dd6638f8db
后端：
1. Memory 预取缓存改为会话级隔离 + 管理面自动失效 + 空检索清理
- 预取缓存 key 从 smartflow:memory_prefetch:{userID} 改为 smartflow:memory_prefetch:u:{userID}:c:{chatID}，隔离不同会话的记忆上下文，避免会话间互相覆盖
- 新增 DeleteMemoryPrefetchCacheByUser 方法，使用 SCAN+UNLINK 按模式批量删除指定用户所有会话的预取缓存
- ItemRepo 四个变更方法（SoftDeleteByID / RestoreByIDAt / UpdateManagedFieldsByIDAt / UpdateStatusByIDAt）通过 Model 携带 UserID，使 GORM cache deleter 可精准定位用户
- GormCachePlugin 将 MemoryItem 从忽略列表移至主动处理，新增 invalidMemoryPrefetchCache 异步失效方法
- 后台检索返回空结果时主动清除该用户所有预取缓存，避免过期记忆残留
2. 修复 RAG 召回未过滤 deleted 状态记忆的严重 bug
- MemoryCorpus.BuildRetrieveFilter 新增 status="active" 硬过滤，Milvus 向量检索直接排除已删除/已归档记忆
- 此前删除记忆后即使 MySQL 标记为 deleted，Milvus 中向量仍可被语义召回并注入 prompt
前端：无
仓库：无
207 lines
6.3 KiB
YAML
207 lines
6.3 KiB
YAML
# SmartFlow 后端配置示例
|
||
#
|
||
# 使用说明：
|
||
# 1. 请复制为 config.yaml 后再按实际环境填写。
|
||
# 2. 示例文件强调“结构清晰”和“字段语义明确”，不是生产推荐值。
|
||
# 3. 若你只想看 memory 相关配置，优先看本文件下半部分的 memory / rag / websearch 段。
|
||
|
||
# 服务启动与 HTTP 行为。
|
||
server:
|
||
# HTTP 监听端口。
|
||
port: 8080
|
||
# gin 运行模式：debug / release。
|
||
mode: debug
|
||
# 单次请求默认超时时间。
|
||
timeout: 30s
|
||
|
||
# MySQL 主库配置。
|
||
database:
|
||
host: localhost
|
||
port: 3306
|
||
user: smartflow_user
|
||
password: "put_your_database_password_here"
|
||
dbname: "put_your_database_name_here"
|
||
charset: utf8mb4
|
||
parseTime: true
|
||
loc: Local
|
||
|
||
# 登录态与鉴权令牌配置。
|
||
jwt:
|
||
accessSecret: "put_your_jwt_access_secret_here"
|
||
refreshSecret: "put_your_jwt_refresh_secret_here"
|
||
# access token 有效期，面向接口鉴权。
|
||
accessTokenExpire: 15min
|
||
# refresh token 有效期，面向续签。
|
||
refreshTokenExpire: 7d
|
||
|
||
# 应用日志输出配置。
|
||
log:
|
||
level: info
|
||
path: logs/
|
||
|
||
# Redis 缓存与轻量状态存储。
|
||
redis:
|
||
host: localhost
|
||
port: 6379
|
||
password: ""
|
||
db: 0
|
||
|
||
# Kafka outbox 事件总线配置。
|
||
kafka:
|
||
enabled: true
|
||
brokers:
|
||
- "localhost:9092"
|
||
topic: "smartflow.agent.outbox"
|
||
groupID: "smartflow-agent-outbox-consumer"
|
||
retryScanInterval: 1s
|
||
retryBatchSize: 100
|
||
maxRetry: 20
|
||
|
||
# 时间与学期边界配置。
|
||
time:
|
||
zone: "Asia/Shanghai"
|
||
# 学期开始日期，一定要设定为周一，以便于计算周数。
|
||
semesterStartDate: "2026-03-02"
|
||
# 学期结束日期，一定要设定为周日，确保最后一周完整。
|
||
semesterEndDate: "2026-07-19"
|
||
|
||
# 智能体模型与规划参数。
|
||
agent:
|
||
# 日常执行链路使用的主模型。
|
||
workerModel: "doubao-seed-2-0-code-preview-260215"
|
||
# 规划、拆解、策略推导使用的模型。
|
||
strategistModel: "doubao-seed-2-0-code-preview-260215"
|
||
# 模型服务根路径。
|
||
baseURL: "https://ark.cn-beijing.volces.com/api/v3"
|
||
# 日内并发优化并发度，建议按模型配额调整。
|
||
dailyRefineConcurrency: 7
|
||
# 周级跨天配平额度上限，防止过度调整。
|
||
weeklyAdjustBudget: 5
|
||
|
||
# 通用 RAG 配置。
|
||
rag:
|
||
# 总开关；关闭后不再走通用向量检索链路。
|
||
enabled: true
|
||
# 当前向量存储类型，可选：inmemory / milvus。
|
||
store: "milvus"
|
||
# 召回候选上限。
|
||
topK: 8
|
||
# 召回相似度阈值。
|
||
threshold: 0.55
|
||
retrieve:
|
||
# 单次检索超时时间，避免主链路长时间阻塞。
|
||
timeoutMs: 1500
|
||
ingest:
|
||
# 文档切块大小；过大影响召回精度，过小影响上下文完整度。
|
||
chunkSize: 400
|
||
# 相邻 chunk 重叠字符数。
|
||
chunkOverlap: 80
|
||
embed:
|
||
# embedding 供应商实现，可选：mock / eino。
|
||
provider: "eino"
|
||
# embedding 模型名。
|
||
model: "doubao-embedding-vision-251215"
|
||
# embedding 服务根路径；API Key 统一从环境变量读取。
|
||
baseURL: "https://ark.cn-beijing.volces.com/api/v3"
|
||
timeoutMs: 1200
|
||
# 向量维度，必须与向量库 collection 配置一致。
|
||
dimension: 1024
|
||
reranker:
|
||
# 是否启用重排。
|
||
enabled: false
|
||
# 当前默认 noop，后续可扩展。
|
||
provider: "noop"
|
||
milvus:
|
||
# Milvus REST 地址，不要填健康检查口。
|
||
address: "http://localhost:19530"
|
||
token: "root:Milvus"
|
||
dbName: ""
|
||
# 通用 RAG chunk collection。
|
||
collectionName: "smartflow_rag_chunks"
|
||
metricType: "COSINE"
|
||
requestTimeoutMs: 1500
|
||
|
||
# 记忆模块配置。
|
||
memory:
|
||
# memory 总开关；关闭后不做抽取、写入、召回、注入。
|
||
enabled: true
|
||
rag:
|
||
# 是否允许 memory 读写链路使用向量召回能力。
|
||
# 关闭后，memory 里的“语义候选”会退回 MySQL 路径，不等于整个 memory 模块关闭。
|
||
enabled: true
|
||
read:
|
||
# 读取模式：
|
||
# 1. legacy：旧读链路，语义上是“RAG 优先，失败再走 legacy”。
|
||
# 2. hybrid：新读链路，先取强约束，再补语义候选，再统一去重/排序/预算裁剪。
|
||
# 3. 如果你想强制纯 MySQL 召回，建议同时设置 read.mode=legacy 且 memory.rag.enabled=false。
|
||
mode: legacy
|
||
# constraint 类型最大注入条数。
|
||
constraintLimit: 5
|
||
# preference 类型最大注入条数。
|
||
preferenceLimit: 5
|
||
# fact 类型最大注入条数。
|
||
factLimit: 5
|
||
# todo_hint 类型最大注入条数。
|
||
todoHintLimit: 3
|
||
inject:
|
||
# 注入渲染模式：
|
||
# flat 为旧扁平列表；typed_v2 为按类型分段，便于模型区分“硬约束”和“参考事实”。
|
||
renderMode: flat
|
||
prompt:
|
||
# 留空表示走代码内默认抽取 prompt。
|
||
extract: ""
|
||
# 留空表示走代码内默认决策 prompt。
|
||
decision: ""
|
||
# memory 向量召回阈值。
|
||
threshold: 0.55
|
||
# 是否启用重排；当前默认关闭。
|
||
enableReranker: false
|
||
llm:
|
||
# 记忆抽取/决策使用的 LLM 随机度，默认尽量保守，提升可复现性。
|
||
temperature: 0.1
|
||
topP: 0.2
|
||
job:
|
||
# 异步记忆任务最大重试次数。
|
||
maxRetry: 6
|
||
worker:
|
||
# worker 轮询间隔。
|
||
pollEvery: 2s
|
||
# 单次认领任务数。
|
||
claimBatch: 1
|
||
decision:
|
||
# 决策层总开关。
|
||
# 开启后，写入链路会从”直接新增”升级成”召回旧记忆 -> 比对 -> 决策动作”。
|
||
enabled: true
|
||
# 决策层语义候选数上限。
|
||
candidateTopK: 5
|
||
# 决策层语义候选最低相似度阈值。
|
||
candidateMinScore: 0.6
|
||
# 决策流程整体失败时的降级策略：
|
||
# legacy_add：退回旧路径直接新增
|
||
# drop：直接丢弃本次写入
|
||
fallbackMode: legacy_add
|
||
write:
|
||
# 写入模式：
|
||
# legacy：沿用旧写入路径
|
||
# decision：启用决策式写入
|
||
# 注意：只有 decision.enabled=true 时，这个值才真正生效。
|
||
mode: legacy
|
||
# 写入最低置信度阈值，抽取结果 confidence 低于此值直接丢弃。
|
||
minConfidence: 0.5
|
||
|
||
# 联网搜索能力配置。
|
||
websearch:
|
||
# 可选：mock | bocha。
|
||
provider: bocha
|
||
# 搜索供应商 API Key；bocha 模式必填，否则会降级为 mock。
|
||
apiKey: ""
|
||
# 单次搜索请求超时。
|
||
timeout: 10s
|
||
# 单次 URL 抓取超时。
|
||
fetchTimeout: 15s
|
||
# 抓取正文最大字符数。
|
||
fetchMaxChars: 4000
|
||
rag:
|
||
# 是否把 websearch 结果继续送入 RAG 处理。
|
||
enabled: false
|