87704702ad
- 在 ModelTaskConfig 中为私聊场景添加 `replyer_private` 字段 - 更新 KFC 回复器和统一模块以使用新的私聊配置 - 配置模板版本升级至 1.4.2，并更新 DeepSeek 模型名称 - 增强 KokoroFlowChatter 的执行日志
301 lines
11 KiB
TOML
301 lines
11 KiB
TOML
[inner]
|
||
version = "1.4.2"
|
||
|
||
# 配置文件版本号迭代规则同bot_config.toml
|
||
|
||
[[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.com/v1" # API服务商的BaseURL
|
||
api_key = ["your-api-key-here-1", "your-api-key-here-2"] # API密钥（支持单个密钥或密钥列表轮询）
|
||
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-here"
|
||
client_type = "openai"
|
||
max_retry = 2
|
||
timeout = 30
|
||
retry_interval = 10
|
||
|
||
[[api_providers]] # 特殊：Google的Gemini使用特殊API，与OpenAI格式不兼容，需要配置client为"aiohttp_gemini"
|
||
name = "Google"
|
||
base_url = "https://generativelanguage.googleapis.com/v1beta"
|
||
api_key = ["your-google-api-key-1", "your-google-api-key-2"]
|
||
client_type = "aiohttp_gemini" # 官方的gemini客户端现在已经死了
|
||
max_retry = 2
|
||
timeout = 30
|
||
retry_interval = 10
|
||
|
||
#[[api_providers]] # AWS Bedrock配置示例 - 方式1：IAM凭证模式（取消注释以启用）
|
||
#name = "AWS_Bedrock"
|
||
#base_url = "" # Bedrock不需要base_url，留空即可
|
||
#api_key = "YOUR_AWS_ACCESS_KEY_ID" # 你的AWS Access Key ID
|
||
#client_type = "bedrock" # 使用bedrock客户端
|
||
#max_retry = 2
|
||
#timeout = 60 # Bedrock推荐较长超时时间
|
||
#retry_interval = 10
|
||
#[api_providers.extra_params] # Bedrock需要的额外配置
|
||
#aws_secret_key = "YOUR_AWS_SECRET_ACCESS_KEY" # 你的AWS Secret Access Key
|
||
#region = "us-east-1" # AWS区域，可选：us-east-1, us-west-2, eu-central-1等
|
||
|
||
#[[api_providers]] # AWS Bedrock配置示例 - 方式2：IAM角色模式（推荐EC2/ECS部署）
|
||
#name = "AWS_Bedrock_Role"
|
||
#base_url = "" # Bedrock不需要base_url
|
||
#api_key = "dummy" # IAM角色模式不使用api_key，但字段必填，可填任意值
|
||
#client_type = "bedrock"
|
||
#max_retry = 2
|
||
#timeout = 60
|
||
#retry_interval = 10
|
||
#[api_providers.extra_params]
|
||
## 不配置aws_secret_key，将自动使用IAM角色/环境变量认证
|
||
#region = "us-east-1" # 只需配置区域
|
||
|
||
|
||
[[models]] # 模型（可以配置多个）
|
||
model_identifier = "deepseek-chat" # 模型标识符（API服务商提供的模型标识符）
|
||
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（对应在api_providers中配置的服务商名称）
|
||
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）
|
||
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）
|
||
#force_stream_mode = false # [可选] 强制流式输出模式。如果模型不支持非流式输出，请取消注释以启用。默认为 false。
|
||
#anti_truncation = false # [可选] 启用反截断功能。当模型输出不完整时，系统会自动重试。建议只为需要的模型（如Gemini）开启。默认为 false。
|
||
#enable_prompt_perturbation = false # [可选] 启用提示词扰动。此功能整合了内容混淆和注意力优化，默认为 false。
|
||
#perturbation_strength = "light" # [可选] 扰动强度。仅在 enable_prompt_perturbation 为 true 时生效。可选值为 "light", "medium", "heavy"。默认为 "light"。
|
||
#enable_semantic_variants = false # [可选] 启用语义变体。作为一种扰动策略，生成语义上相似但表达不同的提示。默认为 false。
|
||
|
||
[[models]]
|
||
model_identifier = "deepseek-ai/DeepSeek-V3."
|
||
name = "siliconflow-deepseek-ai/DeepSeek-V3.2"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 2.0
|
||
price_out = 8.0
|
||
|
||
[[models]]
|
||
model_identifier = "deepseek-ai/DeepSeek-R1-Distill-Qwen-32B"
|
||
name = "deepseek-r1-distill-qwen-32b"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 4.0
|
||
price_out = 16.0
|
||
|
||
[[models]]
|
||
model_identifier = "Qwen/Qwen3-8B"
|
||
name = "qwen3-8b"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 0
|
||
price_out = 0
|
||
[models.extra_params] # 可选的额外参数配置
|
||
enable_thinking = false # 不启用思考
|
||
|
||
[[models]]
|
||
model_identifier = "Qwen/Qwen3-14B"
|
||
name = "qwen3-14b"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 0.5
|
||
price_out = 2.0
|
||
[models.extra_params] # 可选的额外参数配置
|
||
enable_thinking = false # 不启用思考
|
||
|
||
[[models]]
|
||
model_identifier = "Qwen/Qwen3-30B-A3B"
|
||
name = "qwen3-30b"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 0.7
|
||
price_out = 2.8
|
||
[models.extra_params] # 可选的额外参数配置
|
||
enable_thinking = false # 不启用思考
|
||
|
||
[[models]]
|
||
model_identifier = "Qwen/Qwen2.5-VL-72B-Instruct"
|
||
name = "qwen2.5-vl-72b"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 4.13
|
||
price_out = 4.13
|
||
|
||
[[models]]
|
||
model_identifier = "FunAudioLLM/SenseVoiceSmall"
|
||
name = "sensevoice-small"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 0
|
||
price_out = 0
|
||
|
||
[[models]]
|
||
model_identifier = "BAAI/bge-m3"
|
||
name = "bge-m3"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 0
|
||
price_out = 0
|
||
|
||
[[models]]
|
||
model_identifier = "moonshotai/Kimi-K2-Instruct"
|
||
name = "moonshotai-Kimi-K2-Instruct"
|
||
api_provider = "SiliconFlow"
|
||
price_in = 4.0
|
||
price_out = 16.0
|
||
|
||
[[models]] # Gemini 模型配置示例
|
||
model_identifier = "gemini-2.5-pro" # 或使用 "gemini-2.5-pro", "gemini-3-pro-preview" 等
|
||
name = "gemini-2.5-pro"
|
||
api_provider = "Google"
|
||
price_in = 0.0
|
||
price_out = 0.0
|
||
[models.extra_params]
|
||
# 思考配置（二选一，不能同时使用，否则会返回 400 错误）：
|
||
#thinking_level = "medium" # Gemini3新版参数，可选值: "low", "medium", "high"
|
||
thinking_budget = 256 # Gemini2.5系列旧版参数，不同模型范围不同（如 gemini-2.5-flash: 1-24576, gemini-2.5-pro: 128-32768）
|
||
|
||
#[[models]] # AWS Bedrock - Claude 3.5 Sonnet配置示例（取消注释以启用）
|
||
#model_identifier = "us.anthropic.claude-3-5-sonnet-20240620-v1:0" # 跨区推理配置文件
|
||
#name = "claude-3.5-sonnet-bedrock"
|
||
#api_provider = "AWS_Bedrock"
|
||
#price_in = 3.0 # 每百万输入token价格（USD）
|
||
#price_out = 15.0 # 每百万输出token价格（USD）
|
||
#force_stream_mode = false
|
||
|
||
#[[models]] # AWS Bedrock - Amazon Nova Pro配置示例
|
||
#model_identifier = "us.amazon.nova-pro-v1:0"
|
||
#name = "nova-pro"
|
||
#api_provider = "AWS_Bedrock"
|
||
#price_in = 0.8
|
||
#price_out = 3.2
|
||
|
||
#[[models]] # AWS Bedrock - Titan Embeddings嵌入模型示例
|
||
#model_identifier = "amazon.titan-embed-text-v2:0"
|
||
#name = "titan-embed-v2"
|
||
#api_provider = "AWS_Bedrock"
|
||
#price_in = 0.00002 # 每千token
|
||
#price_out = 0.0
|
||
|
||
[model_task_config.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-ai/DeepSeek-V3.2"] # 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
|
||
#concurrency_count = 2 # 并发请求数量，默认为1（不并发），设置为2或更高启用并发
|
||
|
||
[model_task_config.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_list = ["qwen3-8b"]
|
||
temperature = 0.7
|
||
max_tokens = 800
|
||
|
||
[model_task_config.replyer] # 首要回复模型（群聊使用），还用于表达器和表达方式学习
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.2 # 模型温度，新V3建议0.1-0.3
|
||
max_tokens = 800
|
||
|
||
[model_task_config.replyer_private] # 私聊回复模型（KFC私聊专用）
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"] # 可以配置不同的模型用于私聊
|
||
temperature = 0.2 # 模型温度，新V3建议0.1-0.3
|
||
max_tokens = 800
|
||
|
||
[model_task_config.planner] #决策：负责决定麦麦该做什么的模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.3
|
||
max_tokens = 800
|
||
|
||
|
||
[model_task_config.emotion] #负责麦麦的情绪变化
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.3
|
||
max_tokens = 800
|
||
|
||
[model_task_config.mood] #负责麦麦的心情变化
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.3
|
||
max_tokens = 800
|
||
|
||
[model_task_config.maizone] # maizone模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.7
|
||
max_tokens = 800
|
||
|
||
[model_task_config.vlm] # 图像识别模型
|
||
model_list = ["qwen2.5-vl-72b"]
|
||
max_tokens = 800
|
||
|
||
[model_task_config.emoji_vlm] # 专用表情包识别模型
|
||
model_list = ["qwen2.5-vl-72b"]
|
||
max_tokens = 800
|
||
|
||
|
||
[model_task_config.utils_video] # 专用视频分析模型
|
||
model_list = ["qwen2.5-vl-72b"]
|
||
temperature = 0.3
|
||
max_tokens = 1500
|
||
|
||
[model_task_config.voice] # 语音识别模型
|
||
model_list = ["sensevoice-small"]
|
||
|
||
[model_task_config.tool_use] #工具调用模型，需要使用支持工具调用的模型
|
||
model_list = ["qwen3-14b"]
|
||
temperature = 0.7
|
||
max_tokens = 800
|
||
|
||
[model_task_config.schedule_generator]#日程表生成模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.7
|
||
max_tokens = 1000
|
||
|
||
[model_task_config.anti_injection] # 反注入检测专用模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"] # 使用快速的小模型进行检测
|
||
temperature = 0.1 # 低温度确保检测结果稳定
|
||
max_tokens = 200 # 检测结果不需要太长的输出
|
||
|
||
[model_task_config.monthly_plan_generator] # 月层计划生成模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.7
|
||
max_tokens = 1000
|
||
|
||
[model_task_config.relationship_tracker] # 用户关系追踪模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.7
|
||
max_tokens = 1000
|
||
|
||
#嵌入模型
|
||
[model_task_config.embedding]
|
||
model_list = ["bge-m3"]
|
||
embedding_dimension = 1024
|
||
|
||
|
||
|
||
#------------LPMM知识库模型------------
|
||
|
||
[model_task_config.lpmm_entity_extract] # 实体提取模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.2
|
||
max_tokens = 800
|
||
|
||
[model_task_config.lpmm_rdf_build] # RDF构建模型
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.2
|
||
max_tokens = 800
|
||
|
||
[model_task_config.lpmm_qa] # 问答模型
|
||
model_list = ["deepseek-r1-distill-qwen-32b"]
|
||
temperature = 0.7
|
||
max_tokens = 800
|
||
|
||
#------------记忆系统专用模型------------
|
||
|
||
[model_task_config.memory_short_term_builder] # 短期记忆构建模型（感知→短期格式化）
|
||
model_list = ["siliconflow-Qwen/Qwen3-Next-80B-A3B-Instruct"]
|
||
temperature = 0.2
|
||
max_tokens = 800
|
||
|
||
[model_task_config.memory_short_term_decider] # 短期记忆决策模型（决定合并/更新/新建/丢弃）
|
||
model_list = ["siliconflow-Qwen/Qwen3-Next-80B-A3B-Instruct"]
|
||
temperature = 0.2
|
||
max_tokens = 1000
|
||
|
||
[model_task_config.memory_long_term_builder] # 长期记忆构建模型（短期→长期图结构）
|
||
model_list = ["siliconflow-deepseek-ai/DeepSeek-V3.2"]
|
||
temperature = 0.2
|
||
max_tokens = 1500
|
||
|
||
[model_task_config.memory_judge] # 记忆检索裁判模型（判断检索是否充足）
|
||
model_list = ["qwen3-14b"]
|
||
temperature = 0.1
|
||
max_tokens = 600
|