# ============================================================================
# xwlb 非敏感配置
# ============================================================================
# 敏感配置（密钥、数据库口令）保留在 .env：
#     MYSQL_PASSWORD / DASHSCOPE_API_KEY / DEEPSEEK_API_KEY
#
# 修改本文件后无需改代码；可用 XWLB_CONFIG_FILE 指定其他配置文件。
# 优先级：进程环境变量 > config.yml > 代码内置默认值
#   （即为临时试验，可用 `DASHSCOPE_LLM_MODEL=qwen-max python audioRead.py ...` 覆盖）
# ============================================================================

# ---- 数据库（口令在 .env 的 MYSQL_PASSWORD）----
mysql:
  # 隧道自愈：端口不通时自动执行下面的脚本（逻辑见 tunnel.py，所有入口都生效）
  tunnel:
    enabled: 1
    script: autossh.sh                    # 相对项目根
    systemd_unit: xwlb-tunnel.service     # 该单元 active 时只等待它自动重连，不抢端口
    wait_seconds: 30                      # 执行后最多等多久
    connect_timeout: 2                    # 单次 TCP 探测超时
  host: localhost
  port: 13306          # 经 autossh.sh 隧道时的本地端口（隧道: 13306 -> 远端 3306）
  user: myquant
  database: myquant

# ---- 目录（相对项目根，也可写绝对路径）----
paths:
  video_dir: xwlb_video          # mp4 / mp3 中间产物
  audio_dir: audio_processing    # wav 分片

# ---- 各环节实际使用的模型（集中在此管理）----
models:
  asr_model: paraformer-realtime-v2   # 语音识别
  correct_model: qwen3.8-flash        # ASR 文本校对
  split_model: deepseek-flash        # 新闻切分 + 标题（API 实测：deepseek-flash / deepseek-v4-pro）

# ============================================================================
# 接入点（base url）：换供应商 / 换区域 / 走公司网关或代理，只改这一段
# ============================================================================
# 每个接入点声明三件事：
#   kind         协议类型：dashscope=用 dashscope SDK；openai=OpenAI 兼容的 /chat/completions
#   *base_url*   服务地址
#   api_key_env  该供应商的密钥放在 .env 里的**变量名**（密钥本身不进本文件）
endpoints:
  dashscope:
    kind: dashscope
    # 文本生成（校对）走 HTTP
    http_base_url: https://dashscope.aliyuncs.com/api/v1
    # 实时语音识别走 WebSocket
    websocket_base_url: wss://dashscope.aliyuncs.com/api-ws/v1/inference
    api_key_env: DASHSCOPE_API_KEY
    # 国际站示例：把上面两行换成
    #   http_base_url: https://dashscope-intl.aliyuncs.com/api/v1
    #   websocket_base_url: wss://dashscope-intl.aliyuncs.com/api-ws/v1/inference
  deepseek:
    kind: openai
    base_url: https://api.deepseek.com/v1
    chat_completions_path: /chat/completions
    api_key_env: DEEPSEEK_API_KEY
    # 注意：**切分环节不要关思维链**。同一天（2026-09-23）实测对比：
    #   思考开启 27 条 / 正文覆盖率 99.67% / 19k token
    #   思考关闭 20 条 / 正文覆盖率 95.34% / 4.7k token
    # 关掉省 4 倍 token 但会丢 4.7% 正文、少切 7 条新闻，得不偿失。
    # 若确实要关（DeepSeek 用 thinking 字段，写 enable_thinking 会被静默忽略），在此加：
    # extra_body:
    #   thinking: {type: disabled}
  qwen:
    kind: openai
    base_url: https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
    chat_completions_path: /chat/completions
    api_key_env: QWEN_TOKEN_PLAN
    # 校对关思维链：通义/百炼兼容模式用 enable_thinking（实测 4045 → 312 token，约 13 倍，
    # 输出仅差一个"的"字、数值无漂移）。校对是机械任务，想不出什么，纯属浪费。
    extra_body:
      enable_thinking: false

# 每个环节走哪个接入点（值是 endpoints 下的名字）
routes:
  asr: dashscope        # 语音识别：仅支持 kind=dashscope（paraformer 实时识别协议）
  correct: qwen         # 文本校对
  split: deepseek       # 新闻切分

# ---- 换供应商示例：把「校对」换成 OpenAI 兼容的第三方，只需三步 ----
# 1) 上面的 routes.correct 改成 moonshot
# 2) 在 endpoints 下加一段：
#    moonshot:
#      kind: openai
#      base_url: https://api.moonshot.cn/v1
#      chat_completions_path: /chat/completions
#      api_key_env: MOONSHOT_API_KEY
# 3) models.correct_model 改成对方的模型名（如 kimi-k2-0905-preview）
#    并在 .env 里加 MOONSHOT_API_KEY=...
# 说明：换供应商不影响数值事实守卫（对任何供应商的校对结果都会校验）。
#
# 若某供应商的 OpenAI 兼容地址不带版本号（如 https://my-gateway/llm），
# 直接写进 base_url 即可，代码只做 base_url + chat_completions_path 拼接。

# ---- 语音识别 ----
asr:
  sample_rate: 16000
  language_hints: [zh, en]

# ---- 音频切分（静音检测 + 合并）----
audio_split:
  min_silence_ms: 700      # 超过该静音长度即切分
  silence_thresh_db: -40   # 静音阈值(dBFS)
  keep_silence_ms: 400     # 切分处保留的静音
  max_chunk_ms: 180000     # 单片最长 3 分钟

# ---- LLM 文本校对 ----
llm_correct:
  enabled: 1               # 1=开启校对（默认）；0=关闭，直接以 ASR 原文作为 news_improve
  max_retries: 2           # 失败重试次数（失败后回退原文，不丢分片）
  timeout: 120             # 单次调用超时（秒）
  max_tokens: 8000
  temperature: 0.1
  top_p: 0.5
  # 思维链开关在接入点（endpoints.*.extra_body）上配置，因为参数名因供应商而异；
  # 如需只针对本环节覆盖，可在此加 extra_body: { ... }
  # 开启时仍受「数值事实守卫」保护：若校对改动了数字/年份/届次/规划期等，
  # 该分片一律回退 ASR 原文（详见 docs/BUGS.md B2 补充说明）

# ---- DeepSeek 新闻切分 ----
llm_split:
  max_tokens: 60000        # 首次尝试；推理模型 reasoning 可能占 2 万+，上限要给足（按实际产出计费）
  retry_max_tokens: 80000  # 解析失败后强化提示词重试时的上限
  temperature: 0.5
  timeout: 180             # 单次 HTTP 超时（秒）；输出 2 万 token 级别需要更久
  max_retries: 3           # 网络/5xx 重试次数（429、5xx 退避重试）

# ---- 任务完成后清理中间产物 ----
cleanup:
  after_daily_run: 1         # 1=当天全程任务结束后自动清理；0=不清理
  only_on_success: 1         # 1=仅当当天全部成功才清理（失败时保留文件便于重跑）
  remove_video: 1            # 删除 paths.video_dir 下所有 mp3 / mp4
  remove_audio: 1            # 删除 paths.audio_dir 下所有 wav