| 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333 |
- # 配置约定:所有配置项都写成 ${ENV_NAME:默认值},可用环境变量覆盖;
- # 未设置环境变量时取冒号后的默认值(与改造前一致),设置了则以环境变量为准。
- # 例外:mybatis-plus 段是框架内部装配(别名包 / Mapper 位置 / 日志实现),不参与参数化;
- # spring.profiles.active 用 Spring 原生的 SPRING_PROFILES_ACTIVE 控制。
- server:
- port: 8980
- servlet:
- context-path: /js/a
- # 跨域配置(见 common/config/CorsConfig.java)。
- # 桌面客户端用 file:// 加载前端、后端独立部署,属于跨域请求;关掉会导致客户端连不上。
- # 有固定域名时把 allowed-origin-patterns 收敛成具体来源(逗号分隔,支持通配)。
- app:
- cors:
- enabled: "${APP_CORS_ENABLED:true}"
- allowed-origin-patterns: "${APP_CORS_ALLOWED_ORIGIN_PATTERNS:*}"
- # ========================================
- # AI 平台配置
- #
- # 编排预算与对话偏好均从本配置文件读取(原页面配置已移除),修改后重启生效:
- # - 编排预算:专家轮 Token 预算 / 单轮墙钟预算,0 表示不限;
- # - 对话偏好:继承槽位的默认时区与语言,注入入口智能体与专家任务片段。
- # ========================================
- bizbuddy:
- # 平台版本(构建时由 Maven 过滤为 pom 的 revision;健康自检页展示,与镜像 / Release tag 保持一致)
- version: "@project.version@"
- ai:
- # 模型密钥加密用的 AES 秘钥(长度必须为 16/24/32 位,生产环境必须替换)
- # 生产必须替换;启动自检会拒绝出厂默认值(对所有 profile 生效,见 ProductionConfigGuard)
- crypto-key: ${BIZBUDDY_AI_CRYPTO_KEY:bizbuddy-ai-2026}
- # 模型连通性测试的默认超时时间(秒)
- test-timeout-seconds: 30
- chat:
- # 当前时间注入与对话默认时区(IANA 标识)
- current-time-zone: "${BIZBUDDY_AI_CHAT_CURRENT_TIME_ZONE:Asia/Shanghai}"
- # 对话偏好默认语言(BCP-47 标识,如 zh-CN / en-US)
- chat-locale: "${BIZBUDDY_AI_CHAT_LOCALE:zh-CN}"
- # 单次专家调用的同步等待上限(秒):超时即取消该次专家执行并按降级处理;
- # 必须为正数,<=0 时回退为兜底值 180 秒
- expert-timeout-seconds: "${BIZBUDDY_AI_CHAT_EXPERT_TIMEOUT_SECONDS:180}"
- # 单轮编排的专家轮 Token 预算(专家调用输入 + 输出累计),0 表示不限
- route-budget-expert-tokens: "${BIZBUDDY_AI_CHAT_ROUTE_BUDGET_EXPERT_TOKENS:0}"
- # 单轮编排的墙钟预算(秒),0 表示不限;在每次专家调用结束后判断是否继续重试/换专家
- route-budget-seconds: "${BIZBUDDY_AI_CHAT_ROUTE_BUDGET_SECONDS:180}"
- # MCP 出口(/mcp)默认访问口令;仅演示用途,页面「MCP 服务端」可覆盖,生产请替换为强口令
- mcp-server-token: BizBuddy
- # 未发送暂存附件的保留时长(小时):上传后未发送也未移除的附件由后台任务按此阈值回收;<=0 关闭
- pending-attachment-ttl-hours: 24
- # 会话模型侧记忆(Redis 中的 AgentScope 状态)闲置过期天数:超过该天数无活动的会话由后台任务清理状态;
- # 历史消息仍保留可查,只是模型不再记得该会话的既往上下文;<=0 关闭
- session-state-idle-days: 30
- # 图片装配压缩:最长边像素(<=0 关闭)与 JPEG 质量;只影响模型上下文,不改 OSS 原图
- image-compress-max-edge: 1568
- image-compress-quality: 0.85
- # 会话状态中保留图片的消息条数上限(<=0 表示历史图片一律占位);超出部分在写入状态前替换为文本占位
- history-image-keep-messages: 2
- # 向量化时单次提交的文本条数(取各家 OpenAI 兼容服务的兼容值)
- embedding-batch-size: 10
- # 向量化时单条文本最大字符数,超出截断(避免超过模型单行 Token 上限)
- embedding-max-chars: 8000
- # 检索默认相似度阈值(知识库未配置时生效)
- retrieval-score-threshold: 0.3
- # RAG 检索重排(Rerank):**模型与开关已迁出本段**——重排模型登记在「模型配置」(model_type=rerank),
- # 「是否启用重排 + 用哪个模型」由知识库配置(ai_knowledge_base.rerank_enabled / rerank_model_id);
- # 本段只保留与模型无关的算法参数,启用重排的知识库检索走「稠密召回(max(topK,rerank-top-n)) → 重排 → 融合 → 截断 topK」。
- # 密钥取该知识库所选重排模型配置的 api_key;未配模型/非 2xx/超时/结构异常一律降级为原顺序。
- rag:
- # 重排前的稠密召回条数(候选池)
- rerank-top-n: 30
- # 重排调用超时(毫秒),超时即降级为原顺序
- rerank-timeout-ms: 12000
- # 重排融合模式:replace(纯替换)/ rank_rrf(排名 RRF 融合)/ score_fusion(分数归一化加权,默认)
- rerank-mode: score_fusion
- # score_fusion 的重排权重(0~1)
- rerank-alpha: 0.5
- # rank_rrf 的平滑常数 k
- rerank-rrf-k: 60
- # 条件触发:首条与次条向量分差 ≥ 本值时跳过重排(0/负值=总是重排)
- rerank-trigger-margin: 0
- # 上下文装配(P0-③):对「已排序命中」做确定性去重 + 相邻切片合并 + 字符上限,只作用于返回集后处理、不改排序。
- # 去重判据:规范化空白后互为子串,或字符 n-gram Jaccard ≥ assemble-dedup-jaccard;默认整体开启。
- # 新增字段位于 rag 段内(assemble-* 前缀),其上为检索重排(Rerank)配置。
- assemble-dedup-enabled: true
- assemble-merge-adjacent-enabled: true
- assemble-merge-window: 1
- assemble-dedup-jaccard: 0.9
- # 装配后片段总正文的绝对字符上限(不依赖 Token 估算的硬兜底)
- assemble-max-chars: 6000
- # 装配后片段总正文的 Token 预算(P0-④):0 表示不设 Token 预算;
- # 仍受 assemble-max-chars 字符硬上限约束,避免上下文超出模型窗口。
- assemble-max-tokens: 0
- # ========================================
- # 业务文件存储
- #
- # 单根布局 qingjian/data:cases/{caseId} 为案件物理隔离单元,users/{userId} 放
- # 跨案件的知识库,system 资产在 qingjian/system(见 PathConst / StorageLayout)。
- # 入库路径统一为相对 root-path 的 POSIX 路径,换存储根不需要改库。
- # ========================================
- storage:
- local:
- root-path: "${STORAGE_LOCAL_ROOT_PATH:./qingjian/data}"
- # 文件对外访问基础地址:须与 server.port(8980) 和 context-path(/js/a) 一致。
- # /files/** 由 LocalFileResourceConfig 映射到 root-path。
- base-url: "${STORAGE_LOCAL_BASE_URL:http://localhost:8980/js/a}"
- spring:
- application:
- name: ai-server
- profiles:
- # 由环境变量 SPRING_PROFILES_ACTIVE 覆盖,不写占位符(profile 决定加载哪些文件,需在配置数据阶段确定)
- active: dev
- # 调度线程池扩容(P1-10):默认单线程调度器上跑着 SSE 心跳(5s,遍历所有连接)、
- # 数据源回收(5min)、AI 清洗看门狗(60s)、附件孤儿清理(1h)——任一批量任务变慢
- # 会拖住心跳,全服用户的空闲 SSE 连接被代理断开。4 线程互相隔离。
- task:
- scheduling:
- pool:
- size: "${SPRING_TASK_SCHEDULING_POOL_SIZE:4}"
- http:
- codecs:
- max-in-memory-size: "${SPRING_HTTP_CODECS_MAX_IN_MEMORY_SIZE:10MB}"
- servlet:
- multipart:
- max-file-size: "${SPRING_SERVLET_MULTIPART_MAX_FILE_SIZE:200MB}"
- max-request-size: "${SPRING_SERVLET_MULTIPART_MAX_REQUEST_SIZE:500MB}"
- zsjz:
- # DuckDB 案件库资源预算。
- # 注意:DuckdbUnpooledDataSource 下发的是 SET GLOBAL(database instance 级),
- # 每个案件实例都按「物理内存 30% + CPU 核数线程」配置的话,多人同时开案会 N 倍叠加。
- # 这里改为按 max-open-cases 分摊总预算,见 DuckdbBudgetProperties。
- duckdb:
- # 同时打开的案件库数量上限,超出直接拒绝开案
- max-open-cases: "${ZSJZ_DUCKDB_MAX_OPEN_CASES:8}"
- # 所有案件实例合计可占用的物理内存比例(0~1)
- memory-ratio: "${ZSJZ_DUCKDB_MEMORY_RATIO:0.6}"
- # 每个案件实例的 DuckDB 线程数
- threads-per-instance: "${ZSJZ_DUCKDB_THREADS_PER_INSTANCE:4}"
- # 兜底回收器:启动后延迟多久开始第一次扫描(毫秒)
- reaper-initial-delay-ms: "${ZSJZ_DUCKDB_REAPER_INITIAL_DELAY_MS:60000}"
- # 兜底回收器:两次扫描的间隔(毫秒)
- reaper-interval-ms: "${ZSJZ_DUCKDB_REAPER_INTERVAL_MS:300000}"
- # 非表格文件(txt / doc / docx / pdf / ppt / 压缩包 …)的 AI 识别调度。
- # 这类文件解析不了表格数据(fileStatus 恒为 FILE_UNSUPPORTED_FAIL),但往往有情报价值:
- # 上传时用 Tika 抽一段文本样本,交给大模型判断「这是什么文件、是干什么用的」,
- # 结果落案件库的 file_ai_profile 表,供前端展示与后续数据分析工具按类别取数。
- file-ai:
- # 同时调模型的任务数上限,其余排队等待(需求:同时执行 3 个文件,其余排队处理)
- max-concurrent: "${ZSJZ_FILE_AI_MAX_CONCURRENT:3}"
- # 排队积压上限,超过直接标 SKIP —— 没有这一层,一次拖入几千个文件会把队列和内存堆爆
- max-pending: "${ZSJZ_FILE_AI_MAX_PENDING:200}"
- # 单个文件识别的模型调用超时(秒)
- timeout-seconds: "${ZSJZ_FILE_AI_TIMEOUT_SECONDS:120}"
- # 向量模型(进程内 ONNX 本地模型 / Web 界面配置的在线 embedding 模型)。
- # 路由优先级(见 EmbeddingProvider):
- # 1. 「模型配置」里启用中的本地向量模型(ai_model_config:model_type='embedding'、
- # provider='local',base_url 填模型目录、dimension 填输出维度,无需密钥);
- # 2. 本配置节 enabled=true 时的 yaml 默认模型(bge-m3);
- # 3. 「模型配置」里启用中的在线 embedding 模型。
- # 本地模型目录缺失时不会静默回退在线模型(两套向量空间不兼容),业务侧按「向量能力不可用」降级。
- # 本地模型默认 bge-m3:输出 1024 维稠密向量(CLS 池化 + L2 归一化),见 EmbeddingService。
- # 注意:权重常驻堆外内存约 2.5~3GB,首次加载 20~60s(懒加载,不阻塞启动);
- # 同一模型目录只加载一份权重(LocalEmbeddingEnginePool 按目录缓存)。
- # Java 25 运行时 ONNX Runtime 加载 native 库会打 "restricted method" 警告(不影响运行),
- # 可通过 JVM 参数 --enable-native-access=ALL-UNNAMED 消除。
- embedding:
- # yaml 默认模型开关:true = 未在「模型配置」里指定本地模型时使用本地模型;false = 在线模型
- enabled: "${ZSJZ_EMBEDDING_ENABLED:false}"
- # 模型目录:含 tokenizer.json 与 onnx/model.onnx(+ model.onnx_data 外部权重)。
- # 默认放 qingjian/system/models/bge-m3;相对路径按项目根(PathConst.ROOT_PATH)解析。
- model-path: "${ZSJZ_EMBEDDING_MODEL_PATH:qingjian/system/models/bge-m3}"
- # 模型声明输出维度(bge-m3 = 1024):建向量表/状态展示用,不触发权重加载
- dimensions: "${ZSJZ_EMBEDDING_DIMENSIONS:1024}"
- # 单文本最大 token 数(超出截断;bge-m3 上限 8192,长文本 CPU 推理耗时显著上升)
- max-seq-len: "${ZSJZ_EMBEDDING_MAX_SEQ_LEN:8192}"
- # 批量推理每批文本条数(批内按最长文本 padding)
- batch-size: "${ZSJZ_EMBEDDING_BATCH_SIZE:8}"
- # ORT intra-op 并行线程数;0 = 交给 ONNX Runtime 默认策略
- intra-op-threads: "${ZSJZ_EMBEDDING_INTRA_OP_THREADS:0}"
- # ONNX 图优化级别:NO_OPT / BASIC_OPT / EXTENDED_OPT / ALL_OPT(ALL 首次加载更慢)
- opt-level: "${ZSJZ_EMBEDDING_OPT_LEVEL:BASIC_OPT}"
- # 启动时后台预热加载模型(false = 懒加载,首次业务调用时才载入)
- eager-load: "${ZSJZ_EMBEDDING_EAGER_LOAD:false}"
- # 智能清洗(AI 兜底链路,module/aiclean)。
- # max-concurrent:AI 判定并发闸门(未配置走代码默认 3);模型调用重试由 LlmRetry 固定 3 次封顶。
- # batch-token-budget:单批次 AI 判定的 token 预算上限,0 = 不限 —— 超限后剩余表自动转人工,
- # 防止一次异常上传把 token 烧穿(LiteLLM budget 同款护栏,近似检查)。
- # stale-minutes:批次心跳超时分钟数 —— 每完成一个 sheet 都会刷新 update_time,
- # 超时无推进的批次由看门狗标 FAILED,用户重新点「智能」即可恢复(进程重启同理,启动时自动清理)。
- ai-clean:
- # AI 判定并发闸门:同时调模型(含列绑定补调)的 sheet 数上限。同表头的重复 sheet
- # 复用第一次的判定结果,等待期间不占并发位。
- max-concurrent: "${ZSJZ_AI_CLEAN_MAX_CONCURRENT:3}"
- batch-token-budget: "${ZSJZ_AI_CLEAN_BATCH_TOKEN_BUDGET:0}"
- stale-minutes: "${ZSJZ_AI_CLEAN_STALE_MINUTES:30}"
- # 模板元数据向量索引(module/aiclean/index):
- # 只读两套模板元数据(table_info/table_field + ai_clean_template/ai_clean_field,不扫描 DuckDB),
- # 写进独立向量表 rag_tpl{tag}_d{dims}(本地模型带模型名标签,如 rag_tpl_bge_m3_d1024)。
- # 同一份索引服务两个用途:
- # ① Agent search_table_schema 选表(生成 SQL) ② AI 模板匹配的向量召回(只补候选,不判档)。
- # 前提:向量模型可用(本地开关打开且模型目录存在,或 ai_model_config 表存在 type='embedding' 活跃模型)
- # + PG 已装 pgvector;未满足时全链路 fail-open。
- vector:
- # 总开关;关闭行为与改造前完全一致(无索引、无召回)
- enabled: "${ZSJZ_AI_CLEAN_VECTOR_ENABLED:true}"
- # 模板新增/更新/删除后自动增量更新索引(关闭只能手工调 /aiClean/templateVector/rebuild)
- auto-index-on-template-change: "${ZSJZ_AI_CLEAN_VECTOR_AUTO_INDEX_ON_TEMPLATE_CHANGE:true}"
- # 启动时若索引表不存在/为空则后台自举重建(存量模板不会补发变更事件)
- auto-rebuild-on-startup: "${ZSJZ_AI_CLEAN_VECTOR_AUTO_REBUILD_ON_STARTUP:true}"
- # 召回条数上限:只补充送给 LLM 的候选,不是最终匹配结果
- top-k: "${ZSJZ_AI_CLEAN_VECTOR_TOP_K:12}"
- # 召回相似度阈值(cosine 转 score),太低会塞无关模板,太高召不回同义不同词的模板
- score-threshold: "${ZSJZ_AI_CLEAN_VECTOR_SCORE_THRESHOLD:0.30}"
- # 全量重建的文档数上限,防止模板库异常膨胀时一次 rebuild 打爆内存/嵌入额度
- max-documents-per-rebuild: "${ZSJZ_AI_CLEAN_VECTOR_MAX_DOCUMENTS_PER_REBUILD:5000}"
- # 本地 OCR(module/document):图片与扫描件 PDF。
- # PP-OCRv4 模型(det/cls/rec)随 rapidocr4j 打进 jar,字典在 rec 模型 metadata 里 ——
- # 运行期不需要下载模型、不需要 tessdata、不需要 tesseract。
- # OpenCV 原生库在 openpnp:opencv jar 内(Windows/Linux/macOS 同一个 jar),首次使用释放到
- # {user.dir}/data/native/ 复用;Linux 要求 glibc ≥ 2.27(Ubuntu 18.04+/Debian 10+/Rocky 8+)。
- # 扫描件 PDF 逐页判断:该页文本少于 page-min-chars 才 OCR,纯文本 PDF 完全不触发 OCR。
- # 能力不可用(原生库加载失败/模型缺失)时,图片与扫描件上传会以可读原因失败,文本类文档不受影响。
- ocr:
- enabled: "${ZSJZ_OCR_ENABLED:true}"
- # OpenCV 原生库路径覆盖;空 = 自动从依赖 jar 释放(推荐)
- opencv-lib-path: "${ZSJZ_OCR_OPENCV_LIB_PATH:}"
- # 单行识别结果的最低置信度,低于该值丢弃
- text-score: "${ZSJZ_OCR_TEXT_SCORE:0.5}"
- # 检测模型输入的最小边(PP-OCR det 的 limit_side_len)
- det-limit-side-len: "${ZSJZ_OCR_DET_LIMIT_SIDE_LEN:736}"
- # 单张图片 OCR 前的最大边(超过由引擎内部缩放)
- max-side-len: "${ZSJZ_OCR_MAX_SIDE_LEN:2000}"
- # 单张图片最大像素数,超过先等比缩小(手机原图常见 5000×4000)
- image-max-pixels: "${ZSJZ_OCR_IMAGE_MAX_PIXELS:40000000}"
- # 模型路径覆盖:空 = 用 jar 内置 PP-OCRv4;填绝对路径可换 server 大模型
- det-model-path: "${ZSJZ_OCR_DET_MODEL_PATH:}"
- cls-model-path: "${ZSJZ_OCR_CLS_MODEL_PATH:}"
- rec-model-path: "${ZSJZ_OCR_REC_MODEL_PATH:}"
- # 换外部识别模型(不含 character metadata)时补字典 ppocr_keys_v1.txt
- rec-keys-path: "${ZSJZ_OCR_REC_KEYS_PATH:}"
- # 扫描件渲染 DPI:太低识别率差,太高耗时与内存翻倍
- pdf-dpi: "${ZSJZ_OCR_PDF_DPI:200}"
- # 页文本少于该字符数视为「无文本层」,对该页做 OCR
- page-min-chars: "${ZSJZ_OCR_PAGE_MIN_CHARS:10}"
- # 单文件最多 OCR 的页数(纯文本页不计数、不占用该预算)
- max-pages: "${ZSJZ_OCR_MAX_PAGES:30}"
- # 单次提取的 OCR 时间预算(秒),超出后剩余页跳过并标注
- total-budget-seconds: "${ZSJZ_OCR_TOTAL_BUDGET_SECONDS:240}"
- # 本地音视频转写(module/document)。
- # Tika 3.x 没有 ffmpeg 解析器、也没有任何本地语音识别实现(其转写桥只有云端 Amazon Transcribe),
- # 所以音频解码由外部 ffmpeg 完成、识别由本机 Vosk 模型完成。
- # Vosk 模型目录需离线放置(含 am/ 与 conf/),获取方式见 docs/design/ai-media-ocr-asr.md。
- # ffmpeg 缺失或模型缺失时,音视频上传会以可读原因失败,其他类型不受影响。
- asr:
- enabled: "${ZSJZ_ASR_ENABLED:true}"
- # ffmpeg 可执行文件路径;空 = qingjian/system/tools/ffmpeg/ffmpeg(.exe) → PATH
- ffmpeg-path: "${ZSJZ_ASR_FFMPEG_PATH:}"
- # Vosk 模型目录(默认 qingjian/system/models/vosk-model;相对路径按项目根解析)
- model-path: "${ZSJZ_ASR_MODEL_PATH:qingjian/system/models/vosk-model}"
- # 单文件最多转写的时长(秒),超出部分不转写并标注
- max-duration-seconds: "${ZSJZ_ASR_MAX_DURATION_SECONDS:600}"
- # ffmpeg 进程总超时(秒)
- ffmpeg-timeout-seconds: "${ZSJZ_ASR_FFMPEG_TIMEOUT_SECONDS:600}"
- # 送入 Vosk 的采样率,必须与模型一致(中文模型均为 16000)
- sample-rate: "${ZSJZ_ASR_SAMPLE_RATE:16000}"
- # 转写文本字符上限
- max-chars: "${ZSJZ_ASR_MAX_CHARS:200000}"
- # 登录安全(module/plat)。
- auth:
- # 「账号正在使用」判定窗口(分钟):账号有有效会话且该窗口内活跃过,
- # 再次登录需要用户确认后才能顶掉旧会话
- in-use-window-minutes: "${ZSJZ_AUTH_IN_USE_WINDOW_MINUTES:30}"
- # 表结构语义检索(RAG):向量索引的事实来源只有两套模板元数据
- # (table_info/table_field + ai_clean_template/ai_clean_field,不扫描案件 DuckDB)。
- # 索引服务 AI 模板匹配的向量召回(RagSchemaService 保留给后续 Agent 选表能力)。
- # 依赖向量模型可用(本地开关打开,或 ai_model_config 表有活跃 type=embedding 模型)+ PG pgvector;
- # 缺失时相关能力 fail-open,不影响清洗。
- etl:
- rag:
- # RAG 检索能力开关(RagSchemaService.isAvailable)
- enabled: "${ETL_RAG_ENABLED:true}"
- # 检索默认返回条数
- top-k: "${ETL_RAG_TOP_K:5}"
- # 相似度阈值(cosine 转 score)
- score-threshold: "${ETL_RAG_SCORE_THRESHOLD:0.3}"
- # 数据上传:服务端解析/提取阶段(大 Excel 解析、OCR、音视频转写、文档样本抽取)是同步阻塞的,
- # 浏览器上传进度到 100% 后可能还要等很久。这里按固定间隔打心跳日志,
- # 排障时能确认「请求仍在处理、连接正常」。
- dm:
- upload:
- heartbeat-seconds: "${DM_UPLOAD_HEARTBEAT_SECONDS:5}"
- # 按约定不参数化:别名包 / Mapper 位置 / 日志实现都是框架内部装配,随代码发布
- mybatis-plus:
- # 实体别名包(各业务域实体)。已核实 10 个域的实体类简单名无重复,可安全启用;
- # 若后续新增实体出现重名,MyBatis 会因别名冲突启动失败,此时应删除本配置(XML 全用全限定名)。
- type-aliases-package: com.zsjz.ai.common.model.*.entity
- mapper-locations: classpath*:mappers/**/*.xml
- configuration:
- cacheEnabled: false
- default-enum-type-handler: com.baomidou.mybatisplus.core.handlers.MybatisEnumTypeHandler
- log-impl: org.apache.ibatis.logging.slf4j.Slf4jImpl
- # 智能体工作区已显式关闭工作区上下文(AgentAssembler#disableWorkspaceContext),
- # 框架仍会为缺失的 AGENTS.md 打 WARN;该文件在本平台不参与装配,故仅保留 ERROR 级日志,避免每轮装配刷屏。
- logging:
- level:
- io.agentscope.harness.agent.workspace.WorkspaceManager: ERROR
- --- # MCP 出口配置
- # 原 spring-ai 的 MCP Server / Client 配置已移除(与 AgentScope 依赖互斥,详见 docs/agentscope/A09),
- # 改为官方 MCP Java SDK 自建出口,工具/资源通过注册 SyncToolSpecification / SyncResourceSpecification Bean 贡献。
- mcp:
- server:
- # 开关
- enabled: true
- # 与 ruoyi-admin 共用端口,默认端点为 /mcp
- endpoint: /mcp
- # 服务信息,随 initialize 返回给客户端
- name: ${spring.application.name}
- version: "@project.version@"
|