，让 LLM 能"看懂"图片
      image_temp_dir: ./data/tmp_images             # OCR 临时下载目录（处理完即删）
      # —— 多组织 / 跨组织 ——
      target_org_corp_id: ''                        # 多组织环境下仅轮询该组织；留空=当前登录 profile 所属组织
      # —— 会话黑名单容错 ——
      blacklist_min_consecutive_failures: 3         # 群聊权限错误需连续失败达此次数才拉黑（0=立即拉黑）
      blacklist_reconcile_every: 20                 # 黑名单自愈对账间隔（轮数）
      reconcile_probe_batch_size: 5                 # 自愈每轮直接探测上限（轮转分批）
      # —— 缓存 / 限频 ——
      top_convs_cache_ttl_seconds: 180              # 置顶/最近会话列表缓存 TTL（秒）
      min_conversation_poll_interval_seconds: 60    # 长尾会话最小抓取间隔（秒）；未读会话不受影响
      forced_fetch_min_interval_seconds: 30         # 未读(forced)会话抓取下限间隔（秒）：不再每轮必打，per-conversation 只是健壮性冗余通道，新消息由 list-all 主通道每轮全量拉取。0=关闭下限
      conv_info_negative_cache_ttl_seconds: 300     # 单聊对方解析（chat_conversation_info/联系人搜索）失败负缓存 TTL（秒）：TTL 内不再重打元数据接口；消息仍由 list-all 投递、对方 ID 由消息 sender 兜底。0=失败后下轮即重试
      chat_rate_limit_cooldown_seconds: 120         # 命中 RATE_LIMIT_ERROR 后暂停该平台 chat 抓取的冷却（秒）：给服务端限流窗口留恢复时间，不丢消息
      # —— 合规透明 ——
      ai_tag_enabled: true                          # 发送时携带"由AI发送"标签（合规透明）；false=与本人手发无区别
    adapter:                                         # 钉钉 → DwsConfig 字段
      cli_path: dws                                  # DWS CLI 可执行文件路径（默认 "dws" 表示使用 PATH 中的命令）
      dry_run: false                                # true = 只模拟，不真正发送消息
      profile: ''                                   # DWS 登录 profile（多账号场景；默认空=默认账号）
      retries: 2                                    # DWS 命令重试次数
      timeout: 30                                   # DWS 命令超时（秒）
  # ── 飞书 / 企业微信：可选平台，默认关闭 ──
  # 启用步骤：① 安装对应 CLI（lark-cli / wecom-cli）；② 取消下方注释；③ 把 enabled 改为 true。
  # poller / storage / adapter 字段含义与上方 dingtalk 完全一致（钉钉段已逐行注释）。
  # - id: feishu
  #   display_name: 飞书
  #   enabled: false
  #   adapter_type: feishu
  #   storage:
  #     type: sqlite
  #     path: ./data/feishu-ai.db
  #     backup_enabled: true
  #     backup_dir: ./data/backups
  #     backup_interval_hours: 24
  #     backup_max_count: 5
  #     backup_on_start: true
  #     decisions_retention_days: 14
  #     messages_retention_days: 90
  #     doc_sync_interval_hours: 1
  #   poller:
  #     interval_seconds: 20
  #     unread_conversation_count: 50
  #     messages_per_conversation: 16
  #     merge_window_seconds: 5
  #     history_window: 6
  #     history_days: 3
  #     history_session_gap_minutes: 360
  #     max_processed_msg_ids: 500
  #     first_run_ignore_older_than_minutes: 5
  #     reply_cooldown_seconds: 10
  #     owner_present_cooldown_seconds: 600
  #     poll_new_message_max_age_hours: 24
  #     suppress_when_owner_read: true
  #     mark_read_after_process: true
  #     mark_read_delay_seconds: 120
  #     max_dispatch_per_cycle: 30
  #     max_concurrent_replies: 4
  #     reply_concurrency_timeout_seconds: 30
  #     list_all_time_window_minutes: 30
  #     list_all_first_run_minutes: 5
  #     list_all_full_scan_interval_minutes: 60
  #     list_all_empty_alert_rounds: 6
  #     empty_poll_protection_minutes: 5
  #     list_all_max_pages: 50
  #     list_all_max_window_days: 14
  #     skip_msg_types:
  #       - system
  #       - app
  #       - file
  #       - call
  #       - voice
  #       - video
  #       - read_receipt
  #     graceful_fallback_msg_types: []
  #     skip_notification_patterns: []
  #     skip_notification_sender_ids: []
  #     image_ocr_enabled: true
  #     image_temp_dir: ./data/tmp_images
  #     target_org_corp_id: ''
  #     blacklist_min_consecutive_failures: 3
  #     blacklist_reconcile_every: 20
  #     reconcile_probe_batch_size: 5
  #     top_convs_cache_ttl_seconds: 180
  #     min_conversation_poll_interval_seconds: 60
  #     ai_tag_enabled: true
  #   adapter:
  #     cli_path: lark-cli                          # 已安装的飞书 CLI（lark-cli v1.0.72+）
  #     dry_run: false
  #     profile: ''
  #     retries: 2
  #     timeout: 30
  # - id: wecom
  #   display_name: 企业微信
  #   enabled: false
  #   adapter_type: wecom
  #   storage:
  #     type: sqlite
  #     path: ./data/wecom-ai.db
  #     backup_enabled: true
  #     backup_dir: ./data/backups
  #     backup_interval_hours: 24
  #     backup_max_count: 5
  #     backup_on_start: true
  #     decisions_retention_days: 14
  #     messages_retention_days: 90
  #     doc_sync_interval_hours: 1
  #   poller:
  #     interval_seconds: 20
  #     unread_conversation_count: 50
  #     messages_per_conversation: 16
  #     merge_window_seconds: 5
  #     history_window: 6
  #     history_days: 3
  #     history_session_gap_minutes: 360
  #     max_processed_msg_ids: 500
  #     first_run_ignore_older_than_minutes: 5
  #     reply_cooldown_seconds: 10
  #     owner_present_cooldown_seconds: 600
  #     poll_new_message_max_age_hours: 24
  #     suppress_when_owner_read: true
  #     mark_read_after_process: true
  #     mark_read_delay_seconds: 120
  #     max_dispatch_per_cycle: 30
  #     max_concurrent_replies: 4
  #     reply_concurrency_timeout_seconds: 30
  #     list_all_time_window_minutes: 30
  #     list_all_first_run_minutes: 5
  #     list_all_full_scan_interval_minutes: 60
  #     list_all_empty_alert_rounds: 6
  #     empty_poll_protection_minutes: 5
  #     list_all_max_pages: 50
  #     list_all_max_window_days: 14
  #     skip_msg_types:
  #       - system
  #       - app
  #       - file
  #       - call
  #       - voice
  #       - video
  #       - read_receipt
  #     graceful_fallback_msg_types: []
  #     skip_notification_patterns: []
  #     skip_notification_sender_ids: []
  #     image_ocr_enabled: true
  #     image_temp_dir: ./data/tmp_images
  #     target_org_corp_id: ''
  #     blacklist_min_consecutive_failures: 3
  #     blacklist_reconcile_every: 20
  #     reconcile_probe_batch_size: 5
  #     top_convs_cache_ttl_seconds: 180
  #     min_conversation_poll_interval_seconds: 60
  #     ai_tag_enabled: true
  #   adapter:
  #     cli_path: wecom-cli                         # 已安装的企业微信 CLI（wecom-cli v0.1.9+）
  #     dry_run: false
  #     profile: ''
  #     retries: 2
  #     timeout: 30
  # ── 平台级覆盖（可选 · 进阶）─────────────────────────────────────
  # 每个平台块（与 storage / poller / adapter 同级）可内嵌 rag / llm / tools
  # 三个可选覆盖块，用于覆盖全局对应配置。全部字段可选；省略该块或字段留空
  # 均表示「沿用全局值」，无行为差异（代码见 src/config_models.py 的 PlatformConfig）。
  # 典型用途：
  #   ① 按平台分模型控成本（如飞书用便宜模型、钉钉用主力模型）
  #   ② 按平台隔离知识库（不同 embedding 模型或 chunk 策略）
  #   ③ 按平台收窄工具集（如某平台关闭文件操作）
  # 下方为「参考示例」（已注释，取消注释并填入即生效；只需保留要覆盖的字段）：
  # - id: feishu
  #   display_name: 飞书
  #   enabled: true
  #   adapter_type: feishu
  #   adapter: { cli_path: lark-cli }                # 飞书 CLI（lark-cli v1.0.72+）
  #   rag:                                          # 平台级 KB 覆盖（不配则沿用全局 rag）
  #     embedding_model: BAAI/bge-small-zh-v1.5
  #     chunk_size: 800
  #     chunk_overlap: 120
  #     chunk_hard_max: 1600
  #   llm:                                          # 平台级 LLM 覆盖（不配则沿用全局 llm）
  #     provider: openai
  #     base_url: https://api.openai.com/v1
  #     api_key: sk-xxx
  #     model: gpt-4o-mini
  #     temperature: 0.3
  #     max_tokens: 2000
  #     timeout: 60
  #     fallback_model: gpt-4o
  #     fallback_api_key: sk-xxx
  #     fallback_base_url: https://api.openai.com/v1
  #   tools:                                        # 平台级 Tools 覆盖（不配则沿用全局 tools）
  #     search_enabled: true
  #     file_ops_enabled: false
  #     enabled: true

# ============================================================
# ① DWS 适配器配置（钉钉 CLI 接口）—— legacy 兼容段（config_manage 读取）
#    值与上方 platforms.dingtalk.adapter 保持一致即可。
# ============================================================
dws:
  cli_path: dws                                     # * DWS CLI 可执行文件路径（默认 "dws" 使用 PATH 中的命令）
  dry_run: false                                   # 是否启用 dry_run 模式（true = 只模拟，不真正发送消息）
  profile: ''                                      # DWS 登录 profile 名称（多账号场景；默认空=默认账号）
  retries: 2                                       # DWS 命令重试次数
  timeout: 30                                      # DWS 命令超时时间（秒）

# ============================================================
# ② Embedding 模型配置（用于 RAG 知识库检索）
# ============================================================
embedding:
  api_key: ''                                      # Embedding API Key（使用 local 模式时可为空）
  base_url: ''                                     # Embedding API Base URL（使用 local 模式时可为空）
  enabled: true                                    # * 是否启用 Embedding（false = 禁用 RAG 知识库检索）
  hf_token: ''                                     # HuggingFace Token（用于下载模型，可选）
  model: BAAI/bge-small-zh-v1.5  # * Embedding 模型名称（local 模式自动下载到 ~/.cache/huggingface；须与预建 FAISS 索引维度一致，默认 512 维）
  provider: local                                  # * 提供商类型（local = 本地模型，openai = OpenAI API 等）
  top_k: 5                                         # 向量检索返回的候选数量（top-k）
  offline: false                                   # 是否纯离线（true=禁止联网下载，仅用本地缓存）
  device: auto                                     # 本地推理设备（auto/cpu/mps/cuda）；MPS 会常驻约 1GB 驱动显存且无法回收，内存吃紧时改 cpu
  heartbeat_interval: 300                           # 心跳保活间隔（秒）：模型就绪后周期 dummy 推理，防闲置被卸载；下限 30s

# ============================================================
# ③ LLM 客户端配置（大模型接口）
# ============================================================
llm:
  advanced:                                         # 高级限制参数（防止输出过长或过短）
    hard_truncation_chars: 300                     # 硬质截断字符数（极端超长安全网；与代码默认一致）
    max_chars_daily_chat: 50                       # 日常闲聊场景最大字符数（代码默认 50，避免过长）
    max_chars_tech_issue: 100                      # 技术问题场景最大字符数（代码默认 100）
    rag_auto_inject: true                          # 是否自动注入 RAG 相关知识到 system prompt
    rag_intent_only: true                          # 仅当 query 含文档/知识查询意图时才注入（闲聊/天气/问候等不注入；省 token、抗弱相关）
    rag_min_similarity: 0.6                        # 自动注入最低相似度门槛（收紧召回，避免弱相关内容进 prompt）
    rag_max_results: 1                             # 自动注入最多返回几条（越少越省 token，关键信息通常在最相关的前 1 条）
    rag_max_content_chars: 1200                    # 单条注入知识展示上限（>= 分块大小，避免答案被切）
    rag_empty_fallback_enabled: true               # 空-RAG 强制兜底：知识库无匹配时，架构层硬编码固定回复（防止 LLM 编造）
    rag_empty_fallback_reply: "知识库中暂未收录相关信息，请联系IT部门或查阅内部文档确认。"  # 空-RAG 兜底回复文案
    low_confidence_handoff_enabled: true           # 低置信度转人工/草稿（RAG 未命中时推主人审签）
    low_confidence_threshold: 0.35                 # RAG 最佳相似度低于此值视为低置信（默认放宽以减少草稿审签打扰）
    # Phase 2 RAG 引文溯源+置信度页脚（默认关，灰度开；开启后回复末尾附「依据：《标题》（相关度88%）」）
    citation_enabled: false                        # 引文页脚总开关（默认关；生产环境 config.yaml 已置 true 开启）
    citation_in_group: false                       # 群聊是否也附引文（默认关，更克制）
    citation_high_threshold: 0.75                  # ≥此值标「依据」，[low,high) 标「参考」
    citation_low_threshold: 0.5                    # 相关度低于此值不追加页脚
    citation_max_items: 2                          # 页脚最多列几条引文
    citation_show_score: false                     # 引文页脚是否显示相关度分数
    citation_hide_generated: true                  # 隐藏「由 AI 生成」标记
    max_input_tokens: 12000                        # 单次请求最大输入 Token 数
    rag_fallback_min_similarity: 0.2               # RAG 兜底最小相似度
    rag_fallback_max_results: 2                    # RAG 兜底最大返回条数
    rag_max_retry_rounds: 1                        # RAG 检索最大重试轮次
    # RAG 严格问答模式（智能问答，默认关）：开启后所有问答只依据知识库检索内容作答，
    # 不使用通用大模型知识；知识库无相关内容时直接返回下方文案（不调用 LLM、不编造）
    rag_strict_mode: false                         # 严格问答模式总开关
    rag_strict_min_similarity: 0.5                 # 严格模式召回相似度门槛（覆盖 rag_min_similarity）
    rag_strict_max_results: 3                      # 严格模式最多注入几条知识片段
    rag_strict_no_hit_reply: "知识库中暂未收录相关内容，我无法凭已有信息作答。"  # 未命中时的固定回复
    # Phase 2 P2-6 BGE 本地离线重排（默认关；开启需本地已缓存 bge-reranker-base 权重）
    rerank_enabled: false                          # 重排总开关（默认关；opt-in 高级特性：开启需本地 BGE 权重并引入推理开销，属有意默认关；当前运行实例已开，效果见 docs/phase2_citation_confidence_design.md §6）
    rerank_model: BAAI/bge-reranker-base           # 重排模型
    rerank_offline: false                          # 纯离线加载（local_files_only）
    rerank_top_k: 10                               # 参与重排的候选窗口（0=全部）
    rerank_timeout: 2.0                            # 重排超时（秒），超时降级原始顺序
    # H5/H6 + H2-A 历史分级注入 / 后台异步摘要阈值（未配置时全部走代码内保守默认值，向后兼容）
    history_tiering_recent: 8                      # 注入 LLM 的近期完整条数（默认 8=扩大风格学习窗口；调小如 4 可省 token 并激活 H2-A 异步摘要）
    summary_async_enabled: true                    # H2-A 后台异步摘要总开关（True=主回复只快读缓存，摘要在 daemon 线程写回）
    summary_max_age_seconds: 600                   # H2-A 缓存摘要新鲜度窗口（秒），过期则降级并补算
    summary_min_coverage_ratio: 0.6                # H2-A 缓存摘要需覆盖 older 段的至少该比例才采用
    summary_max_messages: 0                        # H2-A 透传 summarize_conversation 的 max_messages（0=不限制）
    summary_min_older: 2                           # H2-A older 段至少 N 条才压摘要（不足则仅注入 recent）
  api_key: ''                                      # * LLM API Key（必填）
  base_url: ''                                     # * LLM API Base URL（必填，如 https://api.deepseek.com/v1 或本地 http://localhost:11434/v1）
  fallback_api_key: ''                             # 备用 API Key（主 API 失败时自动切换）
  fallback_base_url: ''                            # 备用 API Base URL
  fallback_model: ''                               # 备用模型（单模型，旧）：主模型+主池全部失败时使用
  fallback_model_pool: []                          # 备用模型池（跨服务商兜底）：主模型+主池全失败按列表顺序逐个尝试；401/403 立即终止
  secondary_fallback_model: ''                       # 二级备用模型（主模型+主池+备用池全失败后的最后兜底）
  secondary_fallback_model_pool: []                  # 二级备用模型池（跨服务商，按列表顺序尝试；401/502 立即终止）
  secondary_fallback_api_key: ''                      # 二级备用 API Key
  secondary_fallback_base_url: ''                     # 二级备用 API Base URL
  model: gpt-4o                                    # * 使用的模型名称（如 deepseek-chat / gpt-4o / 本地 llama3）
  model_pool: []                                   # 同服务商模型池（免费额度轮换）：与主模型共用 base_url/api_key 的备选模型
  provider: openai-compatible                      # * 提供商类型（openai-compatible = OpenAI 兼容接口）
  system_prompt: '你是 {user_name} 的 {platform} 数字分身，代表 {user_name} 回复消息。语气专业、简洁、有礼貌。'  # * System Prompt，可用 {user_name} / {platform}
  temperature: 0.6                                 # 生成温度（0.0 = 确定性，1.0 = 创造性；0.6 平衡保真与稳定性）
  max_tokens: 2048                                 # * 每次请求最大生成 Token 数
  max_tool_rounds: 5                               # * 工具调用最大轮次（防止死循环）
  converge_after_tool_rounds: 3                    # 连续 N 轮都在调工具则强制收敛（0=关闭）
  max_retries: 3                                   # 主模型单轮最大重试次数（含首次；耗尽后切备用模型）
  base_backoff: 2.0                                # 退避基数（秒）：第 n 次等待 base_backoff * 2**n
  backoff_jitter: 0.3                              # 退避 jitter 比例(0-1)；0=关闭，>0 时等待时间在 [base, base*2^(n+1)] 随机取，避免惊群
  rate_limit_cooldown: 30.0                        # 模型触发 429 后的冷却期(秒)；若服务端返回 Retry-After 则优先使用
  timeout_cooldown: 10.0                           # 模型重试耗尽仍失败后的短冷却期(秒)，避免下一轮继续砸同一个模型
  max_concurrency: 0                               # 全局 LLM 并发上限(0=不限制)；免费额度/低并发模型建议设为 3-5
  timeout: 60                                      # LLM API 超时时间（秒）
  few_shot_examples: []                            # 本人语气 few-shot 样例（让数字分路口吻更像本人）
  persona_style_prompt: ''                         # 主人沟通风格覆盖（留空则由历史消息自动画像兜底）
  persona_history_max_versions: 10                # 画像历史版本最大保留数（超量滚动删除旧版本）
  model_pricing: {}                                  # 模型计费（如 {"gpt-4o": {"input": 0.005, "output": 0.015}}），用于成本看板
  persona_style_prompts: {}                          # 多场景语气覆盖（覆盖单一 persona_style_prompt），如 {"正式": "...", "轻松": "..."}
  dynamic_few_shot: false                            # 动态 few-shot：按场景检索主人原话注入 system prompt（提升口吻还原度）
  dynamic_few_shot_n: 4                              # 检索注入的最像原话条数
  dynamic_few_shot_method: hybrid                   # trigram / embedding / hybrid（默认 hybrid，零额外开销）
  backtest_judge_loose: false                        # 回测还原度评委宽松口径（仅影响 /api/persona/backtest 打分，不影响真实回复）
  brevity_hard_cap: 0                                # 回复硬截断上限（0=沿用 hard_truncation_chars；正数覆盖普通回复截断）

# ============================================================
# ③b 后台 LLM 任务限速（对话摘要 / 记忆提取）—— 保护免费额度
# ============================================================
llm_throttle:
  enabled: true                                    # 是否启用后台限速
  background_min_interval_seconds: 20              # 活跃时两次后台 LLM 调用最小间隔（秒）
  idle_threshold_seconds: 300                      # 多久无真实消息处理算"空闲"
  idle_min_interval_seconds: 180                   # 空闲时两次后台调用最小间隔（秒）
  rate_limit_backoff_seconds: 600                  # 主模型触发 429/超时时后台任务暂停时长（秒）
  extract_memory_cooldown_seconds: 600             # 同一会话记忆提取最小冷却（秒）
  extract_memory_min_new_chars: 30                 # 本轮新增内容低于此字符数则不提取记忆
  max_summaries_per_cycle: 20                      # 单周期最多处理的摘要会话数
  summary_history_limit: 40                        # 摘要时最多取的非归档近期消息条数

# ============================================================
# ④ 日志配置
# ============================================================
logging:
  file: ./logs/linkora.log                         # 日志文件路径（相对于项目根目录）
  level: info                                      # 日志级别（debug / info / warning / error）
  max_backups: 7                                   # 最大备份文件数（超过后自动删除最旧的）
  max_size_mb: 50                                  # 单个日志文件最大大小（MB）

# ============================================================
# ⑤ 记忆管理配置（长期记忆清理、检索与对话摘要）
# ============================================================
memory:
  cleanup:                                         # 记忆清理策略
    enabled: true                                  # 是否启用自动清理
    check_interval_days: 7                         # 清理检查间隔（天）
    max_age_days: 90                               # 记忆最大保留天数（超过后标记过期）
    min_similarity_threshold: 0.3                  # 相似度阈值（低于此值的记忆会被清理）
  retrieval:                                       # 记忆检索策略
    min_similarity: 0.6                            # 检索最小相似度阈值（低于此值的结果会被过滤）
  conversation_summary:                            # 对话摘要策略
    enabled: true                                  # 是否启用对话摘要
    max_messages_per_conversation: 50              # 单会话参与摘要的最大消息数
    summary_interval_hours: 24                      # 摘要间隔（小时）
    summary_ratio: 0.4                             # 摘要压缩比
    dynamic:                                       # 动态（信号驱动）摘要：取代原固定 1 小时周期轮询（H2-B）
      enabled: true                                # 是否启用动态摘要
      check_interval_seconds: 60                   # 轻量评估心跳（秒），仅做 DB 查询、不调 LLM
      quiet_minutes: 10                            # 会话静默达到该时长且有新内容 → 触发摘要
      min_messages: 3                              # 自上次摘要以来的未摘要消息数下限
      max_messages_per_chat: 100                   # 未摘要消息数达上限 → 立即摘要（防无限增长）
      max_age_hours: 24                            # 距上次摘要超过该时长且有新内容 → 刷新
      scan_days: 7                                 # 扫描最近 N 天内有更新的会话
    display:                                         # 展示用全量摘要：专供 Web「对话摘要」页（与 H2-A/动态摘要解耦）
      enabled: true                                  # 是否启用；关闭则页面回退读 H2-A/动态摘要表
      check_interval_seconds: 120                    # 轻量评估心跳（秒），仅做 DB 查询、不调 LLM
      min_messages: 4                                # 会话消息数下限（不足则不生成展示摘要）
      display_limit: 40                              # 收集「近期全量消息」的窗口上限（覆盖整段对话，而非仅 older 段）
      interval_hours: 2                              # 同一会话两次展示摘要的最小间隔（小时）
      freshness_seconds: 1800                        # 已有覆盖充分的展示摘要在此时长内视为新鲜、跳过重摘要
      scan_days: 7                                   # 扫描最近 N 天内有更新的会话

  # 向量索引（F18 RAG 检索规模化）：类型与幽灵向量自动清理
  vector_index_type: flat                           # flat=精确暴力检索(默认)；hnsw=近似检索，规模增长时提速显著
  vector_index_hnsw_ef: 64                          # HNSW efConstruction/efSearch（仅 hnsw 生效）
  vector_phantom_rebuild_ratio: 0.3                # 幽灵向量占比超此阈值自动重建回收空间（0=禁用自动重建）
  vector_cache_embeddings: true                     # 索引内缓存归一化 embedding，支撑精确重建


# ============================================================
# ⑦ 规则引擎配置（关键词回复、意图过滤、黑白名单）
# ============================================================
rules:
  enabled: true                                    # 是否启用规则引擎
  regex_timeout_seconds: 1.0                       # ReDoS 防护：用户/DB 正则单次匹配超时（秒）；0/负=禁用
  blacklist:                                       # 黑名单（黑名单中的用户/群组消息不处理；置空 [] 即不生效）
    groups: []                                     # 黑名单群组 ID 列表
    users:                                         # 黑名单用户名称列表
      - 张三
  whitelist:                                       # 白名单（仅处理白名单中的用户/群组；空=不启用）
    enabled: false                                 # 是否启用白名单模式
    groups: []                                     # 白名单群组 ID 列表
    users: []                                      # 白名单用户名称列表
  keywords:                                        # 关键词自动回复（匹配到关键词直接回复，不调 LLM）
    # 仅匹配「纯问候」消息，避免命中嵌入在业务请求里的 "您好"
    # （如 "徐工您好，麻烦调整下流程人员..." 会误触发此回复）。
    - match: '\A\s*(在吗|在不在|您好)[！。?？\s]*\Z'  # 匹配的正则表达式
      reply: 在的，请问有什么事？                     # 自动回复内容（可用 {now} 变量插入当前时间）
  stop_words:                                      # 停用词（消息仅含这些词时不触发 LLM）
    - 好的, 嗯, 哦
    - 谢谢, 感谢, 请问, 麻烦, 帮我
    - 你好, 您好, 请, 劳驾
  keyword_denylist:                                # 高频关键词黑名单：从词云强制剔除的机器生成 token
    - dingtalkclient
    - mobilelink
    - dingtalk
    - mobile
    - client
    - link
    - oauth
    - callback
    - redirect
    - android
    - ios
    - robot
    - webbot
    - miniapp
  intent_filter:                                    # 意图过滤：识别并跳过无业务价值的消息
    enabled: true
    pure_thank_max_length: 20                       # 纯感谢消息最大长度（超过可能含业务内容）
    pure_ack_max_length: 10                         # 纯确认收到最大长度
    business_ratio_threshold: 0.3                   # 业务关键词占比阈值（低于则视为主要是感谢）
    thank_you:                                      # 感谢类关键词
      - 谢谢
      - 感谢
      - 辛苦了
      - 多谢
    acknowledge:                                    # 确认收到类关键词
      - 收到
      - 好的
      - 明白
      - 知道了
      - 了解
    closing:                                        # 结束语类关键词
      - 再见
      - 拜拜
      - 晚安
      - 先忙了
    polite:                                         # 礼貌开场类关键词
      - 你好
      - 您好
      - 在吗
      - 请问
    compliment:                                     # 称赞/夸奖类关键词（扩充子型）
      - 厉害
      - 太棒了
      - 666
      - yyds
    smalltalk:                                      # 闲聊/寒暄类关键词（扩充子型）
      - 在忙吗
      - 最近好吗
      - 吃饭了吗
    emotion:                                        # 情绪/感叹类关键词（扩充子型）
      - 哈哈
      - 无语
      - 服了
      - emo
    business_keywords:                              # 业务关键词（用于判断消息是否含业务内容）
      - 问题
      - 错误
      - 故障
      - 怎么
      - 如何
      - 为什么
      - 帮我
      - 配置
      - 设置
      - 安装
      - 排查
      - 解决
      - 查询
      - 审批
      - 账号
      - 密码
      - 权限
      - 登录
      - 接口
      - 服务
      - 系统
      - 数据
      - 文档
      - 资料
      - 文件

# ============================================================
# ⑧ 安全配置（敏感词过滤和默认回复）
# ============================================================
safety:
  default_fallback: 抱歉，我暂时无法回答这个问题。   # 默认兜底回复（LLM 处理失败或返回空时使用）
  media_fallback_text: 请发文字，我暂时无法处理语音/视频消息，谢谢理解～  # 媒体类型优雅回退文案
  sensitive_words: []                              # 敏感词列表（回复内容包含这些词时会被过滤）

# ============================================================
# ⑨ RAG 知识库分块配置
# ============================================================
rag:
  chunk_size: 500                                  # 分块软目标/上限参考（字符数）
  chunk_overlap: 50                                # 分块重叠大小（字符数）
  # chunk_hard_max: 1000                           # 安全天花板（字符数）；留空=chunk_size*2
  #                                                # 仅拦病态超长单元，建议 < embedding 模型字符容量
  # llm_clean_enabled: true                        # 入库文档用 LLM 语义清洗（正则作预清洗/回退）
  # llm_clean_max_chars: 8000                      # 单次 LLM 清洗字符上限；超长文档按段落分片

# ============================================================
# ⑩ 技能引擎配置（Skills）
# ============================================================
skills:
  enabled: true                                    # 是否启用技能引擎
  auto_activate: true                              # 是否允许关键词自动激活技能
  semantic_routing: true                           # Phase 2 语义路由：max(关键词命中, 语义相似度×weight)
  semantic_skill_threshold: 0.40                   # 技能语义命中阈值（余弦相似度，0~1）
  combo_enabled: true                              # Phase 3 组合激活：接近平局的多个 composable 技能同时激活
  combo_gap: 0.12                                  # 平局判定阈值（top1 - top2 <= combo_gap 视为接近平局）
  hot_reload: false                                # 生产默认关闭：避免运行时自动加载 skills 目录新文件（供应链风险）；开发态显式开启
  hot_reload_interval: 15.0                        # 热加载轮询间隔（秒）
  ai_intent_generation_enabled: false             # AI 意图词生成（默认关闭，避免意外消耗 LLM 额度）
  module_hot_reload: false                             # 技能模块运行时热重载（自动重载 skills 模块）
  module_hot_reload_interval: 5.0                      # 模块热重载轮询间隔（秒）

# ============================================================
# ⑩½ SkillHub 市场（skill 榜单）配置
# ============================================================
skillhub:
  # 是否允许 Web 运行时自动拉取并执行 skillhub 安装脚本。
  # 安全默认关闭——开启后仅当 skillhub CLI 未安装时，才会下载白名单内的安装脚本
  # 并做 SHA256 钉值校验后以非 shell 方式执行（钉值经环境变量 SKILLHUB_INSTALL_SHA256 注入，
  # 或钉死在 web/dependencies.py）。生产环境建议由 Dockerfile/部署脚本预装 CLI，保持关闭。
  auto_install: false

# ============================================================
# ⑩¾ OA 审批转发处理策略（钉钉专属）
# ============================================================
oa_approval:
  enabled: true                                   # 是否启用 OA 审批转发处理
  urge_reply_text: 请稍候，审批正在处理中，请耐心等待。  # 催审批固定回复话术（不调 LLM）
  question_markers:                               # 含以下标记视为「提问」转交 LLM 正常处理
    - "?"
    - "？"
    - 怎么
    - 为什么
    - 为何
    - 什么情况
    - 什么意思
    - 合理吗
    - 对吗
    - 对不对
    - 帮我看
    - 帮我分析
    - 分析一下
    - 查一下
    - 看看
    - 哪
    - 如何
  action_markers:                                 # 含以下标记视为「动作指令」调用审批工具（transfer_approval 等）
    - 转给
    - 转交
    - 转由
    - 移交
    - 交接
    - 离职
    - 换人
    - 代批
    - 帮忙批
    - 改成
    - 转移给

# ============================================================
# ⑩⅔ OCR 后处理管线
# ============================================================
ocr_postprocess:
  enabled: true                                   # 是否启用 OCR 后处理
  min_chars: 5                                    # 有效字符数阈值，低于此值跳过不投喂 LLM
  enabled_steps:                                  # 各清洗步骤独立开关
    remove_invisible: true                        # 零宽/不可见控制字符剔除
    dedup_punctuation: true                       # 连续重复标点压缩（>2 → 1）
    remove_fillers: true                          # 口语填充词/语气词剔除
    normalize_layout: true                        # 合并空行、去除首尾空白
    cjk_spacing: false                            # 中文/英文/数字间加空格（默认关，避免改变原文排版）

# ============================================================
# ⑪ 死信队列（Dead Letter）—— LLM/发消息彻底失败时落库而非静默丢弃
# ============================================================
dead_letter:
  enabled: true                                    # 是否启用 DLQ（关闭则退回旧行为：仅回 fallback 文本）

# ============================================================
# ⑪-B 主动触达（P4-13）：每日定时把近期对话摘要主动推送给主人
# ============================================================
# 默认关闭。开启后由后台 daemon 线程在每日 hour:minute（本地时区）触发一次：
# 汇总最近 lookback_hours 内、至多 max_conversations 个有缓存摘要的对话，生成中文
# 摘要经钉钉推送给主人（1:1）。复用既有对话缓存摘要，不额外消耗 LLM。
# 发送目标二选一：owner_user_id（钉钉 user_id）或 owner_open_dingtalk_id（open_id）；
# 两者皆空则调度器不启动（fail-safe）。
proactive:
  enabled: false                                   # 主动触达总开关（默认关）
  hour: 9                                          # 每日触发小时（0-23，本地时区）
  minute: 0                                        # 每日触发分钟（0-59）
  owner_user_id: ""                                # 钉钉 user_id（与下面 open_dingtalk_id 二选一）
  owner_open_dingtalk_id: ""                       # 钉钉 open_dingtalk_id；两者皆空则不启动
  lookback_hours: 24                               # 滚动回溯窗口（小时）：取过去 N 小时内有更新的对话，跨自然日生效（如 17:30 推送覆盖昨日 17:30→今日 17:30）
  max_conversations: 10                            # 单次摘要最多纳入的对话数
  max_summary_chars: 200                           # 单条对话摘要截断长度（字符）

# ============================================================
# ⑪-C 摘要连续性补跑（P4-14）：启动检测停机时长，按自然日补齐遗漏摘要
# ============================================================
# 默认开启。进程中断期间 RollingSummary / ProactiveDigest 不写缓存也不补跑错过的那一天；
# 本机制启动读主库 meta.last_run_at，算停机天数，把遗漏窗口切成自然日，对每天有消息的会话
# 现场调 LLM 生成当日摘要，写回 conversation_summaries（与正常周期同源同格式），使「当天 /
# 近七天」摘要连续完整。与 ProactiveDigest 共用同一份缓存，补跑后主动推送的近七天视图自然补全。
# 失败全部非致命，绝不拖垮主回复链路；补跑后刷新 last_run_at 防误判持续停机。
summary_backfill:
  enabled: true                                    # 是否启用启动期摘要补跑（默认开）
  max_backfill_days: 14                            # 最多补跑最近 N 天（防止极端停机刷爆 LLM）
  min_messages_per_chat: 3                         # 单会话某日不足此条数则跳过（避免噪声摘要）
  max_summary_age_days: 7                          # 摘要时间上限：早于「现在-N天」的旧自然日/旧消息不再生成摘要（省 token）；0=不启用

# ============================================================
# ⑫ Web 管理后台配置
# ============================================================
web:
  port: 8080                                       # 监听端口
  host: 127.0.0.1                                  # 监听地址（安全默认仅本机回环；公网访问请经反代+认证）
  auth_enabled: true                               # 是否开启认证（安全默认开启；关闭=管理后台裸奔，高危）
  auth_username: admin                             # * 登录用户名
  auth_password: 'Admin@P0sw0rd'   # * 出厂默认登录密码（账号 admin）——仅供本地/内网开箱即用；公网暴露(下方 host=0.0.0.0)时**必须**先改强密码，否则启动报错。支持明文(legacy)或 PBKDF2 哈希(pbkdf2_sha256$...，推荐)；生成：python -c "from web.auth_middleware import hash_password; print(hash_password('你的密码'))"。弱口令/空值/出厂口令在公网暴露下均 fail-closed 拒绝启动  # gitleaks:allow
  jwt_secret: ''                                    # * JWT 签名密钥——生产务必设置固定高熵值；留空则运行时生成临时随机密钥（重启失效）

# ============================================================
# ⑬ 工具配置（可用工具和速率限制）
# ============================================================
tools:
  enabled: true                                    # 是否启用工具调用
  allow_skill_tools: true                          # 是否允许技能引擎自动包装未声明白名单的技能为标准 Tool
  expose_all_tools: true                           # 是否每轮全量暴露所有工具（详见 tool_routing_mode）
  tool_routing_mode: smart                         # 工具按需暴露策略：smart(推荐) / all / keyword
  semantic_routing: true                           # 语义路由：substring 未命中时用 embedding 兜底补充相关工具
  semantic_tool_threshold: 0.42                    # 工具语义命中阈值（余弦相似度，0~1）
  kb_search_enabled: true                          # 是否注册 RAG 检索工具 kb_search（false = 彻底关闭 RAG 检索能力）
  block_outbound_to_third_party: true                 # 硬拦截 AI 主动联系第三方（安全默认开）
  max_tool_seconds: 120.0                            # 工具外层统一超时（秒）：防止单工具卡死永久阻塞共享线程；0/负=不启用护栏
                                                   #   注意：从下方 available 里删掉 kb_search 只是不向 LLM 暴露 schema，
                                                   #   工具本身仍会被注册；要完全不注册必须用本开关。
  available:                                       # 启用的工具列表
    - kb_search                                    # 知识库语义检索（RAG）
    - send_message                                 # 发送消息
    - search_doc                                   # 搜索文档
    - get_doc_content                              # 获取文档内容
    - search_contact                               # 搜索联系人
    - get_calendar_events                          # 获取日历事件
    - create_todo                                  # 创建待办事项
    - schedule_meeting                             # 会议协调（冲突/空闲/建议时间）
    - list_todos                                   # 列出待办事项
    - complete_todo                                # 完成待办事项
    - recall_memory                                # 回忆长期记忆
    - save_memory                                  # 保存长期记忆
    - web_search                                   # 联网搜索
    - get_weather                                  # 获取天气信息
    - system_status                                # 系统状态查询
    - message_stats                                # 消息统计
    - keyword_rules                                # 关键词规则管理
    - config_manage                                # 配置管理
    - get_unread                                   # 获取未读消息
    - get_conversation_info                        # 获取会话信息
    - search_messages                              # 搜索消息
    - get_my_profile                               # 获取我的资料
    - list_orgs                                    # 列出组织
    - get_current_org                              # 获取当前组织
    - transfer_approval                            # 转交审批任务（原审批人离职等场景，仅钉钉）
    - get_attendance                               # 获取考勤
    - send_ding                                    # 发送钉（DING）
    - upload_image                                 # 上传图片
    - list_minutes                                 # 列出 AI 听记/会议纪要（仅钉钉）
    - get_minutes                                  # 获取听记摘要/待办/转写/信息（仅钉钉）
    - wiki_space_list                              # 列出钉钉知识库空间（仅钉钉）
    - wiki_space_search                            # 在知识库中搜索空间（仅钉钉）
    - wiki_node_list                               # 列出知识库空间下的节点（仅钉钉）
    - wiki_node_search                             # 在知识库内搜索节点（仅钉钉）
    - approval_list_forms                          # 列出审批表单模板（仅钉钉）
    - approval_search_forms                        # 搜索审批表单模板（仅钉钉）
    - approval_get_detail                          # 查看审批实例详情（仅钉钉）
    - approval_get_form_schema                     # 查看审批表单字段配置（仅钉钉）
    - approval_list_pending                        # 查询待我审批（仅钉钉）
    - approval_list_tasks                          # 查询审批实例下的审批任务（仅钉钉）
    - approval_list_initiated                      # 查询已发起审批记录（仅钉钉）
    - approval_list_executed                       # 查询我已处理的审批（仅钉钉）
    - approval_list_org                            # 管理员视角查全组织审批实例（别人转发的流程用这个查，仅钉钉）
    - approval_list_cc                             # 查询抄送我的审批（仅钉钉）
    - list_reports                                 # 列出钉钉日志（日报/周报，仅钉钉）
    - get_report_detail                            # 读取单份钉钉日志正文（仅钉钉）
    - list_report_templates                        # 搜索钉钉日志模板（仅钉钉）
    - search_enterprise_content                    # 跨类型语义检索企业内容（仅钉钉）
    - search_enterprise_behavior                   # 追溯企业行为记录（仅钉钉）
  rate_limit:                                      # 工具速率限制（防止滥用，单位：每小时）
    create_todo: { per_hour: 20 }
    get_attendance: { per_hour: 20 }
    get_conversation_info: { per_hour: 60 }
    get_current_org: { per_hour: 30 }
    transfer_approval: { per_hour: 10 }
    get_my_profile: { per_hour: 30 }
    get_unread: { per_hour: 60 }
    get_weather: { per_hour: 30 }
    list_orgs: { per_hour: 30 }
    search_messages: { per_hour: 60 }
    send_ding: { per_hour: 20 }
    send_message: { per_hour: 30 }
    upload_image: { per_hour: 30 }
    web_search: { per_hour: 50 }

# ============================================================
# ⑭ 存储配置（数据库）—— legacy 兼容段（config_manage 读取）
#    值与上方 platforms.dingtalk.storage 保持一致即可。
# ============================================================
storage:
  path: ./data/linkora.db                      # 数据库文件路径（按平台隔离）
  type: sqlite                                     # 数据库类型（当前仅支持 sqlite）
  backup_enabled: true                             # 是否启用自动备份
  backup_dir: ./data/backups                       # 备份文件目录
  backup_interval_hours: 24                        # 备份间隔（小时）
  backup_max_count: 7                              # 保留最近多少份备份
  backup_on_start: true                            # 启动时立即备份一次
  decisions_retention_days: 14                     # 决策追踪表留存天数（≤0 表示不按时间清理）
  messages_retention_days: 90                      # 消息记录留存天数（≤0 表示不清理）
  doc_sync_interval_hours: 1                       # 钉钉文档自动同步间隔（小时），≤0 禁用
  busy_timeout_ms: 20000                           # SQLite 写锁等待窗口（毫秒）
  # 双进程架构（run_linkora.py 默认拉起 web + worker）下 web 与 worker 会同时写
  # 同一批库，跨进程写锁争用会报 "database is locked"。本值让短时锁竞争等过去。
  # ⚠️ 治标不治本：根治请用 `scripts/run_linkora.py --single-process` 合并为单进程。
  # ⚠️ 对「陈旧读快照」类立即失败无效（那种只能丢弃连接重建，见 write_with_retry）。

# ============================================================
# 配置文件结束
# ============================================================
# 提示：
#   1. 所有带 * 的配置项为必填项（密钥/密码请务必修改，勿留空或默认值）
#   2. 列表类型的配置项（如 skip_notification_patterns）可留空（[]）
#   3. 布尔类型配置项：true / false（小写）
#   4. 修改配置后无需重启，程序会自动热重载（Hot Reload）
#   5. 多平台：运行期以 platforms 段为准；legacy 段（dws/poller/storage）仅供 config_manage 工具读取，保持一致即可
# ============================================================