.env.example

# ===== LLM（OpenAI 兼容，本项目要求真实 key，不提供 mock）=====
# generator 只读取三个变量：OPENAI_API_KEY / OPENAI_BASE_URL / LLM_MODEL。
# 支持任意 OpenAI 兼容网关（如 deepseek、OpenAI 官方等），只需替换下面三行即可切换，无需改代码。
# 请将下面占位替换为你的兼容网关地址与 key（不要在示例文件里填写真实凭据）。
OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://your-openai-compatible-gateway.example.com/v1
LLM_MODEL=your-model-id

# 备选 deepseek（公开服务商示例）：
# OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
# OPENAI_BASE_URL=https://api.deepseek.com/v1
# LLM_MODEL=deepseek-chat

# 备选 OpenAI 官方（公开服务商示例）：
# OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
# OPENAI_BASE_URL=https://api.openai.com/v1
# LLM_MODEL=gpt-3.5-turbo

# ===== Embedding（双后端：ollama 优先，sentence-transformers 兜底）=====
# 后端选择：ollama | st（sentence-transformers）
EMBED_BACKEND=ollama
# Ollama 服务地址（仅 ollama 后端用到）
OLLAMA_BASE_URL=http://localhost:11434
# 模型名：
#   ollama 后端 -> Ollama 已拉取的模型标签，如 snowflake-arctic-embed2(1024维,多语言含中文) / nomic-embed-text(768维,英文为主)
#   st 后端     -> HuggingFace id，如 BAAI/bge-small-zh-v1.5(512维,中文优化)
EMBED_MODEL=snowflake-arctic-embed2
# 向量维度，必须与所选模型一致，否则入库/检索维度错配
EMBED_DIM=1024

# ===== 混合检索权重（各自归一化后加权，和不必为 1）=====
VECTOR_WEIGHT=0.6
BM25_WEIGHT=0.4
TOP_K=4

# ===== 存储（PostgreSQL + pgvector + Redis）=====
# 用 `make infra-up` 起 docker-compose 基建时，以下默认值即可；
# 若自建 Postgres/Redis，请改 host/端口/账号。
# 注意：改 EMBED_DIM 后需重建向量列（DROP 旧表或换库），pgvector 列维度固定。
DATABASE_URL=postgresql+psycopg://rag:rag@localhost:5432/rag
REDIS_URL=redis://localhost:6379/0
LEXICON_PATH=./data/lexicon.json