template更新

src/config/api_ada_configs.py

@@ -54,11 +54,8 @@ class ModelInfo(ConfigBase):
     force_stream_mode: bool = field(default=False)
     """是否强制使用流式输出模式"""
 
-    has_thinking: bool = field(default=False)
+    extra_params: dict = field(default_factory=dict)
-    """是否有思考参数"""
+    """额外参数（用于API调用时的额外配置）"""
-
-    enable_thinking: bool = field(default=False)
-    """是否启用思考"""
 
 
 @dataclass

template/bot_config_template.toml

@@ -216,7 +216,6 @@ library_log_levels = { "aiohttp" = "WARNING"} # 设置特定库的日志级别
 [debug]
 show_prompt = false # 是否显示prompt
 
-
 [maim_message]
 auth_token = [] # 认证令牌，用于API验证，为空则不启用验证
 # 以下项目若要使用需要打开use_custom，并单独配置maim_message的服务器

template/lpmm_config_template.toml

@@ -1,60 +0,0 @@
-[lpmm]
-version = "0.1.0"
-
-# LLM API 服务提供商，可配置多个
-[[llm_providers]]
-name = "localhost"
-base_url = "http://127.0.0.1:8888/v1/"
-api_key = "lm_studio"
-
-[[llm_providers]]
-name = "siliconflow"
-base_url = "https://api.siliconflow.cn/v1/"
-api_key = ""
-
-[entity_extract.llm]
-# 设置用于实体提取的LLM模型
-provider = "siliconflow"                 # 服务提供商
-model = "deepseek-ai/DeepSeek-V3" # 模型名称
-
-[rdf_build.llm]
-# 设置用于RDF构建的LLM模型
-provider = "siliconflow"                 # 服务提供商
-model = "deepseek-ai/DeepSeek-V3" # 模型名称
-
-[embedding]
-# 设置用于文本嵌入的Embedding模型
-provider = "siliconflow"          # 服务提供商
-model = "Pro/BAAI/bge-m3" # 模型名称
-dimension = 1024                # 嵌入维度
-
-[rag.params]
-# RAG参数配置
-synonym_search_top_k = 10 # 同义词搜索TopK
-synonym_threshold = 0.8   # 同义词阈值（相似度高于此阈值的词语会被认为是同义词）
-
-[qa.llm]
-# 设置用于QA的LLM模型
-provider = "siliconflow"                 # 服务提供商
-model = "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B" # 模型名称
-
-[info_extraction] 
-workers = 3            # 实体提取同时执行线程数，非Pro模型不要设置超过5
-
-[qa.params]
-# QA参数配置
-relation_search_top_k = 10    # 关系搜索TopK
-relation_threshold = 0.5      # 关系阈值（相似度高于此阈值的关系会被认为是相关的关系）
-paragraph_search_top_k = 1000 # 段落搜索TopK（不能过小，可能影响搜索结果）
-paragraph_node_weight = 0.05  # 段落节点权重（在图搜索&PPR计算中的权重，当搜索仅使用DPR时，此参数不起作用）
-ent_filter_top_k = 10         # 实体过滤TopK
-ppr_damping = 0.8             # PPR阻尼系数
-res_top_k = 3                 # 最终提供的文段TopK
-
-[persistence]
-# 持久化配置（存储中间数据，防止重复计算）
-data_root_path = "data"                              # 数据根目录
-imported_data_path = "data/imported_lpmm_data"       # 转换为json的raw文件数据路径
-openie_data_path = "data/openie"                     # OpenIE数据路径
-embedding_data_dir = "data/embedding"                # 嵌入数据目录
-rag_data_dir = "data/rag"                            # RAG数据目录

template/model_config_template.toml

@@ -1,98 +1,43 @@
 [inner]
-version = "1.0.0"
+version = "1.1.0"
 
 # 配置文件版本号迭代规则同bot_config.toml
-# 
-# === 多API Key支持 ===
-# 本配置文件支持为每个API服务商配置多个API Key，实现以下功能：
-# 1. 错误自动切换：当某个API Key失败时，自动切换到下一个可用的Key
-# 2. 负载均衡：在多个可用的API Key之间循环使用，避免单个Key的频率限制
-# 3. 向后兼容：仍然支持单个key字段的配置方式
-# 
-# 配置方式：
-# - 多Key配置：使用 api_keys = ["key1", "key2", "key3"] 数组格式
-# - 单Key配置：使用 key = "your-key" 字符串格式（向后兼容）
-# 
-# 错误处理机制：
-# - 401/403认证错误：立即切换到下一个API Key
-# - 429频率限制：等待后重试，如果持续失败则切换Key
-# - 网络错误：短暂等待后重试，失败则切换Key
-# - 其他错误：按照正常重试机制处理
-# 
-# === 任务类型和模型能力配置 ===
-# 为了提高任务分配的准确性和可维护性，现在支持明确配置模型的任务类型和能力：
-# 
-# task_type（推荐配置）:
-# - 明确指定模型主要用于什么任务
-# - 可选值：llm_normal, llm_reasoning, vision, embedding, speech
-# - 如果不配置，系统会根据capabilities或模型名称自动推断（不推荐）
-# 
-# capabilities（推荐配置）:
-# - 描述模型支持的所有能力
-# - 可选值：text, vision, embedding, speech, tool_calling, reasoning
-# - 支持多个能力的组合，如：["text", "vision"]
-# 
-# 配置优先级：
-# 1. task_type（最高优先级，直接指定任务类型）
-# 2. capabilities（中等优先级，根据能力推断任务类型）
-# 3. 模型名称关键字（最低优先级，不推荐依赖）
-# 
-# 向后兼容：
-# - 仍然支持 model_flags 字段，但建议迁移到 capabilities
-# - 未配置新字段时会自动回退到基于模型名称的推断
-
-[request_conf] # 请求配置（此配置项数值均为默认值，如想修改，请取消对应条目的注释）
-max_retry = 2 # 最大重试次数（单个模型API调用失败，最多重试的次数）
-timeout = 10 # API调用的超时时长（超过这个时长，本次请求将被视为“请求超时”，单位：秒）
-retry_interval = 10 # 重试间隔（如果API调用失败，重试的间隔时间，单位：秒）
-default_temperature = 0.7 # 默认的温度（如果bot_config.toml中没有设置temperature参数，默认使用这个值）
-default_max_tokens = 1024 # 默认的最大输出token数（如果bot_config.toml中没有设置max_tokens参数，默认使用这个值）
-
 
 [[api_providers]] # API服务提供商（可以配置多个）
 name = "DeepSeek"                       # API服务商名称（可随意命名，在models的api-provider中需使用这个命名）
 base_url = "https://api.deepseek.cn/v1" # API服务商的BaseURL
-# 支持多个API Key，实现自动切换和负载均衡
+api_key = "your-api-key-here"           # API密钥（请替换为实际的API密钥）
-api_key = "sk-your-first-key-here"
 client_type = "openai"                  # 请求客户端（可选，默认值为"openai"，使用gimini等Google系模型时请配置为"gemini"）
+max_retry = 2                           # 最大重试次数（单个模型API调用失败，最多重试的次数）
+timeout = 30                            # API请求超时时间（单位：秒）
+retry_interval = 10                     # 重试间隔时间（单位：秒）
+
+[[api_providers]] # SiliconFlow的API服务商配置
+name = "SiliconFlow"
+base_url = "https://api.siliconflow.cn/v1"
+api_key = "your-siliconflow-api-key"
+client_type = "openai"
+max_retry = 2
+timeout = 30
+retry_interval = 10
 
 [[api_providers]] # 特殊：Google的Gimini使用特殊API，与OpenAI格式不兼容，需要配置client为"gemini"
 name = "Google"
 base_url = "https://api.google.com/v1"
 api_key = "your-google-api-key-1"
 client_type = "gemini"
+max_retry = 2
+timeout = 30
+retry_interval = 10
 
 
 [[models]] # 模型（可以配置多个）
-# 模型标识符（API服务商提供的模型标识符）
+model_identifier = "deepseek-chat" # 模型标识符（API服务商提供的模型标识符）
-model_identifier = "deepseek-chat"
+name = "deepseek-v3"               # 模型名称（可随意命名，在后面中需使用这个命名）
-# 模型名称（可随意命名，在bot_config.toml中需使用这个命名）
+api_provider = "DeepSeek"          # API服务商名称（对应在api_providers中配置的服务商名称）
-name = "deepseek-v3"
+price_in = 2.0                     # 输入价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0）
-# API服务商名称（对应在api_providers中配置的服务商名称）
+price_out = 8.0                    # 输出价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0）
-api_provider = "DeepSeek"
+#force_stream_mode = true          # 强制流式输出模式（若模型不支持非流式输出，请取消该注释，启用强制流式输出，若无该字段，默认值为false）
-# 任务类型（推荐配置，明确指定模型主要用于什么任务）
-# 可选值：llm_normal, llm_reasoning, vision, embedding, speech
-# 如果不配置，系统会根据capabilities或模型名称自动推断
-task_type = "llm_normal"
-# 模型能力列表（推荐配置，描述模型支持的能力）
-# 可选值：text, vision, embedding, speech, tool_calling, reasoning
-capabilities = ["text", "tool_calling"]
-# 输入价格（用于API调用统计，单位：元/兆token）（可选，若无该字段，默认值为0）
-price_in = 2.0
-# 输出价格（用于API调用统计，单位：元/兆token）（可选，若无该字段，默认值为0）
-price_out = 8.0
-# 强制流式输出模式（若模型不支持非流式输出，请取消该注释，启用强制流式输出）
-#（可选，若无该字段，默认值为false）
-#force_stream_mode = true
-
-[[models]]
-model_identifier = "deepseek-reasoner"
-name = "deepseek-r1"
-api_provider = "DeepSeek"
-price_in = 4.0
-price_out = 16.0
-has_thinking = true # 有无思考参数
-enable_thinking = true # 是否启用思考
 
 [[models]]
 model_identifier = "Pro/deepseek-ai/DeepSeek-V3"
@@ -154,82 +99,74 @@ price_out = 0
 model_identifier = "BAAI/bge-m3"
 name = "bge-m3"
 api_provider = "SiliconFlow"
-# 嵌入模型的配置示例
-task_type = "embedding"
-capabilities = ["text", "embedding"]
-# 保留向后兼容的model_flags字段（已废弃，建议使用capabilities）
-model_flags = [ "text", "embedding",]
 price_in = 0
 price_out = 0
 
 
 [model.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型
-model_list = ["siliconflow-deepseek-v3","qwen3-8b"]
+model_list = ["siliconflow-deepseek-v3"] # 使用的模型列表，每个子项对应上面的模型名称(name)
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800                         # 最大输出token数
 
 [model.utils_small] # 在麦麦的一些组件中使用的小模型，消耗量较大，建议使用速度较快的小模型
-model_name = "qwen3-8b"  # 对应 model_config.toml 中的模型名称
+model_list = ["qwen3-8b"]
 temperature = 0.7
 max_tokens = 800
 
 [model.replyer_1] # 首要回复模型，还用于表达器和表达方式学习
-model_name = "siliconflow-deepseek-v3"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2                        # 模型温度，新V3建议0.1-0.3
 max_tokens = 800
 
 [model.replyer_2] # 次要回复模型
-model_name = "siliconflow-deepseek-r1"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
-temperature = 0.7  # 模型温度
+temperature = 0.7
 max_tokens = 800
 
 [model.planner] #决策：负责决定麦麦该做什么的模型
-model_name = "siliconflow-deepseek-v3"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.3
 max_tokens = 800
 
 [model.emotion] #负责麦麦的情绪变化
-model_name = "siliconflow-deepseek-v3"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.3
 max_tokens = 800
 
 [model.memory] # 记忆模型
-model_name = "qwen3-30b"  # 对应 model_config.toml 中的模型名称
+model_list = ["qwen3-30b"]
 temperature = 0.7
 max_tokens = 800
-enable_thinking = false # 是否启用思考
 
 [model.vlm] # 图像识别模型
-model_name = "qwen2.5-vl-72b"  # 对应 model_config.toml 中的模型名称
+model_list = ["qwen2.5-vl-72b"]
 max_tokens = 800
 
 [model.voice] # 语音识别模型
-model_name = "sensevoice-small"  # 对应 model_config.toml 中的模型名称
+model_list = ["sensevoice-small"]
 
 [model.tool_use] #工具调用模型，需要使用支持工具调用的模型
-model_name = "qwen3-14b"  # 对应 model_config.toml 中的模型名称
+model_list = ["qwen3-14b"]
 temperature = 0.7
 max_tokens = 800
-enable_thinking = false # 是否启用思考（qwen3 only）
 
 #嵌入模型
 [model.embedding]
-model_name = "bge-m3"  # 对应 model_config.toml 中的模型名称
+model_list = ["bge-m3"]
 
 #------------LPMM知识库模型------------
 
 [model.lpmm_entity_extract] # 实体提取模型
-model_name = "siliconflow-deepseek-v3"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2
 max_tokens = 800
 
 [model.lpmm_rdf_build] # RDF构建模型
-model_name = "siliconflow-deepseek-v3"  # 对应 model_config.toml 中的模型名称
+model_list = ["siliconflow-deepseek-v3"]
 temperature = 0.2
 max_tokens = 800
 
 [model.lpmm_qa] # 问答模型
-model_name = "deepseek-r1-distill-qwen-32b"  # 对应 model_config.toml 中的模型名称
+model_list = ["deepseek-r1-distill-qwen-32b"]
 temperature = 0.7
 max_tokens = 800
-enable_thinking = false # 是否启用思考