# 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
person_service:
  enabled: true
  schedule_interval_sec: 1800   # 每 30 分钟重新汇总一次人物
  model: "gemini"              # 用哪个模型做人物合并（vision 模型也支持纯文本）

# 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"]

# 智能问答降级链（与视频分析独立）：Gemini -> NVIDIA -> 本地 Ollama
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

  # 本地模型：纯文本 qwen2.5:7b，仅参与智能问答兜底
  - provider: "ollama"
    role: "text"
    usage: "qa_fallback"
    enabled: true
    model_name: "qwen2.5:7b"
    base_url: "http://localhost:11434"
    timeout: 120
    num_predict: 512
    circuit_breaker:
      enabled: false