1 line
1.6 KiB
JSON
1 line
1.6 KiB
JSON
{"repo": "0010grent/medgraphrag", "files": {".env.example": {"72f566cce9d47393803dcba2233d188d80f9bc7e": {"t": 1785745142.7064738, "n": 1057, "h": "031b1797ab4a2d34", "c": "DEEPSEEK_API_KEY=填你的key\nDEEPSEEK_BASE_URL=https://api.deepseek.com/v1\nDEEPSEEK_MODEL=deepseek-chat\n\n# 可选：开启 API Key 鉴权（请求头：X-API-Key: <TRIAGE_API_KEY>）\nTRIAGE_API_KEY=\n\n# 输出目录（用于保存 /v1/chat 的 session 轨迹）\nOUTPUT_DIR=outputs\n\n# 多轮对话 /v1/chat（默认仅保存 meta，不保存原文）\nCHAT_MAX_TURNS=8\n\n# 默认 0：不保存患者/医生原文；只保存 present/length/sha256 + slots/triage/trace\nALLOW_SAVE_SESSION_RAW_TEXT=0\n\n# /v1/chat 槽位抽取策略：llm（默认）或 rules（更稳定、离线测试用）\nCHAT_SLOT_EXTRACTOR=llm\n\n# RAG 配置（可选）\nRAG_COLLECTION=medical_kb\nHF_EMBEDDING_MODEL=intfloat/multilingual-e5-small\n\n# M1：RAGService（统一 embedding + 两阶段检索 + 可选 rerank）\n# 默认 provider=bce，优先使用 GPU（auto）\nRAG_PROVIDER=bce\nRAG_DEVICE=auto\nRAG_EMBED_MODEL=maidalun1020/bce-embedding-base_v1\nRAG_RERANK_MODEL=maidalun1020/bce-reranker-base_v1\nRAG_USE_RERANKER=1\nRAG_TOP_N=30\n# 向量库持久化目录（建议放云盘/外置盘，不提交到仓库）\n# 例如（Windows）：RAG_PERSIST_DIR=D:\\\\YourCloud\\\\MedCaht\\\\kb_store\n# 例如（Linux/macOS）：RAG_PERSIST_DIR=/mnt/yourcloud/MedCaht/kb_store\n# 不设置则默认使用：app/rag/kb_store\n# RAG_PERSIST_DIR=\n\n# Windows 兼容性：OpenMP 冲突 workaround（如无报错可不设）\nKMP_DUPLICATE_LIB_OK=TRUE\n"}}}} |