env.sh 7.8 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160
  1. #!/usr/bin/env bash
  2. # =============================================================================
  3. # 清鉴(zsjz-ai)后端环境变量
  4. #
  5. # ai-server 的 application*.yaml 里配置项都写成 ${ENV_NAME:默认值},
  6. # 本文件把这些变量显式列出来,方便在 Linux 上统一下发/逐项修改。
  7. # 一个变量都不设置时,后端行为与本文件里的取值一致(即 yaml 中的默认值)。
  8. #
  9. # 服务端口(8980)、context-path(/js/a)、应用名(ai-server)固定在
  10. # application.yaml 里,不参与参数化,因此不在本文件中。
  11. #
  12. # 用法(任选其一):
  13. # 1) 启动前导入当前 shell:
  14. # set -a; source deploy/env.sh; set +a
  15. # java -jar ai-server.jar
  16. # 2) systemd 单元:
  17. # EnvironmentFile=/opt/zsjz-ai/deploy/env.sh
  18. #
  19. # 用法(任选其一):
  20. # 1) 启动前导入当前 shell:
  21. # set -a; source deploy/env.sh; set +a
  22. # java -jar ai-server.jar
  23. # 2) systemd 单元:
  24. # EnvironmentFile=/opt/zsjz-ai/deploy/env.sh
  25. #
  26. # 注意:
  27. # · 文件内含数据库口令,部署时请 chmod 600,并按实际环境修改地址与口令。
  28. # · 下面各项默认值取自 application-dev.yaml(当前开发环境);
  29. # 【按环境修改】标注的项,生产部署务必逐项确认。
  30. # · 生效 profile 由 Spring 原生的 SPRING_PROFILES_ACTIVE 控制,默认 dev;
  31. # 生产可取消下面这行的注释。
  32. # · sa-token、mybatis-plus 不参与参数化,不在此文件范围。
  33. # =============================================================================
  34. # SPRING_PROFILES_ACTIVE="pro"
  35. # ---------------------------------------------------------------------------
  36. # 跨域(桌面客户端用 file:// 加载前端,必须允许跨域)
  37. # ---------------------------------------------------------------------------
  38. APP_CORS_ENABLED="true"
  39. APP_CORS_ALLOWED_ORIGIN_PATTERNS="*"
  40. # ---------------------------------------------------------------------------
  41. # Spring 基础
  42. # ---------------------------------------------------------------------------
  43. SPRING_TASK_SCHEDULING_POOL_SIZE="4"
  44. SPRING_HTTP_CODECS_MAX_IN_MEMORY_SIZE="10MB"
  45. SPRING_SERVLET_MULTIPART_MAX_FILE_SIZE="200MB"
  46. SPRING_SERVLET_MULTIPART_MAX_REQUEST_SIZE="500MB"
  47. # ---------------------------------------------------------------------------
  48. # PostgreSQL(平台库,必须装 pgvector 扩展)
  49. # 【按环境修改】dev 默认 192.168.0.106,pro 默认 localhost
  50. # ---------------------------------------------------------------------------
  51. SPRING_DATASOURCE_DYNAMIC_PRIMARY="master"
  52. SPRING_DATASOURCE_DYNAMIC_STRICT="true"
  53. SPRING_DATASOURCE_DYNAMIC_DATASOURCE_MASTER_URL="jdbc:postgresql://192.168.0.106:5432/zsjz-ai"
  54. SPRING_DATASOURCE_DYNAMIC_DATASOURCE_MASTER_USERNAME="postgres"
  55. SPRING_DATASOURCE_DYNAMIC_DATASOURCE_MASTER_PASSWORD="postgres"
  56. SPRING_DATASOURCE_DYNAMIC_DATASOURCE_MASTER_DRIVER_CLASS_NAME="org.postgresql.Driver"
  57. # ---------------------------------------------------------------------------
  58. # 业务文件存储
  59. # 【按环境修改】root-path 相对部署根目录解析(默认 qingjian/data);
  60. # base-url 必须与 SERVER_PORT、SERVER_SERVLET_CONTEXT_PATH 一致
  61. # ---------------------------------------------------------------------------
  62. STORAGE_LOCAL_ROOT_PATH="./qingjian/data"
  63. STORAGE_LOCAL_BASE_URL="http://localhost:8980/js/a"
  64. # ---------------------------------------------------------------------------
  65. # zsjz.llm(大模型:AI 清洗模板匹配 / 文件 AI 识别共用)
  66. # 【按环境修改】base-url 必须带版本前缀(如 http://127.0.0.1:11434/v1);
  67. # 本地推理服务 api-key 留空即可
  68. # ---------------------------------------------------------------------------
  69. ZSJZ_LLM_BASE_URL="http://10.66.66.66:8081/v1"
  70. ZSJZ_LLM_API_KEY=""
  71. ZSJZ_LLM_MODEL="qwen3.8-flash-next-unsloth-ud-iq3_xxs"
  72. ZSJZ_LLM_TEMPERATURE="0.0"
  73. ZSJZ_LLM_MAX_TOKENS="8192"
  74. ZSJZ_LLM_TIMEOUT_SECONDS="180"
  75. ZSJZ_LLM_ENABLE_THINKING="false"
  76. # ---------------------------------------------------------------------------
  77. # zsjz.duckdb(案件库资源预算与兜底回收)
  78. # 【按环境修改】max-open-cases 按机器内存/CPU 调整
  79. # ---------------------------------------------------------------------------
  80. ZSJZ_DUCKDB_MAX_OPEN_CASES="8"
  81. ZSJZ_DUCKDB_MEMORY_RATIO="0.6"
  82. ZSJZ_DUCKDB_THREADS_PER_INSTANCE="4"
  83. ZSJZ_DUCKDB_REAPER_INITIAL_DELAY_MS="60000"
  84. ZSJZ_DUCKDB_REAPER_INTERVAL_MS="300000"
  85. # ---------------------------------------------------------------------------
  86. # zsjz.file-ai(非表格文件 AI 识别调度)
  87. # ---------------------------------------------------------------------------
  88. ZSJZ_FILE_AI_MAX_CONCURRENT="3"
  89. ZSJZ_FILE_AI_MAX_PENDING="200"
  90. ZSJZ_FILE_AI_TIMEOUT_SECONDS="120"
  91. # ---------------------------------------------------------------------------
  92. # zsjz.embedding(本地向量模型,进程内 ONNX 推理,不走在线 embedding)
  93. # 【按环境修改】model-path 指向部署机上的模型目录(含 tokenizer.json 与
  94. # onnx/model.onnx)。dev 的 yaml 里是 Windows 绝对路径,
  95. # Linux 上必须改成实际路径,例如 /opt/zsjz-ai/qingjian/system/models/bge-m3。
  96. # ---------------------------------------------------------------------------
  97. ZSJZ_EMBEDDING_MODEL_PATH="/opt/zsjz-ai/qingjian/system/models/bge-m3"
  98. ZSJZ_EMBEDDING_DIMENSIONS="1024"
  99. ZSJZ_EMBEDDING_MAX_SEQ_LEN="8192"
  100. ZSJZ_EMBEDDING_BATCH_SIZE="8"
  101. ZSJZ_EMBEDDING_INTRA_OP_THREADS="0"
  102. ZSJZ_EMBEDDING_OPT_LEVEL="BASIC_OPT"
  103. ZSJZ_EMBEDDING_EAGER_LOAD="false"
  104. # ---------------------------------------------------------------------------
  105. # zsjz.ai-clean(AI 清洗与模板向量索引)
  106. # ---------------------------------------------------------------------------
  107. ZSJZ_AI_CLEAN_BATCH_TOKEN_BUDGET="0"
  108. ZSJZ_AI_CLEAN_STALE_MINUTES="30"
  109. ZSJZ_AI_CLEAN_VECTOR_ENABLED="true"
  110. ZSJZ_AI_CLEAN_VECTOR_AUTO_INDEX_ON_TEMPLATE_CHANGE="true"
  111. ZSJZ_AI_CLEAN_VECTOR_AUTO_REBUILD_ON_STARTUP="true"
  112. ZSJZ_AI_CLEAN_VECTOR_TOP_K="12"
  113. ZSJZ_AI_CLEAN_VECTOR_SCORE_THRESHOLD="0.30"
  114. ZSJZ_AI_CLEAN_VECTOR_MAX_DOCUMENTS_PER_REBUILD="5000"
  115. # ---------------------------------------------------------------------------
  116. # zsjz.ocr(本地 PP-OCR:图片与扫描件 PDF)
  117. # 模型随 jar 分发,无需放置任何文件;OpenCV 原生库首次使用会释放到
  118. # {user.dir}/data/native/。Linux 要求 glibc ≥ 2.27(Ubuntu 18.04+/Debian 10+/Rocky 8+),
  119. # CentOS 7 不支持。要换 server 大模型时用 ZSJZ_OCR_*_MODEL_PATH 指定绝对路径。
  120. # ---------------------------------------------------------------------------
  121. ZSJZ_OCR_ENABLED="true"
  122. ZSJZ_OCR_TEXT_SCORE="0.5"
  123. ZSJZ_OCR_DET_LIMIT_SIDE_LEN="736"
  124. ZSJZ_OCR_PDF_DPI="200"
  125. ZSJZ_OCR_PAGE_MIN_CHARS="10"
  126. ZSJZ_OCR_MAX_PAGES="30"
  127. ZSJZ_OCR_TOTAL_BUDGET_SECONDS="240"
  128. # 非标准平台可手工指定 OpenCV 原生库(一般留空即可)
  129. ZSJZ_OCR_OPENCV_LIB_PATH=""
  130. # ---------------------------------------------------------------------------
  131. # zsjz.asr(音视频转写:ffmpeg 解码 + Vosk 识别)
  132. # 【按环境修改】ffmpeg 路径与模型目录。模型目录须含 am/ 与 conf/,
  133. # 下载与解压见 deploy/install-media-deps.sh。
  134. # Vosk jar 内置 x86_64 原生库;ARM64 服务器需改用 whisper.cpp 方案。
  135. # ---------------------------------------------------------------------------
  136. ZSJZ_ASR_ENABLED="true"
  137. ZSJZ_ASR_FFMPEG_PATH="/usr/bin/ffmpeg"
  138. ZSJZ_ASR_MODEL_PATH="/opt/zsjz-ai/qingjian/system/models/vosk-model"
  139. ZSJZ_ASR_MAX_DURATION_SECONDS="600"
  140. ZSJZ_ASR_FFMPEG_TIMEOUT_SECONDS="600"
  141. ZSJZ_ASR_SAMPLE_RATE="16000"
  142. ZSJZ_ASR_MAX_CHARS="200000"
  143. # ---------------------------------------------------------------------------
  144. # zsjz.auth(登录安全)
  145. # 「账号正在使用」判定窗口(分钟):窗口内有活跃会话时,再次登录需确认后顶号
  146. # ---------------------------------------------------------------------------
  147. ZSJZ_AUTH_IN_USE_WINDOW_MINUTES="30"