# FAM-Edge 配置文件 (Oracle 端) - 新架构 v2
#
# 新架构（2026-08-21 重构）:
#   1. 不再切片/抽帧：整视频直传云端 VLM（Gemini 用 Files API，NVIDIA 用整视频 video_url）
#   2. 视频来源：rclone 从 Google 硬盘实时同步到本地 local_dir，监听目录处理新视频
#   3. Oracle 自建 SQLite 库存储所有视频摘要/事件/人物，并对外提供同步接口供 NAS 拉取
#   4. 独立 person_service 汇总全量人物 -> LLM 合并为规范人物表 -> 回灌视频提示
#   5. NAS 仅作管理后台，每 30 分钟从甲骨文拉增量镜像到本地 MariaDB

# Oracle 端 HTTP 服务
server:
  host: "0.0.0.0"
  port: 5000

# Google 硬盘同步（rclone 负责同步落地，本段仅描述监听行为）
gdrive_sync:
  enabled: true
  local_dir: "/opt/fam-edge/gdrive_videos"   # rclone 同步落地目录（video_processing 监听此目录）
  watch_interval_sec: 30                      # 监听新视频的轮询间隔
  camera_name: "客厅"                         # 摄像头名称（注入视频提示）
  # 文件名解析开始时间：监控文件名含时间戳时使用（如 2026-08-21_081500.mp4）
  parse_start_from_filename: true

# Oracle 本地库（视频摘要/事件/人物）
oracle_db:
  path: "/opt/fam-edge/data/oracle.db"

# NAS 拉取同步接口鉴权 token（与 NAS oracle_sync.token 一致，走 .env，不明文入库）
sync_api:
  token: "${ORACLE_SYNC_TOKEN}"

# 人物识别服务（2026-08-22 停用）：已被闭集识别 person_identifier 取代
# （汤圆/媳妇走性别年龄规则免费识别，爷爷/爸爸走视觉大模型比对参考图，见
# person_identifier 配置块）。原 LLM 合并逻辑不可靠（用户原话"现在的识别全是
# 错的"），继续跑只会用不可靠的猜测持续覆盖 people 表的 canonical_name，跟新
# 系统的结果打架——停用，不删除代码（关键冲突检测逻辑 _features_conflict 仍
# 保留供参考/未来复用）。
person_service:
  enabled: false
  schedule_interval_sec: 1800
  model: "gemini"

# 视频处理
video_processing:
  max_concurrent: 1            # 消费者线程数（串行处理，避免云端并发超额）
  timeout: 900                 # 兜底单视频分析超时
  timeout_multiplier: 2        # 模型消费超时倍数：在 models[i].timeout 原值上 ×2（大视频上传+分析耗时）
  max_retries: 10              # 单视频失败最大重试次数（配额/过载等瞬时故障给足重试机会）
  retry_interval_sec: 3600     # 失败重试最小间隔：距上次失败 ≥1h 才重新入队，等配额恢复
  file_validate: true          # 登记入队前用 ffprobe 校验文件可解码；失败标记 invalid 不入队
  stable_window_sec: 60        # 文件 mtime 稳定窗口：写入中（rclone 同步未完成）的文件跳过本轮
  # 降级顺序：先 gemini 整视频，失败再 nvidia 整视频；两者都失败 -> 标记 failed
  vision_order: ["gemini", "nvidia"]

# 运动事件（2026-08-22 运动事件驱动架构）：
#   - NAS 端 fam-core MotionNotifier 轮询 SS 事件后，POST 推送到甲骨文
#     /api/ss/motion，落库 ss_motion_events（start_time/duration 为 Unix epoch）；
#     并定期用空 events 调接口当心跳，证明推送链路存活。
#   - video_processor 不再整段分析：整段素材按 ss_motion_events 中【已结束】的
#     运动事件分割成运动片段（motion_segment 配置），只分析运动片段。
dsm_motion_prefilter:
  max_heartbeat_age_sec: 900    # 心跳超过 15 分钟没更新 -> 判定推送链路可能已死

# 运动片段分割（运动事件驱动架构，2026-08-22 新增）：
#   整段素材视频（rclone 同步落地）按 ss_motion_events 分割成运动片段再分析。
#   只分割已结束事件（start_time+duration 落在当前时刻附近），进行中的事件
#   等结束后的下一轮再分割；素材保持 pending 直到窗口内事件全部结束。
motion_segment:
  clips_dir: "/opt/fam-edge/motion_clips"   # 分割产物目录
  keep_audio: true                          # 保留音频（pcm_alaw -> aac 64k 转码）；false 则 -an 去音频
  min_duration_sec: 1                       # 短于该时长的事件不分割
  unfinished_grace_sec: 10                  # start_time+duration 距当前 ≤ 该秒视为"已结束"容差

# 闭集人物识别（2026-08-22 新增，家里固定 4 人：爷爷/爸爸/媳妇/汤圆）：
#   原来靠大模型自己编的"人物A/B/C"临时 uid + 文字特征描述跨视频合并，验证下来
#   不可靠（用户原话"现在的识别全是错的"）。人脸向量方案也验证过，家庭监控这种
#   大广角/远距离画面下同人内部相似度经常比不同人还低，此路不通。
#   现在改成：汤圆(幼儿/儿童特征)/媳妇(唯一成年女性) 直接用 Gemini 已产出的
#   性别/年龄字段判断，免费且验证下来接近 100% 准；爷爷/爸爸(两个成年男性，纯
#   外观规则/人脸向量都区分不开) 改用视觉大模型"看参考图比对"——NVIDIA 实测
#   6/6 全对且配额与主分析链路完全独立，设为优先，Gemini flash-lite(7/8) 兜底。
#   参考图目录结构：{ref_dir}/爷爷/*.jpg、{ref_dir}/爸爸/*.jpg（已用确认过身份的
#   历史截图种好，见 PROGRESS.md 记录）。
person_identifier:
  enabled: true
  ref_dir: "/opt/fam-edge/data/person_refs"
  max_ref_per_person: 6
  # 连续两次分类调用之间的最小间隔（不分 provider 统一限速）：正常处理新片段时
  # 调用本来就稀疏，这个主要是给历史数据批量回填用的，避免短时间内密集调用打爆配额
  min_call_interval_sec: 2
  nvidia:
    api_key: "${NVIDIA_API_KEY}"
    model_name: "nvidia/nemotron-3-nano-omni-30b-a3b-reasoning"
    fallback_models: []       # 目前只验证过这一个能用的 NVIDIA 视觉模型，先留好扩展位
    timeout: 60
    max_retries: 3            # 每个模型对瞬时故障（429/5xx/超时）最多重试几次（含首次）
    retry_backoff_sec: 3      # 重试前基础等待秒数，指数退避（3s -> 6s -> 12s）
  gemini:
    api_key: "${GEMINI_API_KEY}"
    extra_api_keys: ["${GEMINI_API_KEY_2}", "${GEMINI_API_KEY_3}", "${GEMINI_API_KEY_4}"]
    model_name: "gemini-flash-lite-latest"
    timeout: 60
    max_retries: 2
    retry_backoff_sec: 3

# 智能问答（2026-08-23 抽离到独立 ai-gateway 服务，OpenAI 兼容协议）：
# fam-edge 这边只是转发客户端，问答本体的模型降级链/key 轮换/熔断都在
# ai-gateway 自己的 config.yaml 里配置，这里只填怎么连它。
# token 走 .env AI_GATEWAY_TOKEN，跟 ai-gateway 侧配置的值必须一致。
ai_gateway:
  base_url: "http://127.0.0.1:5100"   # 同机部署，走本地回环，不走公网
  token: "${AI_GATEWAY_TOKEN}"
  timeout: 60

# 视频分析模型链
models:
  - provider: "gemini"
    role: "vision"
    enabled: true
    model_name: "gemini-flash-latest"   # 主模型（每日免费配额 20 请求，按模型独立）
    fallback_models:
      - "gemini-flash-lite-latest"
    api_key: "${GEMINI_API_KEY}"
    # 多 Key 轮换（各自独立 Google Cloud 项目，配额互不影响）：主 key 配额用尽时
    # 依次尝试这些 key，每个 key 都会重新走一遍模型 fallback 链。key 本身放 .env，
    # 这里只放环境变量名，不直接写密钥。
    extra_api_keys:
      - "${GEMINI_API_KEY_2}"
      - "${GEMINI_API_KEY_3}"
      - "${GEMINI_API_KEY_4}"
    # 每个 key 对应的 Google Cloud 项目名（顺序对应上面 api_key + extra_api_keys），
    # 用于模型统计页展示是哪个项目在跑，不填则退回 "key1/key2/..."
    key_labels:
      - "智能摄像头-1"
      - "智能摄像头-2"
      - "智能摄像头-3"
      - "智能摄像头-4"
    timeout: 600
    # 模型级独立超时（最终值，不参与编排层 ×2 放大）
    # gemini-flash-lite 实测 ~22-34s，按用户要求放宽至 8 分钟（480s），避免大视频/排队时过早切断
    model_timeouts:
      "gemini-flash-lite-latest": 480
    circuit_breaker:
      enabled: true
      threshold: 5
      cooldown: 300

  - provider: "nvidia"
    role: "vision"
    enabled: true
    # 模型可用性实测记录（2026-08-21，用真实短视频逐个探测 chat.completions 接口）：
    #   omni（本行 model_name）：video_url 只认 base64 data URI，NVCF asset_id 引用
    #     方式对它直接 500（"Only base64 data URLs are supported for now"）——本适配器
    #     已改为 base64 内嵌整段视频，见 max_base64_mb。确认可用（真实返回结构化 JSON）。
    #   nemotron-nano-12b-v2-vl：走 asset_id 引用需要 NVCF-ASSET-DIR/
    #     NVCF-FUNCTION-ASSET-IDS 请求头，这两个头的值由 NVCF 服务端按内部路径生成，
    #     客户端传什么都 400 "Invalid NVCF-ASSET-DIR"，标准 OpenAI 兼容调用打不通，已移除。
    #   meta/llama-3.2-11b-vision-instruct：明确不支持视频输入
    #     （"At most 0 video(s) may be provided"），只能单图，已移除。
    # base64 方案受请求体大小限制（实测约 25MB 上限），真实监控视频压缩后通常在
    # 20MB 上下，超过 max_base64_mb 直接跳过（不做注定失败的慢速编码），不是本地
    # 故意限制过窄——这是当前唯一能打通的 NVIDIA 视频理解路径。
    model_name: "nvidia/nemotron-3-nano-omni-30b-a3b-reasoning"
    fallback_models: []
    base_url: "https://integrate.api.nvidia.com/v1"
    api_key: "${NVIDIA_API_KEY}"
    timeout: 600
    max_base64_mb: 20           # 超过此大小直接跳过 NVIDIA，不做注定失败的编码+上传
    switch_interval_sec: 5      # 模型切换间隔：一个失败后等待再试下一个（未来加模型时用）
    model_timeouts:             # 模型级独立超时（最终值，不参与 ×2）
      "nvidia/nemotron-3-nano-omni-30b-a3b-reasoning": 300
    circuit_breaker:
      enabled: true
      threshold: 5
      cooldown: 300