deerflow-code/offline-backend-20260512/backend/config.yaml

# Offline backend template for DeerFlow
config_version: 8
log_level: info

# Gateway FastAPI 监听端口。圆桌三路由(intent / recommend / multi_agent)的同进程
# loopback 调用会拼 http://127.0.0.1:<port> 打到本机其它 endpoint,所以必须与
# 实际监听端口一致(scripts/start-all.sh、Makefile 默认 8001)。
# 部署机改了端口请同步改这里;也可设环境变量 DEER_FLOW_GATEWAY_PORT 临时覆盖。
gateway:
  port: 8001

models:
  # - name: deepseek-chat
  #   display_name: DeepSeek Chat
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-chat
  #   api_key: sk-35345154983047aba9e12faa86c5f62c
  #   base_url: https://api.deepseek.com
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: false
  #   supports_thinking: true

  - name: zai-org/GLM-5-FP8
    display_name: zai-org/GLM-5-FP8
    use: langchain_openai:ChatOpenAI
    model: zai-org/GLM-5-FP8
    api_key: modalresearch_gWu46FDpVLYZWPVEA3b_2fq8Jw2UJiKMgEm_Rxmn1SA
    base_url: https://api.us-west-2.modal.direct/v1
    request_timeout: 600.0
    max_retries: 2
    max_tokens: 4096
    temperature: 1.0
    supports_vision: true
    supports_thinking: true

  # - name: deepseek-v4-flash
  #   display_name: DeepSeek V4 Flash
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-v4-flash
  #   api_key: sk-3fee562f834a4c08bb0d471ef44cb445
  #   base_url: https://api.deepseek.com
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: false
  #   supports_thinking: true

  # - name: deepseek-v4-pro
  #   display_name: DeepSeek V4 Pro
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-v4-pro
  #   api_key: sk-e1c22b7931dc446f8b67e57878edd105
  #   base_url: https://api.deepseek.com
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: false
  #   supports_thinking: true
  # - name: MiniMax-M2.7
  #   display_name: MiniMax-M2.7
  #   use: langchain_openai:ChatOpenAI
  #   model: MiniMax-M2.7
  #   api_key: sk-cp-mrsAGtzDpUl0TpOBPVoiRG_pWF1kDDN9_mDAnONBs6HIPcNUexSKtSbx2QOxfKBvJT6Xw6hDTV6hdkJYFWfNA8UtHQ08TiGJiosdRoW6q1sGb6Cb7D85NHk
  #   base_url: https://api.minimaxi.com/v1
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: glm-5.1
  #   display_name: glm-5.1
  #   use: langchain_openai:ChatOpenAI
  #   model: glm-5.1
  #   api_key: 75121e4bed7640d5b71ac95cf8b4310a.RA3GyRBAR3kv7VrR
  #   base_url: https://open.bigmodel.cn/api/paas/v4/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: deepseek-ai/DeepSeek-OCR
  #   display_name: deepseek-ai/DeepSeek-OCR
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-ai/DeepSeek-OCR
  #   api_key: sk-beshfxfxfrllsczpqfrgjbugfbpzxgqgedbehceytpcvvtyb
  #   base_url: https://api.siliconflow.cn/v1/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: zai-org/GLM-5-FP8
  #   display_name: zai-org/GLM-5-FP8
  #   use: langchain_openai:ChatOpenAI
  #   model: zai-org/GLM-5-FP8
  #   api_key: modalresearch_gWu46FDpVLYZWPVEA3b_2fq8Jw2UJiKMgEm_Rxmn1SA
  #   base_url: https://api.us-west-2.modal.direct/v1
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: Qwen/Qwen3.6-27B
  #   display_name: Qwen/Qwen3.6-27B
  #   use: langchain_openai:ChatOpenAI
  #   model: Qwen/Qwen3.6-27B
  #   api_key:  sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
  #   base_url: https://api.siliconflow.cn/v1/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  - name: deepseek-ai/DeepSeek-V4-Flash
    display_name: deepseek-ai/DeepSeek-V4-Flash
    use: langchain_openai:ChatOpenAI
    model: deepseek-ai/DeepSeek-V4-Flash
    api_key: sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
    base_url: https://api.siliconflow.cn/v1/
    max_tokens: 4096
    temperature: 1.0
    supports_vision: true
    supports_thinking: true
    # SiliconFlow 混合推理模型关思考用「请求体顶层 enable_thinking: false」,
    # 不认 chat_template_kwargs / thinking.type 那两种嵌套形状。声明这个后,
    # 网页端「关闭思考」对本模型才生效(开放接口另由 force_disable_thinking 兜底)。
    when_thinking_disabled:
      extra_body:
        enable_thinking: false
  - name: Pro/MiniMaxAI/MiniMax-M2.5
    display_name: Pro/MiniMaxAI/MiniMax-M2.5
    use: langchain_openai:ChatOpenAI
    model: Pro/MiniMaxAI/MiniMax-M2.5
    api_key: sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
    base_url: https://api.siliconflow.cn/v1/
    max_tokens: 4096
    temperature: 1.0
    supports_vision: true
    supports_thinking: true
  - name: inclusionAI/Ling-flash-2.0
    display_name: inclusionAI/Ling-flash-2.0
    use: langchain_openai:ChatOpenAI
    model: inclusionAI/Ling-flash-2.0
    api_key: sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
    base_url: https://api.siliconflow.cn/v1/
    max_tokens: 4096
    temperature: 1.0
    supports_vision: true
    supports_thinking: true
  - name: deepseek-ai/DeepSeek-V4-Pro
    display_name: deepseek-ai/DeepSeek-V4-Pro
    use: langchain_openai:ChatOpenAI
    model: deepseek-ai/DeepSeek-V4-Pro
    api_key: sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
    base_url: https://api.siliconflow.cn/v1/
    max_tokens: 4096
    temperature: 1.0
    supports_vision: true
    supports_thinking: true
# 识图(图片识别)配置。
# - model_name:指定一个 models[] 中的模型名,作为“默认识图大模型”。view_image 工具会把
#   图片交给该模型识别,并把识别出的文字结果返回给主对话模型 —— 这样即使主对话模型不支持
#   视觉,也能“看图”。请改成你实际用于识图的模型名。
# - 若留空 / 注释掉 model_name,则回退到主对话模型自身的视觉能力(需该模型 supports_vision: true)。
# - prompt:不带具体问题时使用的默认识图指令(可选)。
# - max_tokens:识图模型输出上限(可选,默认用该模型自身的配置)。
vision:
  model_name: deepseek-ai/DeepSeek-OCR
  # prompt: 请详细描述这张图片的内容。
  # max_tokens: 2048

# 上传文件识别配置。
# - auto_convert_documents: true 时,上传的 PDF / Word / Excel / PPT 会在服务端自动转换为
#   Markdown(.md),agent 通过 read_file / grep 读取其内容 —— 即“识别”文档内容。
#   纯文本类(txt / csv / md / json / 代码等)无需转换,agent 用 read_file 直接读取。
#   图片(png/jpg/webp)由 view_image + 上面的 vision 识图模型处理。
# - pdf_converter: auto(优先 pymupdf4llm,缺失时回退 markitdown)| pymupdf4llm | markitdown
uploads:
  auto_convert_documents: true
  pdf_converter: auto

title:
  enabled: true
  max_words: 6
  max_chars: 60
  prompt_template: |
    请为下面这段对话生成一个简洁的标题,概括对话的核心主题。

    要求:
    - 标题必须使用简体中文
    - 尽量精炼,不超过 {max_words} 个词
    - 只返回标题本身,不要加引号、不要解释、结尾不要标点

    User: {user_msg}
    Assistant: {assistant_msg}

# 上下文压缩(对话摘要):长对话接近上下文上限时,把较早的消息总结成一段摘要,
# 只保留最近若干条原始消息,避免撑爆模型上下文窗口。
# - trigger:触发条件,可配多个,任意一个先满足就压缩(OR 关系)。真正决定何时
#     压缩的是 trigger(不是 keep)。type=tokens 按 token 总数;type=messages 按条数。
# - keep:压缩后保留多少最近的上下文(tokens / messages)。
# - trim_tokens_to_summarize:喂给摘要模型的消息最多裁到多少 token。
# 当前为「测试值(易触发)」:发到服务器后稍微聊几句就会触发,可在 Gateway 日志里
# grep「上下文压缩」/「context compaction」确认生效;确认后再调回生产值
# (trigger tokens 60000 / messages 80,keep tokens 16000)。
summarization:
  # 开关已移到聊天框下方(参考文献下面)的「上下文压缩」按钮,默认关闭。
  # 这里 enabled 仅作为非 Web 路径(渠道/定时任务)的后备开关;下面的 trigger/keep
  # 等仅是调参,Web 端是否压缩由前端按钮(summarization_enabled)决定。
  enabled: false
  # model_name: deepseek-chat   # 留空则用主对话模型
  trigger:
    - type: tokens
      value: 120000
    - type: messages
      value: 160
  keep:
    type: tokens
    value: 40000
  trim_tokens_to_summarize: 8000

tool_groups:
  - name: web
  - name: file:read
  - name: file:write
  - name: bash

tools:
  - name: web_search
    group: web
    use: deerflow.community.ddg_search.tools:web_search_tool
    max_results: 5

  - name: web_fetch
    group: web
    use: deerflow.community.jina_ai.tools:web_fetch_tool
    timeout: 15

  - name: ls
    group: file:read
    use: deerflow.sandbox.tools:ls_tool

  - name: read_file
    group: file:read
    use: deerflow.sandbox.tools:read_file_tool

  - name: glob
    group: file:read
    use: deerflow.sandbox.tools:glob_tool
    max_results: 200

  - name: grep
    group: file:read
    use: deerflow.sandbox.tools:grep_tool
    max_results: 100

  - name: write_file
    group: file:write
    use: deerflow.sandbox.tools:write_file_tool

  - name: str_replace
    group: file:write
    use: deerflow.sandbox.tools:str_replace_tool

  - name: bash
    group: bash
    use: deerflow.sandbox.tools:bash_tool

sandbox:
  use: deerflow.sandbox.local:LocalSandboxProvider
  allow_host_bash: true
  mounts:
    - host_path: C:\Users\iie\Desktop\deerflow-new\offline-backend-20260512\backend\knowledge\knowledge_base
      container_path: /mnt/knowledge
      read_only: true

skills:
  path: skills
  security_scan:
    enabled: false

skill_evolution:
  enabled: true
  curator:
    enabled: true # 每 24 小时自动清理 + 合并 skill
    interval_hours: 24
  review_worker:
    enabled: true # 被动复盘开关
    min_tool_calls: 5 # 触发阈值：本轮至少 5 次工具调用，与 prompt 中"≥5 步"硬条件一致
    max_messages: 60 # 传给 LLM 的最大消息条数
    timeout_seconds: 120 # 单次 review 超时（秒）
    model_name: # 留空则使用主模型

agents_api:
  enabled: true

# 登录鉴权扩展:在基础登录之上叠加两种自定义模式。
auth_login:
  # 用户名直登口令门:开关打开后,/login/<用户名> 直登必须再带 ?password=口令,
  # 口令不对直接 401。password 留空则默认口令为 123ewq。仅作用于用户名直登。
  username_login:
    require_password: false
    password: ''
  # token 换登录:前端用 ?authToken=上游token 进入,后端调用 token_info_url
  # (把该 token 直接拼成 Authorization: Bearer <token> 头)换出用户名,再登录;
  # 用户名不在库里时自动注册。
  token_login:
    enabled: false
    token_info_url: 'https://ch1.b.uat.4.cn/consumer/login/getTokenInfo'
    # 已弃用:鉴权头现由前端传入的 token 拼成 "Bearer <token>",此项不再生效,保留仅兼容。
    service_authorization: 'Bearer admin'
    timeout_seconds: 10
    # 上游是 HTTPS。UAT/内网常用自签或私有 CA 证书,默认 verify=true 会握手失败导致
    # 永远 401。此处 uat 域名按自签处理,先关校验;生产请置 true 或配 ca_cert_path。
    verify_ssl: false
    ca_cert_path: '' # 可选:PEM 格式 CA 包路径,设置后优先生效并启用校验

# 日志系统入口(仅管理员可见):右下角「设置」菜单中会多出一个「日志系统」入口,
# 点击后在新标签页打开下面的 url。enabled 关掉则不显示该入口。

database:
  backend: sqlite
  sqlite_dir: .deer-flow/data
  pool_size: 20 # 基础连接池(postgres/mysql 生效;sqlite 忽略)
  max_overflow: 20 # 高峰期可临时超出 pool_size 的额外连接数,真实上限 = pool_size + max_overflow
  pool_timeout: 30 # 池满时等待空闲连接的秒数,超时报错
  echo_sql: false

checkpointer:
  type: sqlite
  connection_string: .deer-flow/data/deerflow.db

# 记忆子系统:跨会话持久化用户画像与 agent 私有记忆。
# 三层覆盖优先级(高->低):
#   users/{user_id}/memory_config.json > .deer-flow/memory_user_overrides.json > 此处
memory:
  enabled: true
  version:
    v1 # 记忆版本: 'v1'(原版 DeerFlow, memory.json + LLM 自动提取)
    #           'v2'(USER.md/MEMORY.md + 可选 Hindsight)
  provider:
    hindsight # 'builtin' | 'hindsight'(外部 provider 名)
    # builtin 始终启用,这里只决定 external 选哪个
    # (version=v1 时此字段忽略)

  # V1 专属配置 —— version=v1 时生效
  v1:
    max_facts: 100 # 最多保留的事实条数,超出时驱逐最低置信度的事实
    fact_confidence_threshold: 0.7 # 事实置信度阈值,低于此值不保存
    debounce_seconds: 30 # 对话结束后延迟多少秒才触发 LLM 提取
    model_name: '' # 用于事实提取的 LLM 模型名;空则继承全局默认模型
    token_budget: 2000 # 注入系统提示词的 token 预算
  builtin:
    enabled: true
    memory_char_limit: 2200
    user_char_limit: 1375
    deduplicate_on_load: true

  hindsight: # provider=hindsight 时生效,需另行部署 Hindsight 服务
    mode: local_external # 'cloud' | 'local_embedded' | 'local_external'
    api_url: http://47.88.25.99:18888
    api_key:
      '' # 部署 Hindsight 后填,或改成 $HINDSIGHT_API_KEY 并设同名环境变量
      # 注意:写成 $VAR 但环境变量未设置会导致配置加载失败
    bank_id_template: 'deerflow-user-{user_id}'
    work_bank_id_template: 'deerflow-work-{user_id}-{agent_id}'
    memory_mode: context # 'context' | 'tools' | 'hybrid'
    bank_mission: '你是一个中文记忆助手，负责从对话中提炼和存储重要信息。所有记忆内容必须使用中文记录。'
    bank_retain_mission: '请从以下对话中提炼重要信息，包括用户的偏好、需求、背景知识和关键事实。所有提炼的内容必须用中文表达。'
    recall_budget: mid # 'low' | 'mid' | 'high'
    recall_max_tokens: 4096
    recall_max_input_chars: 800
    auto_recall: true
    auto_retain: true
    retain_async: true
    retain_every_n_turns: 1
    retain_user_prefix: 'User'
    retain_assistant_prefix: 'Assistant'

  # background_extraction:预留功能,代码尚未实现 —— 仅设计文档存在。
  # 待对应版本支持后,取消下面整段注释即可启用(漏记兜底)。
  # background_extraction:
  #   enabled: false                 # 默认关闭,作为漏记兜底
  #   debounce_seconds: 30
  #   model_name: ~                  # null = 用默认模型
  #   fact_confidence_threshold: 0.7
  #   max_facts_per_extraction: 10
  #   correction_detection: true
  #   reinforcement_detection: true

  injection:
    enabled: true
    max_tokens: 2000
    include_builtin: true
    include_hindsight: true
    context_tag: 'memory-context' # 包裹 Hindsight recall 的标签名

  security:
    scan_content: true # 注入/外渗模式扫描
    block_invisible_unicode: true
    # streaming_scrubber:预留字段,代码尚未实现 —— 待版本支持后取消注释。
    # streaming_scrubber: true       # SSE 流前清洗 <memory-context>

# AI 写作子系统 —— 素材收集专家专用配置。
# 注意：这三项必须嵌套在 ai_writing: 段下；写到顶层会被 _ai_writing_config()
# (app/gateway/routers/ai_writing.py:_ai_writing_config) 直接忽略。
ai_writing:
  keyword_model: deepseek-chat # 检索词生成专用模型，留空回退写作主模型
  rank_model: deepseek-chat # 素材排序专用模型，留空回退写作主模型
  max_materials: 20 # 合并去重后的素材总量上限，范围 [1, 100]，默认 20
  # 四阶段「内置功能型智能体」开关（按阶段灰度）。true = 该阶段节点改为加载
  # .deer-flow/agents/ai-writing-<stage>/ 的 SOUL.md + config（admin 可在智能体
  # 管理页编辑人设/模型），false / 缺失 = 走旧的硬编码 prompt 路径。
  # 改完保存即生效（config 按 mtime 热加载），新写作会话立即按新开关运行。
  use_builtin_agents:
    researcher: false # 素材收集专家（检索词生成 / 素材排序两个子任务）
    outliner: false # 大纲规划师（大纲生成 / 按反馈调整）
    writer: false # 作家（逐章正文写作，逐章流式与严格模式求助逻辑不变）
    editor: false # 编辑（事实/逻辑/语言三维度审查）

log_system:
  enabled: true
  url: 'https://your-log-system.example.com'
  label: '日志系统'

task_deeplink:
  # 线上接口未通时用假数据；三个开关互相独立。
  test: true            # 目的树查询走 mock.purpose_detail 假数据
  delete_test: true     # 删除接口走 mock.delete 假数据（该接口尚未开发完）
  action_test: true     # 行动→任务解析走 mock.action_detail 假数据（xdfx 行动id→任务id）
  purpose_detail_url: "https://ch1.b.uat.4.cn/consumer/taskAnalyseSearch/getTaskPurposeDetail"
  # rwfx 与 xdfx 共用同一删除接口：rwfx 追加 ?taskId=（不传 actionId）；xdfx 追加 ?actionId=（不传 taskId，直接不出现）。
  delete_url: "https://ch1.b.uat.4.cn/bwjt/dropSixOrSevenData"
  treemap_edit_url: "https://ch1.b.uat.4.cn/web/#/task/item-aicoh/step-mode-treemap-full-edit"
  treemap_next_url: "https://ch1.b.uat.4.cn/web/#/task/item-aicoh/step-mode-treemap-full-next"
  # xdfx 深链传入的是「行动id」，先调该接口（追加 /{actionId}）拿 data.taskId 解析出真正「任务id」。
  action_detail_url: "https://ch1.b.uat.4.cn/consumer/plan/action"
  # xdfx 删除前「行动历史是否存在」预检接口（追加 ?actionId=）；地址待提供，留空则前端视作无历史、不阻断删除。
  action_history_url: ""
  # rwfx 目的树面板「3q详情」链接的目标页（地址待定，留空则前端提示未配置）；跳转追加 ?id=任务id。
  detail_3q_url: ""
  mock:
    # test=true 时原样返回给前端（结构同真实 getTaskPurposeDetail 返回）。
    purpose_detail:
      state: "200"
      msg: "操作成功！"
      data:
        - purposeDto: { id: 5837, zzPurpose: "目的01", selectedFlag: 1, taskId: 3324, recDetailId: 4271 }
          childrenList:
            - actorDto: { id: 9101, taskId: 3324, purposeId: 5837, actorName: "行为体01", actorOrgan: "行为体01", recReason: "行为体01理由", selectedFlag: 1 }
              childrenList:
                - expectedBehaviorDto: { id: 6910, taskId: 3324, purposeId: 5837, behavior: "预期01", recReason: "预期01理由", selectedFlag: "1" }
                  childrenList:
                    - drivingFactorDto: { id: 7964, taskId: 3324, purposeId: 5837, drivingFactor: "预期01因素", selectedFlag: 1 }
                      childrenList:
                        - narrationDto: { id: 6500, purposeId: 5837, taskId: 3324, narration: "叙事01", recReason: "叙事01理由", selectedFlag: 1 }
                          childrenList: []
            - actorDto: { id: 9102, taskId: 3324, purposeId: 5837, actorName: "行为体02", actorOrgan: "行为体02", recReason: "行为体02理由", selectedFlag: 1 }
              childrenList:
                - expectedBehaviorDto: { id: 6911, taskId: 3324, purposeId: 5837, behavior: "预期02", recReason: "预期02理由", selectedFlag: "1" }
                  childrenList:
                    - drivingFactorDto: { id: 7965, taskId: 3324, purposeId: 5837, drivingFactor: "预期02因素", selectedFlag: 1 }
                      childrenList:
                        - narrationDto: { id: 6501, purposeId: 5837, taskId: 3324, narration: "叙事02", recReason: "叙事02理由", selectedFlag: 1 }
                          childrenList: []
    # delete_test=true 时原样返回给前端。改 success 测「成功覆盖 / 不可覆盖」两条分支。
    delete:
      message: "行动已经开始策划，不可覆盖"
      success: true
    # action_test=true 时原样返回给前端（结构同真实 /consumer/plan/action/{actionId} 返回）。
    # 前端取 data.taskId 作为真正的「任务id」（xdfx 深链 ?taskId= 传入的是 data.id 这个行动id）。
    action_detail:
      state: "200"
      msg: "操作成功！"
      data:
        id: 27354
        purposeId: 2850
        taskId: 2055
        actionName: ""
        actionStatus: 25
        narration: ""