366 lines
17 KiB
TOML
366 lines
17 KiB
TOML
[inner]
|
||
version = "4.4.4"
|
||
|
||
#----以下是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读----
|
||
#如果你想要修改配置文件，请在修改后将version的值进行变更
|
||
#如果新增项目，请阅读src/config/official_configs.py中的说明
|
||
#
|
||
# 版本格式：主版本号.次版本号.修订号，版本号递增规则如下：
|
||
# 主版本号：当你做了不兼容的 API 修改，
|
||
# 次版本号：当你做了向下兼容的功能性新增，
|
||
# 修订号：当你做了向下兼容的问题修正。
|
||
# 先行版本号及版本编译信息可以加到"主版本号.次版本号.修订号"的后面，作为延伸。
|
||
#----以上是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读----
|
||
|
||
[bot]
|
||
qq_account = 1145141919810 # 麦麦的QQ账号
|
||
nickname = "麦麦" # 麦麦的昵称
|
||
alias_names = ["麦叠", "牢麦"] # 麦麦的别名
|
||
|
||
[personality]
|
||
# 建议50字以内，描述人格的核心特质
|
||
personality_core = "是一个积极向上的女大学生"
|
||
# 人格的细节，描述人格的一些侧面
|
||
personality_side = "用一句话或几句话描述人格的侧面特质"
|
||
#アイデンティティがない 生まれないらららら
|
||
# 可以描述外貌，性别，身高，职业，属性等等描述
|
||
identity = "年龄为19岁,是女孩子,身高为160cm,有黑色的短发"
|
||
|
||
compress_personality = false # 是否压缩人格，压缩后会精简人格信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果人设不长，可以关闭
|
||
compress_identity = true # 是否压缩身份，压缩后会精简身份信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果不长，可以关闭
|
||
|
||
[expression]
|
||
# 表达方式
|
||
enable_expression = true # 是否启用表达方式
|
||
# 描述麦麦说话的表达风格，表达习惯，例如：(请回复的平淡一些，简短一些，说中文，不要刻意突出自身学科背景。)
|
||
expression_style = "请回复的平淡些，简短一些，说中文，可以参考贴吧，知乎和微博的回复风格，回复不要浮夸，不要用夸张修辞,不要刻意突出自身学科背景。"
|
||
enable_expression_learning = false # 是否启用表达学习，麦麦会学习不同群里人类说话风格（群之间不互通）
|
||
learning_interval = 350 # 学习间隔 单位秒
|
||
|
||
expression_groups = [
|
||
["qq:1919810:private","qq:114514:private","qq:1111111:group"], # 在这里设置互通组，相同组的chat_id会共享学习到的表达方式
|
||
# 格式：["qq:123456:private","qq:654321:group"]
|
||
# 注意：如果为群聊，则需要设置为group，如果设置为私聊，则需要设置为private
|
||
]
|
||
|
||
|
||
[relationship]
|
||
enable_relationship = true # 是否启用关系系统
|
||
relation_frequency = 1 # 关系频率，麦麦构建关系的频率
|
||
|
||
|
||
[chat] #麦麦的聊天通用设置
|
||
focus_value = 1
|
||
# 麦麦的专注思考能力，越低越容易专注，消耗token也越多
|
||
# 专注时能更好把握发言时机，能够进行持久的连续对话
|
||
|
||
max_context_size = 25 # 上下文长度
|
||
thinking_timeout = 20 # 麦麦一次回复最长思考规划时间，超过这个时间的思考会放弃（往往是api反应太慢）
|
||
replyer_random_probability = 0.5 # 首要replyer模型被选择的概率
|
||
|
||
use_s4u_prompt_mode = false # 是否使用 s4u 对话构建模式，该模式会更好的把握当前对话对象的对话内容，但是对群聊整理理解能力较差（测试功能！！可能有未知问题！！)
|
||
|
||
|
||
talk_frequency = 1 # 麦麦回复频率，越高，麦麦回复越频繁
|
||
|
||
time_based_talk_frequency = ["8:00,1", "12:00,1.5", "18:00,2", "01:00,0.5"]
|
||
# 基于时段的回复频率配置（可选）
|
||
# 格式：time_based_talk_frequency = ["HH:MM,frequency", ...]
|
||
# 示例：
|
||
# time_based_talk_frequency = ["8:00,1", "12:00,2", "18:00,1.5", "00:00,0.5"]
|
||
# 说明：表示从该时间开始使用该频率，直到下一个时间点
|
||
# 注意：如果没有配置，则使用上面的默认 talk_frequency 值
|
||
|
||
talk_frequency_adjust = [
|
||
["qq:114514:group", "12:20,1", "16:10,2", "20:10,1", "00:10,0.3"],
|
||
["qq:1919810:private", "8:20,1", "12:10,2", "20:10,1.5", "00:10,0.2"]
|
||
]
|
||
# 基于聊天流的个性化时段频率配置（可选）
|
||
# 格式：talk_frequency_adjust = [["platform:id:type", "HH:MM,frequency", ...], ...]
|
||
# 说明：
|
||
# - 第一个元素是聊天流标识符，格式为 "platform:id:type"
|
||
# - platform: 平台名称（如 qq）
|
||
# - id: 群号或用户QQ号
|
||
# - type: group表示群聊，private表示私聊
|
||
# - 后续元素是"时间,频率"格式，表示从该时间开始使用该频率，直到下一个时间点
|
||
# - 优先级：聊天流特定配置 > 全局时段配置 > 默认 talk_frequency
|
||
# - 时间支持跨天，例如 "00:10,0.3" 表示从凌晨0:10开始使用频率0.3
|
||
# - 系统会自动将 "platform:id:type" 转换为内部的哈希chat_id进行匹配
|
||
|
||
enable_asr = false # 是否启用语音识别，启用后麦麦可以通过语音输入进行对话，启用该功能需要配置语音识别模型[model.voice]
|
||
|
||
[message_receive]
|
||
# 以下是消息过滤，可以根据规则过滤特定消息，将不会读取这些消息
|
||
ban_words = [
|
||
# "403","张三"
|
||
]
|
||
|
||
ban_msgs_regex = [
|
||
# 需要过滤的消息（原始消息）匹配的正则表达式，匹配到的消息将被过滤，若不了解正则表达式请勿修改
|
||
#"https?://[^\\s]+", # 匹配https链接
|
||
#"\\d{4}-\\d{2}-\\d{2}", # 匹配日期
|
||
]
|
||
|
||
[normal_chat] #普通聊天
|
||
#一般回复参数
|
||
willing_mode = "classical" # 回复意愿模式 —— 经典模式：classical，mxp模式：mxp，自定义模式：custom（需要你自己实现）
|
||
response_interested_rate_amplifier = 1 # 麦麦回复兴趣度放大系数
|
||
mentioned_bot_inevitable_reply = true # 提及 bot 必然回复
|
||
at_bot_inevitable_reply = true # @bot 必然回复（包含提及）
|
||
|
||
[tool]
|
||
enable_in_normal_chat = false # 是否在普通聊天中启用工具
|
||
enable_in_focus_chat = true # 是否在专注聊天中启用工具
|
||
|
||
[emoji]
|
||
emoji_chance = 0.6 # 麦麦激活表情包动作的概率
|
||
emoji_activate_type = "random" # 表情包激活类型，可选：random，llm ; random下，表情包动作随机启用，llm下，表情包动作根据llm判断是否启用
|
||
|
||
max_reg_num = 60 # 表情包最大注册数量
|
||
do_replace = true # 开启则在达到最大数量时删除（替换）表情包，关闭则达到最大数量时不会继续收集表情包
|
||
check_interval = 10 # 检查表情包（注册，破损，删除）的时间间隔(分钟)
|
||
steal_emoji = true # 是否偷取表情包，让麦麦可以将一些表情包据为己有
|
||
content_filtration = false # 是否启用表情包过滤，只有符合该要求的表情包才会被保存
|
||
filtration_prompt = "符合公序良俗" # 表情包过滤要求，只有符合该要求的表情包才会被保存
|
||
|
||
[memory]
|
||
enable_memory = true # 是否启用记忆系统
|
||
memory_build_interval = 600 # 记忆构建间隔 单位秒 间隔越低，麦麦学习越多，但是冗余信息也会增多
|
||
memory_build_distribution = [6.0, 3.0, 0.6, 32.0, 12.0, 0.4] # 记忆构建分布，参数：分布1均值，标准差，权重，分布2均值，标准差，权重
|
||
memory_build_sample_num = 8 # 采样数量，数值越高记忆采样次数越多
|
||
memory_build_sample_length = 30 # 采样长度，数值越高一段记忆内容越丰富
|
||
memory_compress_rate = 0.1 # 记忆压缩率 控制记忆精简程度 建议保持默认,调高可以获得更多信息，但是冗余信息也会增多
|
||
|
||
forget_memory_interval = 3000 # 记忆遗忘间隔 单位秒 间隔越低，麦麦遗忘越频繁，记忆更精简，但更难学习
|
||
memory_forget_time = 48 #多长时间后的记忆会被遗忘 单位小时
|
||
memory_forget_percentage = 0.008 # 记忆遗忘比例 控制记忆遗忘程度 越大遗忘越多 建议保持默认
|
||
|
||
consolidate_memory_interval = 1000 # 记忆整合间隔 单位秒 间隔越低，麦麦整合越频繁，记忆更精简
|
||
consolidation_similarity_threshold = 0.7 # 相似度阈值
|
||
consolidation_check_percentage = 0.05 # 检查节点比例
|
||
|
||
enable_instant_memory = false # 是否启用即时记忆，测试功能，可能存在未知问题
|
||
|
||
#不希望记忆的词，已经记忆的不会受到影响，需要手动清理
|
||
memory_ban_words = [ "表情包", "图片", "回复", "聊天记录" ]
|
||
|
||
[mood]
|
||
enable_mood = true # 是否启用情绪系统
|
||
mood_update_interval = 1.0 # 情绪更新间隔 单位秒
|
||
mood_decay_rate = 0.95 # 情绪衰减率
|
||
mood_intensity_factor = 1.0 # 情绪强度因子
|
||
|
||
[lpmm_knowledge] # lpmm知识库配置
|
||
enable = true # 是否启用lpmm知识库
|
||
rag_synonym_search_top_k = 10 # 同义词搜索TopK
|
||
rag_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）
|
||
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_relation_search_top_k = 10 # 关系搜索TopK
|
||
qa_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）
|
||
qa_paragraph_search_top_k = 1000 # 段落搜索TopK（不能过小，可能影响搜索结果）
|
||
qa_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）
|
||
qa_ent_filter_top_k = 10 # 实体过滤TopK
|
||
qa_ppr_damping = 0.8 # PPR阻尼系数
|
||
qa_res_top_k = 3 # 最终提供的文段TopK
|
||
embedding_dimension = 1024 # 嵌入向量维度,应该与模型的输出维度一致
|
||
|
||
# keyword_rules 用于设置关键词触发的额外回复知识
|
||
# 添加新规则方法：在 keyword_rules 数组中增加一项，格式如下：
|
||
# { keywords = ["关键词1", "关键词2"], reaction = "触发这些关键词时的回复内容" }
|
||
# 例如，添加一个新规则：当检测到“你好”或“hello”时回复“你好，有什么可以帮你？”
|
||
# { keywords = ["你好", "hello"], reaction = "你好，有什么可以帮你？" }
|
||
[keyword_reaction]
|
||
keyword_rules = [
|
||
{ keywords = ["人机", "bot", "机器", "入机", "robot", "机器人", "ai", "AI"], reaction = "有人说你是人机或者机器人，否定这一事实，攻击或反问他。注意，只有认为你是机器人才回复，否则不要否认" },
|
||
{ keywords = ["测试关键词回复", "test"], reaction = "回答测试成功" },
|
||
#{ keywords = ["你好", "hello"], reaction = "你好，有什么可以帮你？" }
|
||
# 在此处添加更多规则，格式同上
|
||
]
|
||
|
||
regex_rules = [
|
||
{ regex = ["^(?P<n>\\S{1,20})是这样的$"], reaction = "请按照以下模板造句：[n]是这样的，xx只要xx就可以，可是[n]要考虑的事情就很多了，比如什么时候xx，什么时候xx，什么时候xx。（请自由发挥替换xx部分，只需保持句式结构，同时表达一种将[n]过度重视的反讽意味）" }
|
||
]
|
||
|
||
# 可以自定义部分提示词
|
||
[custom_prompt]
|
||
image_prompt = "请用中文描述这张图片的内容。如果有文字，请把文字描述概括出来，请留意其主题，直观感受，输出为一段平文本，最多30字，请注意不要分点，就输出一段文本"
|
||
|
||
|
||
|
||
[response_post_process]
|
||
enable_response_post_process = true # 是否启用回复后处理，包括错别字生成器，回复分割器
|
||
|
||
[chinese_typo]
|
||
enable = true # 是否启用中文错别字生成器
|
||
error_rate=0.01 # 单字替换概率
|
||
min_freq=9 # 最小字频阈值
|
||
tone_error_rate=0.1 # 声调错误概率
|
||
word_replace_rate=0.006 # 整词替换概率
|
||
|
||
[response_splitter]
|
||
enable = true # 是否启用回复分割器
|
||
max_length = 512 # 回复允许的最大长度
|
||
max_sentence_num = 8 # 回复允许的最大句子数
|
||
enable_kaomoji_protection = false # 是否启用颜文字保护
|
||
|
||
[log]
|
||
date_style = "Y-m-d H:i:s" # 日期格式
|
||
log_level_style = "lite" # 日志级别样式,可选FULL，compact，lite
|
||
color_text = "full" # 日志文本颜色，可选none，title，full
|
||
log_level = "INFO" # 全局日志级别（向下兼容，优先级低于下面的分别设置）
|
||
console_log_level = "INFO" # 控制台日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL
|
||
file_log_level = "DEBUG" # 文件日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL
|
||
|
||
# 第三方库日志控制
|
||
suppress_libraries = ["faiss","httpx", "urllib3", "asyncio", "websockets", "httpcore", "requests", "peewee", "openai","uvicorn","jieba"] # 完全屏蔽的库
|
||
library_log_levels = { "aiohttp" = "WARNING"} # 设置特定库的日志级别
|
||
|
||
#下面的模型若使用硅基流动则不需要更改，使用ds官方则改成.env自定义的宏，使用自定义模型则选择定位相似的模型自己填写
|
||
|
||
# stream = <true|false> : 用于指定模型是否是使用流式输出
|
||
# pri_in = <float> : 用于指定模型输入价格
|
||
# pri_out = <float> : 用于指定模型输出价格
|
||
# temp = <float> : 用于指定模型温度
|
||
# enable_thinking = <true|false> : 用于指定模型是否启用思考
|
||
# thinking_budget = <int> : 用于指定模型思考最长长度
|
||
|
||
[debug]
|
||
show_prompt = false # 是否显示prompt
|
||
|
||
|
||
[model]
|
||
model_max_output_length = 1000 # 模型单次返回的最大token数
|
||
|
||
#------------必填：组件模型------------
|
||
|
||
[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
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2 #模型的输入价格（非必填，可以记录消耗）
|
||
pri_out = 8 #模型的输出价格（非必填，可以记录消耗）
|
||
#默认temp 0.2 如果你使用的是老V3或者其他模型，请自己修改temp参数
|
||
temp = 0.2 #模型的温度，新V3建议0.1-0.3
|
||
|
||
[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
|
||
# 强烈建议使用免费的小模型
|
||
name = "Qwen/Qwen3-8B"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0
|
||
pri_out = 0
|
||
temp = 0.7
|
||
enable_thinking = false # 是否启用思考
|
||
|
||
[model.replyer_1] # 首要回复模型，还用于表达器和表达方式学习
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2 #模型的输入价格（非必填，可以记录消耗）
|
||
pri_out = 8 #模型的输出价格（非必填，可以记录消耗）
|
||
#默认temp 0.2 如果你使用的是老V3或者其他模型，请自己修改temp参数
|
||
temp = 0.2 #模型的温度，新V3建议0.1-0.3
|
||
|
||
[model.replyer_2] # 次要回复模型
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2 #模型的输入价格（非必填，可以记录消耗）
|
||
pri_out = 8 #模型的输出价格（非必填，可以记录消耗）
|
||
#默认temp 0.2 如果你使用的是老V3或者其他模型，请自己修改temp参数
|
||
temp = 0.2 #模型的温度，新V3建议0.1-0.3
|
||
|
||
[model.planner] #决策：负责决定麦麦该做什么的模型
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2
|
||
pri_out = 8
|
||
temp = 0.3
|
||
|
||
[model.emotion] #负责麦麦的情绪变化
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2
|
||
pri_out = 8
|
||
temp = 0.3
|
||
|
||
|
||
[model.memory] # 记忆模型
|
||
name = "Qwen/Qwen3-30B-A3B"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0.7
|
||
pri_out = 2.8
|
||
temp = 0.7
|
||
enable_thinking = false # 是否启用思考
|
||
|
||
[model.vlm] # 图像识别模型
|
||
name = "Pro/Qwen/Qwen2.5-VL-7B-Instruct"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0.35
|
||
pri_out = 0.35
|
||
|
||
[model.voice] # 语音识别模型
|
||
name = "FunAudioLLM/SenseVoiceSmall"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0
|
||
pri_out = 0
|
||
|
||
[model.tool_use] #工具调用模型，需要使用支持工具调用的模型
|
||
name = "Qwen/Qwen3-14B"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0.5
|
||
pri_out = 2
|
||
temp = 0.7
|
||
enable_thinking = false # 是否启用思考（qwen3 only）
|
||
|
||
#嵌入模型
|
||
[model.embedding]
|
||
name = "BAAI/bge-m3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0
|
||
pri_out = 0
|
||
|
||
|
||
#------------LPMM知识库模型------------
|
||
|
||
[model.lpmm_entity_extract] # 实体提取模型
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2
|
||
pri_out = 8
|
||
temp = 0.2
|
||
|
||
|
||
[model.lpmm_rdf_build] # RDF构建模型
|
||
name = "Pro/deepseek-ai/DeepSeek-V3"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 2
|
||
pri_out = 8
|
||
temp = 0.2
|
||
|
||
|
||
[model.lpmm_qa] # 问答模型
|
||
name = "Qwen/Qwen3-30B-A3B"
|
||
provider = "SILICONFLOW"
|
||
pri_in = 0.7
|
||
pri_out = 2.8
|
||
temp = 0.7
|
||
enable_thinking = false # 是否启用思考
|
||
|
||
[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
|
||
use_custom = false # 是否启用自定义的maim_message服务器，注意这需要设置新的端口，不能与.env重复
|
||
host="127.0.0.1"
|
||
port=8090
|
||
mode="ws" # 支持ws和tcp两种模式
|
||
use_wss = false # 是否使用WSS安全连接，只支持ws模式
|
||
cert_file = "" # SSL证书文件路径，仅在use_wss=true时有效
|
||
key_file = "" # SSL密钥文件路径，仅在use_wss=true时有效
|
||
|
||
[telemetry] #发送统计信息，主要是看全球有多少只麦麦
|
||
enable = true
|
||
|
||
[experimental] #实验性功能
|
||
enable_friend_chat = false # 是否启用好友聊天
|
||
|
||
|
||
|
||
|