1 line
11 KiB
JSON
1 line
11 KiB
JSON
{"repo": "69gg/rimind", "files": {"config.toml.example": {"334442e1b247aaf6d97111260bd2276056afb564": {"t": 1785746804.9338334, "n": 1960, "h": "019ee3ed95406836", "c": "# rimind 配置示例\n#\n# 使用方法:\n# cp config.toml.example config.toml\n# 然后填写下面的 api_key / base_url / model,再运行 ./deploy.sh\n#\n# config.toml 含密钥,已被 .gitignore 忽略,不会提交到仓库。\n\n# ── LLM 后端(OpenAI SDK 兼容)─────────────────────────────────────────\n[llm]\n# API 端点。兼容任何 OpenAI Chat Completions 格式的服务:\n# OpenAI: https://api.openai.com/v1\n# DeepSeek: https://api.deepseek.com/v1\n# 本地 Ollama: http://127.0.0.1:11434/v1\n# 本地 vLLM: http://127.0.0.1:8000/v1\nbase_url = \"https://api.deepseek.com/v1\"\n\n# API 密钥。本地后端(Ollama 等)若无需鉴权,填任意占位值如 \"local\"。\napi_key = \"sk-请替换为你的密钥\"\n\n# 模型名。faithful(忠实预测)与 free(自由联想)两路共用同一模型。\nmodel = \"deepseek-chat\"\n\n# 单路请求超时(毫秒)。超时则该路不出候选,绝不阻塞输入法(请求在后台进程,\n# 超时只是不展示该路结果)。快模型(gemini-flash 等)2~3s 即可;大模型\n# (Qwen3 等)响应较慢,建议 8000~12000。\ntimeout_ms = 12000\n\n# 单次回复最大 token。0 表示不限制(不向 API 传该参数,交由模型默认)。\n# 联想结果通常很短;若想省成本可设一个上限(如 64),但部分模型会因截断\n# 影响 tool-call 输出,故默认不限制。\nmax_tokens = 0\n\n# 忠实预测的温度(低=确定性高,忠于拼音给最可能结果)。\nfaithful_temperature = 0.2\n\n# 自由联想的温度(高=更有创意,允许跨语言/谐音/诗句)。\nfree_temperature = 0.9\n\n# 是否强制走 tool-call(function calling)以保证结构化输出、提高准确性。\n# 若你的后端不支持强制 tool_choice(部分旧版本本地模型),设为 false 走普通文本补全。\n# 注:即使为 true,daemon 也会在拿不到 tool_call 时自动降级解析普通文本。\nforce_tool_call = true\n\n# ── 触发与节流 ────────────────────────────────────────────────────────\n[trigger]\n# 输入长度小于此值不触发 LLM(避免单字母时的无意义请求)。\nmin_input_len = 2\n\n# 防抖窗口(毫秒)。daemon 收到请求后等待该时长,若期间输入又变化则放弃旧请求,\n# 只为\"停手\"后的最终输入请求一次,控制 API 调用频率与成本。\ndebounce_ms = 250\n\n# ── 结果缓存 ──────────────────────────────────────────────────────────\n[cache]\n# 最多缓存多少条结果(LRU 淘汰)。\nmax_entries = 512\n\n# 缓存有效期(毫秒)。默认 10 分钟。\nttl_ms = 600000\n\n# ── 进程间通信(一般无需改动)────────────────────────────────────────\n[ipc]\n# 运行时目录。留空则用 /dev/shm/rimind-<uid>(tmpfs,快且重启即清)。\nruntime_dir = \"\"\n\n# 请求/结果文件的存活时间(毫秒),超时由 daemon 的 gc 清理。\nrequest_ttl_ms = 5000\n\n# 轮询兜底间隔(毫秒)。daemon 主要靠文件监听,此为兜底。\npoll_interval_ms = 50\n\n# ── 日志 ──────────────────────────────────────────────────────────────\n# 日志级别:DEBUG / INFO / WARNING / ERROR。排查问题时设 DEBUG。\nlog_level = \"INFO\"\n"}, "847df23541c4704e009a2073a1f9ab475370f912": {"t": 1785767788.321217, "n": 1960, "h": "019ee3ed95406836", "c": "# rimind 配置示例\n#\n# 使用方法:\n# cp config.toml.example config.toml\n# 然后填写下面的 api_key / base_url / model,再运行 ./deploy.sh\n#\n# config.toml 含密钥,已被 .gitignore 忽略,不会提交到仓库。\n\n# ── LLM 后端(OpenAI SDK 兼容)─────────────────────────────────────────\n[llm]\n# API 端点。兼容任何 OpenAI Chat Completions 格式的服务:\n# OpenAI: https://api.openai.com/v1\n# DeepSeek: https://api.deepseek.com/v1\n# 本地 Ollama: http://127.0.0.1:11434/v1\n# 本地 vLLM: http://127.0.0.1:8000/v1\nbase_url = \"https://api.deepseek.com/v1\"\n\n# API 密钥。本地后端(Ollama 等)若无需鉴权,填任意占位值如 \"local\"。\napi_key = \"sk-请替换为你的密钥\"\n\n# 模型名。faithful(忠实预测)与 free(自由联想)两路共用同一模型。\nmodel = \"deepseek-chat\"\n\n# 单路请求超时(毫秒)。超时则该路不出候选,绝不阻塞输入法(请求在后台进程,\n# 超时只是不展示该路结果)。快模型(gemini-flash 等)2~3s 即可;大模型\n# (Qwen3 等)响应较慢,建议 8000~12000。\ntimeout_ms = 12000\n\n# 单次回复最大 token。0 表示不限制(不向 API 传该参数,交由模型默认)。\n# 联想结果通常很短;若想省成本可设一个上限(如 64),但部分模型会因截断\n# 影响 tool-call 输出,故默认不限制。\nmax_tokens = 0\n\n# 忠实预测的温度(低=确定性高,忠于拼音给最可能结果)。\nfaithful_temperature = 0.2\n\n# 自由联想的温度(高=更有创意,允许跨语言/谐音/诗句)。\nfree_temperature = 0.9\n\n# 是否强制走 tool-call(function calling)以保证结构化输出、提高准确性。\n# 若你的后端不支持强制 tool_choice(部分旧版本本地模型),设为 false 走普通文本补全。\n# 注:即使为 true,daemon 也会在拿不到 tool_call 时自动降级解析普通文本。\nforce_tool_call = true\n\n# ── 触发与节流 ────────────────────────────────────────────────────────\n[trigger]\n# 输入长度小于此值不触发 LLM(避免单字母时的无意义请求)。\nmin_input_len = 2\n\n# 防抖窗口(毫秒)。daemon 收到请求后等待该时长,若期间输入又变化则放弃旧请求,\n# 只为\"停手\"后的最终输入请求一次,控制 API 调用频率与成本。\ndebounce_ms = 250\n\n# ── 结果缓存 ──────────────────────────────────────────────────────────\n[cache]\n# 最多缓存多少条结果(LRU 淘汰)。\nmax_entries = 512\n\n# 缓存有效期(毫秒)。默认 10 分钟。\nttl_ms = 600000\n\n# ── 进程间通信(一般无需改动)────────────────────────────────────────\n[ipc]\n# 运行时目录。留空则用 /dev/shm/rimind-<uid>(tmpfs,快且重启即清)。\nruntime_dir = \"\"\n\n# 请求/结果文件的存活时间(毫秒),超时由 daemon 的 gc 清理。\nrequest_ttl_ms = 5000\n\n# 轮询兜底间隔(毫秒)。daemon 主要靠文件监听,此为兜底。\npoll_interval_ms = 50\n\n# ── 日志 ──────────────────────────────────────────────────────────────\n# 日志级别:DEBUG / INFO / WARNING / ERROR。排查问题时设 DEBUG。\nlog_level = \"INFO\"\n"}, "591d277d0a391edb3dfe0fd249cac7f1fed84f01": {"t": 1785767790.477774, "n": 1840, "h": "57c524066e1d80d1", "c": "# rimind 配置示例\n#\n# 使用方法:\n# cp config.toml.example config.toml\n# 然后填写下面的 api_key / base_url / model,再运行 ./deploy.sh\n#\n# config.toml 含密钥,已被 .gitignore 忽略,不会提交到仓库。\n\n# ── LLM 后端(OpenAI SDK 兼容)─────────────────────────────────────────\n[llm]\n# API 端点。兼容任何 OpenAI Chat Completions 格式的服务:\n# OpenAI: https://api.openai.com/v1\n# DeepSeek: https://api.deepseek.com/v1\n# 本地 Ollama: http://127.0.0.1:11434/v1\n# 本地 vLLM: http://127.0.0.1:8000/v1\nbase_url = \"https://api.deepseek.com/v1\"\n\n# API 密钥。本地后端(Ollama 等)若无需鉴权,填任意占位值如 \"local\"。\napi_key = \"sk-请替换为你的密钥\"\n\n# 模型名。faithful(忠实预测)与 free(自由联想)两路共用同一模型。\nmodel = \"deepseek-chat\"\n\n# 单路请求超时(毫秒)。超时则该路不出候选,绝不阻塞输入法。\n# 远程 API 建议 1500~2500;本地快模型可设更低。\ntimeout_ms = 1500\n\n# 单次回复最大 token。联想结果都很短,64 足够,过大会增加延迟与成本。\nmax_tokens = 64\n\n# 忠实预测的温度(低=确定性高,忠于拼音给最可能结果)。\nfaithful_temperature = 0.2\n\n# 自由联想的温度(高=更有创意,允许跨语言/谐音/诗句)。\nfree_temperature = 0.9\n\n# 是否强制走 tool-call(function calling)以保证结构化输出、提高准确性。\n# 若你的后端不支持强制 tool_choice(部分旧版本本地模型),设为 false 走普通文本补全。\n# 注:即使为 true,daemon 也会在拿不到 tool_call 时自动降级解析普通文本。\nforce_tool_call = true\n\n# ── 触发与节流 ────────────────────────────────────────────────────────\n[trigger]\n# 输入长度小于此值不触发 LLM(避免单字母时的无意义请求)。\nmin_input_len = 2\n\n# 防抖窗口(毫秒)。daemon 收到请求后等待该时长,若期间输入又变化则放弃旧请求,\n# 只为\"停手\"后的最终输入请求一次,控制 API 调用频率与成本。\ndebounce_ms = 250\n\n# ── 结果缓存 ──────────────────────────────────────────────────────────\n[cache]\n# 最多缓存多少条结果(LRU 淘汰)。\nmax_entries = 512\n\n# 缓存有效期(毫秒)。默认 10 分钟。\nttl_ms = 600000\n\n# ── 进程间通信(一般无需改动)────────────────────────────────────────\n[ipc]\n# 运行时目录。留空则用 /dev/shm/rimind-<uid>(tmpfs,快且重启即清)。\nruntime_dir = \"\"\n\n# 请求/结果文件的存活时间(毫秒),超时由 daemon 的 gc 清理。\nrequest_ttl_ms = 5000\n\n# 轮询兜底间隔(毫秒)。daemon 主要靠文件监听,此为兜底。\npoll_interval_ms = 50\n\n# ── 日志 ──────────────────────────────────────────────────────────────\n# 日志级别:DEBUG / INFO / WARNING / ERROR。排查问题时设 DEBUG。\nlog_level = \"INFO\"\n"}}}} |