.env.example

# 这是环境配置模板文件
# 使用方法：
# 1. 复制此文件为 .env.dev（开发环境）或 .env.prod（生产环境）
# 2. 修改对应的配置值
# 3. 使用 ENVIRONMENT=dev|prod python main.py 启动服务

# === 服务基础配置 ===
HOST=0.0.0.0                # 服务监听地址
PORT=8000                   # 服务端口
DEBUG=false                 # 是否开启调试模式

# === 模型配置 ===
MODEL_TYPE=deepseek         # 可选值: local, openai, deepseek

# === DeepSeek配置 ===
DEEPSEEK__API_KEY=your_key_here
DEEPSEEK__MODEL=deepseek-reasoner
DEEPSEEK__API_BASE=https://api.deepseek.com/v1
DEEPSEEK__MAX_LENGTH=2048
DEEPSEEK__TEMPERATURE=0.7
DEEPSEEK__TOP_P=0.9
DEEPSEEK__TOP_K=40
DEEPSEEK__REPETITION_PENALTY=1.1

# === 代码审查配置 ===
CODE_REVIEW__GITHUB_TOKEN=your_github_token_here      # GitHub API Token
CODE_REVIEW__WEBHOOK_SECRET=your_webhook_secret_here  # Webhook 密钥
CODE_REVIEW__AUTO_COMMENT=false                       # 是否自动评论
CODE_REVIEW__FILE_PATTERNS=*.py,*.js,*.java,*.go,*.ts
CODE_REVIEW__MAX_FILE_SIZE=1048576                   # 最大文件大小（字节）
CODE_REVIEW__LANGUAGE=zh_CN                          # 评审结果语言
CODE_REVIEW__MAX_RELATED_FILES=3                     # 相关文件最大数量
CODE_REVIEW__CONTEXT_LINES=5                         # 上下文显示行数
CODE_REVIEW__MAX_REVIEW_LENGTH=2000                  # 评审结果最大长度

# === 系统配置 ===
NUM_THREADS=8               # PyTorch线程数
BATCH_SIZE=32              # 向量化批处理大小

# === 日志配置 ===
LOG_LEVEL=INFO             # 日志级别：DEBUG, INFO, WARNING, ERROR
LOG_FORMAT=%(asctime)s - %(levelname)s - %(module)s - %(message)s
LOG_FILE=app.log           # 日志文件路径

# === 向量数据库配置 ===
VECTOR_DB_PATH=./vector_db
VECTOR_COLLECTION=code_embeddings

# === OpenAI配置（如果使用OpenAI模型） ===
OPENAI__API_KEY=your_key_here
OPENAI__MODEL=gpt-3.5-turbo
# OPENAI__API_BASE=        # 可选，如果使用默认API端点可以省略

# === 向量化模型配置 ===
EMBEDDING_MODEL=microsoft/codebert-base  # 代码向量化模型路径

# === 本地模型配置 ===
LOCAL_MODEL__PATH=models/Qwen2-7B-Chat
LOCAL_MODEL__DEVICE=cuda  # 或 cpu
LOCAL_MODEL__LOAD_8BIT=false