@@ -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， ：
# 1. 错误自动切换： ，
# 2. 负载均衡： ，
# 3. 向后兼容：
#
# 配置方式：
# - 多Key配置：
# - 单Key配置：
#
# 错误处理机制：
# - 401/403认证错误：
# - 429频率限制： ，
# - 网络错误： ，
# - 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（ ）
# - 明确指定模型主要用于什么任务
# - 可选值：
# - 如果不配置， （ ）
#
# capabilities（ ）
# - 描述模型支持的所有能力
# - 可选值：
# - 支持多个能力的组合，如：["text", "vision"]
#
# 配置优先级：
# 1. task_type（ ， ）
# 2. capabilities（ ， ）
# 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（ ， ）
timeout = 10 # API调用的超时时长（ ， ， ： ）
retry_interval = 10 # 重试间隔（ ， ， ： ）
default_temperature = 0.7 # 默认的温度（ ， ）
default_max_tokens = 1024 # 默认的最大输出token数（ ， ）
[ [ api_providers ] ] # API服务提供商（ ）
name = "DeepSeek" # API服务商名称（ ， ）
base_url = "https://api.deepseek.cn/v1" # API服务商的BaseURL
# 支持多个API Key，
api_key = "sk-your-first-key-here"
api_key = "your-api-key-here" # API密钥（ ）
client_type = "openai" # 请求客户端（可选，默认值为"openai"， ）
max_retry = 2 # 最大重试次数（ ， ）
timeout = 30 # API请求超时时间（ ： ）
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： ， ，
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（ ）
model_identifier = "deepseek-chat"
# 模型名称（ ， ）
name = "deepseek-v3"
# API服务商名称（ ）
api_provider = "DeepSeek"
# 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：
# 如果不配置，
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：
capabilities = [ "text" , "tool_calling" ]
# 输入价格（ ， ： ） （ ， ， ）
price_in = 2.0
# 输出价格（ ， ： ） （ ， ， ）
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）
#（ ， ， ）
#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
model_identifier = "deepseek-chat" # 模型标识符（ ）
name = "deepseek-v3" # 模型名称（可随意命名，在后面中需使用这个命名）
api_provider = "DeepSeek" # API服务商名称（ ）
price_in = 2.0 # 输入价格（ ， ： ） （ ， ， ）
price_out = 8.0 # 输出价格（ ， ： ） （ ， ， ）
#force_stream_mode = true # 强制流式输出模式（ ， ， ， ， ）
[ [ 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（ ， ）
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，
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，
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
temperature = 0.7 # 模型温度
model_list = [ "siliconflow-deepseek-v3" ]
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（ ）
#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
UnCLAS-Prommer