from pydantic_settings import BaseSettings


class Settings(BaseSettings):
    """应用配置，通过环境变量注入"""

    # 应用
    app_name: str = "QMDSearch"
    log_level: str = "info"

    # 嵌入模型
    embedding_provider: str = "openai"  # openai | local
    openai_api_key: str = ""
    openai_base_url: str = "https://api.openai.com/v1"
    embedding_model: str = "text-embedding-3-small"
    embedding_dimension: int = 1536

    # Ollama 本地模型（用于文档三级总结）
    ollama_base_url: str = "http://localhost:11434"
    ollama_model: str = "qwen2.5:1.5b"  # 备选: qwen2.5:3b
    ollama_embedding_model: str = "bge-m3"  # embedding_provider=local 时使用的嵌入模型

    # Qdrant
    qdrant_host: str = "localhost"
    qdrant_port: int = 6333

    # Redis
    redis_url: str = "redis://localhost:6379/0"

    # 检索参数
    retrieval_top_k: int = 20  # L2 语义检索召回数
    retrieval_final_k: int = 5  # L3 重排后返回数

    # 文档入库参数
    summary_min_text_length: int = 500  # 低于此字符数触发 2.5 级回退

    # 入库异步任务
    ingest_max_concurrency: int = 2  # 入库后台任务并发上限
    ingest_task_ttl_done: int = 86400  # 任务状态 Redis 保留秒数（进行中与已完成，24h）
    ingest_task_ttl_failed: int = 604800  # 失败任务状态 Redis 保留秒数（7 天）

    # 知识分类（taxonomy）
    taxonomy_path: str = ""  # taxonomy JSON 文件路径，为空用内置默认
    classify_confidence_threshold: float = 0.6  # 低于此值归 uncategorized
    classify_max_categories: int = 3  # query 路由命中类目数上限，超过走全库兜底

    # 分层检索参数
    l1_doc_top_n: int = 10  # L1 层候选文档数
    l2_section_top_n: int = 5  # L2 层候选 section 数
    l3_top_n: int = 10  # L3 层定位数
    sparse_enabled: bool = True  # 是否启用稀疏检索
    cache_ttl: int = 300  # Redis 缓存秒数

    # 分块参数
    chunk_max_chars: int = 800  # chunk 超长二次切分阈值

    model_config = {"env_prefix": "", "case_sensitive": False}


settings = Settings()