# ════════════════════════════════════════════════════
# 系统功能配置（非敏感）
# 密钥、API 地址 请在 .env 中配置
# ════════════════════════════════════════════════════

# ── 部署拓扑 ────────────────────────────────────────
# 海外服务器已弃用（M1-M6 全链路在 domestic 执行）
servers:
  overseas_host: "ecs-user@8.217.19.253"
  overseas_path: "/opt/intlgrab"
  domestic_host: "pi@192.168.1.160"
  domestic_path: "/home/pi/intlnews"

# ── HTTP 代理（Privoxy → ss-local → Shadowsocks 海外访问）──
proxy:
  enabled: false                          # 通过 Profile 8g_headful 启用
  url: "http://127.0.0.1:3128"            # HTTP 代理地址
  bypass_domains: []                       # 不走代理的域名（如国内 CDN）

# ── 抓取 ────────────────────────────────────────────
crawler:
  max_memory_mb: 1800                      # 内存上限 MB（超限触发 GC）
  source_timeout_sec: 7200                 # 单源超时秒数（2h）
  article_delay_sec: 3.0                   # 文章间冷却间隔
  page_timeout_sec: 45                     # 单页加载超时
  http_timeout_sec: 30                     # 轻量 HTTP 抓全文单页超时（秒）
  http_min_html_len: 2000                  # 判定 HTTP 拿到正文的最小 HTML 长度
  viewport_width: 1024
  viewport_height: 768
  user_agent: "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/131.0.0.0 Safari/537.36"
  headful: false                           # true=有头浏览器（需 X Server 或 xvfb），false=headless
  xvfb_display: ":99"                      # headful 模式下的虚拟显示器（xvfb-run 自动设置）

# ── 正文提取 ──────────────────────────────────────────
extractor:
  min_content_words: 50
  trafilatura_fallback: true

# ── 去重 ────────────────────────────────────────────
dedup:
  hamming_distance_threshold: 3
  simhash_window_days: 30
  min_content_length: 100

# ── LLM 默认配置（所有 LLM 场景的兜底）────────────────
# 按场景独立配置见下方 llm_scenes 段；场景未声明的字段回退到本段。
llm:
  provider: "deepseek"
  deepseek_model: "deepseek-v4-flash"
  qwen_model: "qwen3.7-flash"
  timeout_sec: 60
  max_attempts: 3          # 单篇总尝试次数（含首次），失败后指数退避重试
  max_tokens: 8192
  temperature: 0.1
  concurrency: 3

# ── LLM 场景配置（按场景独立指定大模型类型与参数）──────
# 每个场景可覆盖 provider / model / temperature / max_tokens / max_attempts / timeout_sec；
# 场景内统一用 "model" 键指定模型（优先于 llm 段的 deepseek_model / qwen_model）。
llm_scenes:
  translation:
    # M4：全文英译中 + 投资事件抽取（单次 LLM 调用合并输出）
    #provider: "deepseek"
    provider: "dashscope"
    model: "qwen3.7-flash"
    temperature: 0.1
    max_tokens: 8192
    description: |
      用途: M4 对去重后的英文正文做全文英译中，并抽取投资事件
            （事件类型/美股代码/情绪/重要度/摘要，单次调用合并输出）
      使用方法: llm/pipeline.py 调用 load_llm_config(scene="translation")，
            配合 concurrency=3 逐篇并发；单篇失败重试 max_attempts 次后跳过，
            未翻译篇由增量机制下次补齐
      模型要求: 中英财经翻译准确、术语一致；严格按 Prompt 输出 JSON 结构；
            单篇平均 ≤3 秒；max_tokens 需容纳长文（建议 ≥8192）
  daily_report:
    # M7：每日 AI 摘要日报（五段式，高重要度事件分批生成）
    provider: "deepseek"
    model: "deepseek-v4-flash"
    temperature: 0.3
    max_tokens: 1500
    description: |
      用途: M7 日报 AI 摘要（五段式），高重要度事件分批（≤10 条/批）生成
            各批摘要后合并为完整日报摘要
      使用方法: scheduler/reporter.py::_call_llm_simple 使用
            load_llm_config(scene="daily_report")；分批/合并失败均有回退，
            全部失败走规则兜底（直接列 Top 事件），日报仍正常入库
      模型要求: 中文财经总结能力强；单批 600-1500 字摘要质量稳定；
            支持高频短调用（crontab 07/12/18 每天 3 次 × 每份 3 批）

# ── Embedding 向量化（单一场景，不按场景拆分）─────────
# 说明: Qdrant collection en_finance_news 的入库向量与检索查询向量必须由
# 同一模型生成（跨模型向量无法比较），因此 embedding 不支持按场景独立配置。
# 调用点: embedding/pipeline.py（入库）、vectorstore/pipeline.py（检索）、
# mcp_server/server.py（MCP 搜索查询向量化）——三处共用本配置。
embedding:
  provider: "dashscope"
  dashscope_model: "text-embedding-v3"
  dimension: 1024
  batch_size: 10
  max_attempts: 3          # 单批总尝试次数（含首次），失败后指数退避重试
  timeout_sec: 30

# ── Qdrant ──────────────────────────────────────────
qdrant:
  collection: "en_finance_news"

# ── 日报 ────────────────────────────────────────────
report:
  max_events: 20
  summary_max_chars: 500
  importance_threshold: 4
  upload_host: "simon@doorcome.cn"
  upload_path: "/var/www/html/echart/research"

# ── 同步 (rsync) ─────────────────────────────────────
# 海外服务器已弃用，以下保留作为参考
sync:
  port: 22
  sentinel: "/tmp/en_news_sync_done"
  pack_dir: "/tmp"

# ── 定时调度 ────────────────────────────────────────
# 全流程：M1 抓取 → M2→M6 管道 → 日报
# 每天 06:00 / 12:00 / 18:00 / 22:00 各执行一次
schedule:
  day_cutoff_hour: 6
  times: ["06:00", "12:00", "18:00", "22:00"]

# ── 日志 ────────────────────────────────────────────
logging:
  level: "INFO"
  dir: "logs"