config.env.example

# -------------------------------------------------------------------
# [核心配置] 访问AI模型API的必要凭证
# -------------------------------------------------------------------
# VCP作为中间层，需要配置一个后端的AI服务才能工作。
# 这里填写你的AI服务商提供的API地址和密钥。
# 例如，如果你使用OpenAI，API_URL可能类似于 "https://api.openai.com"，API_Key则是你的 "sk-..." 密钥。

API_Key=YOUR_API_KEY_SUCH_AS_sk-xxxxxxxxxxxxxxxxxxxxxxxx
API_URL=NEWAPI_URL_SUCH_AS_http://127.0.0.1:3000
 
# -------------------------------------------------------------------
# [服务配置] VCP服务本身的设置
# -------------------------------------------------------------------
# 这里定义VCP服务如何被外部访问。
# PORT: VCP服务运行的端口。
# Key: 访问VCP聊天API（/v1/chat/completions）时需要提供的密码，保护你的服务不被滥用。
# Image_Key: 访问VCP图片服务时需要提供的密码，同样用于安全保护。
# File_Key: 访问VCP插件生成文档服务时需要提供的密码，同样用于安全保护。

PORT=6005
Key=YOUR_KEY_SUCH_AS_aBcDeFgHiJkLmNoP
Image_Key=YOUR_IMAGE_KEY_SUCH_AS_Images_aBcDeFgHiJk
File_Key=YOUR_FILE_KEY_SUCH_AS_123456
# VCP服务器WebSocket鉴权，用于VCP面板和分布式服务器之间的实时通信。
VCP_Key=YOUR_VCP_KEY_SUCH_AS_aBcDeFgHiJkLmNoP

#引入网络波动重试机制
ApiRetries=3
ApiRetryDelay=200

# DEFAULT_TIMEZONE: 定义服务器的默认时区，用于时间相关的操作和日志记录。
# 推荐设置为 Asia/Shanghai。
DEFAULT_TIMEZONE=Asia/Shanghai

# 定义VCPTool调用循环栈
MaxVCPLoopStream=5
MaxVCPLoopNonStream=5
#定义VCP调用是否需要验证码
VCPToolCode=false

# 定义国产A类模型推理功能是否开启(enable_thinking类)
ChinaModel1=GLM,qwen,deepseek,hunyuan
ChinaModel1Cot=true

# 隐藏非流式响应中的思维链（Gemini等模型的reasoning_content），默认true
HIDE_NONSTREAM_REASONING=true

# -------------------------------------------------------------------
# [角色分割]
# -------------------------------------------------------------------
# 启用角色分割功能的总开关，允许在消息中使用 <<<[ROLE_DIVIDE_xxx]>>> 语法进行上下文切割。
EnableRoleDivider=true
# 循环栈开关，控制是否在 VCPTool 调用循环中也启用角色分割。
EnableRoleDividerInLoop=true
# 自动清除开关，当特定角色分割被禁用时，是否自动从上下文中清除该角色的标签。
EnableRoleDividerAutoPurge=true
# 角色分割细分开关，控制是否允许切割为特定角色。
# 例如：RoleDividerSystem=false 则会跳过对 <<<[ROLE_DIVIDE_SYSTEM]>>> 标签的解析。
RoleDividerSystem=true
RoleDividerAssistant=true
RoleDividerUser=true
# 角色扫描开关，控制是否对特定角色的楼层进行分割监测。
# 例如：RoleDividerScanUser=false 则不对 User 楼层进行任何切割处理。
RoleDividerScanSystem=false
RoleDividerScanAssistant=true
RoleDividerScanUser=true
# 禁用角色标签自动清除开关。
# 当 RoleDividerXXXX=false 时，是否自动从上下文中移除该角色的标签。
RoleDividerRemoveDisabledTags=true
# 角色分割忽略列表，当被包裹的内容在此列表中时，不进行分割处理（保留标签）。
# 匹配时会忽略内容中的换行符、反斜杠和空格。
# 格式为 JSON 数组字符串。
RoleDividerIgnoreList=["…content…","ignore_this_content", "another_ignored_content"]

# -------------------------------------------------------------------
# [调试与开发]
# -------------------------------------------------------------------
# DebugMode: 设置为 "True" 会在控制台输出详细的调试信息，方便开发和排错。
DebugMode=false
# ShowVCP: 在非流式输出时，是否在返回结果中包含VCP的调用信息。
ShowVCP=false
# CHAT_LOG_ENABLED: 是否在 DebugLog/chat/YYYY-MM-DD/ 下记录每次 chat 的请求体与响应
# 注意：日志可能包含敏感内容并增加磁盘占用
CHAT_LOG_ENABLED=false

# -------------------------------------------------------------------
# [管理面板]
# -------------------------------------------------------------------
# 用于登录VCP管理后台的用户名和密码，请务必修改为强密码。
AdminUsername=admin
AdminPassword=YOUR_COMPLEX_PASSWORD_SUCH_AS_sd1iLm1xqSLfiI

# 服务器内回调地址，主要用于插件执行完异步任务后通知主程序。
# 如果你在本地运行，"http://localhost:6005" 通常是正确的。
# 如果你将VCP部署在服务器上，需要将其中的 "localhost" 替换为你的服务器公网IP或域名。
CALLBACK_BASE_URL="http://localhost:6005/plugin-callback"

# -------------------------------------------------------------------
# [NewAPI 用量监控]
# -------------------------------------------------------------------
# 该配置用于 VCP 管理面板中的 NewAPI 请求/Token 用量监控接口。
# 只实现当前前端需要的 summary / trend / models 三个接口。
#
# 必填：NewAPI 后台地址
NEWAPI_MONITOR_BASE_URL=http://127.0.0.1:3000
#
# 可选：请求超时（毫秒）
NEWAPI_MONITOR_TIMEOUT_MS=15000
#
# 必填：NewAPI 系统访问令牌（在 NewAPI 个人设置 > 安全设置 > 系统访问令牌 中生成）
NEWAPI_MONITOR_ACCESS_TOKEN=
#
# 必填：NewAPI 管理员用户 ID（与生成令牌的用户对应）
NEWAPI_MONITOR_API_USER_ID=

# -------------------------------------------------------------------
# [模型路由]
# -------------------------------------------------------------------
# 白名单穿透模型：有些特殊的模型（如图像生成、嵌入）可能不需要经过VCP复杂的处理。
# 在这里列出的模型ID，请求将直接转发到后端AI服务，以提高效率。
WhitelistImageModel=gemini-2.0-flash-exp-image-generation
WhitelistEmbeddingModel=gemini-embedding-exp-03-07
WhitelistEmbeddingModelMaxToken=8000
WhitelistEmbeddingModelList=5

# -------------------------------------------------------------------
# [Agent 目录]
# -------------------------------------------------------------------
# AGENT_DIR_PATH: 指定存放 Agent 文件的根目录。
# 默认值: (VCP根目录)/Agent
# AGENT_DIR_PATH=./Agent

# -------------------------------------------------------------------
# [TVS 变量目录]
# -------------------------------------------------------------------
# TVSTXT_DIR_PATH: 指定存放 TVS 变量文件 (.txt) 的根目录。
# 默认值: (VCP根目录)/TVStxt
# TVSTXT_DIR_PATH=./TVStxt

# -------------------------------------------------------------------
# [知识库 (Knowledge Base) V2 - Powered by Vexus-Lite]
# -------------------------------------------------------------------
# 新一代知识库系统的核心配置，负责文件监听、向量化、索引和检索。

# --- 核心路径 ---
# KNOWLEDGEBASE_ROOT_PATH: 指定存放日记/文档的根目录。
# 默认值: (VCP根目录)/dailynote
# KNOWLEDGEBASE_ROOT_PATH=./dailynote

# KNOWLEDGEBASE_STORE_PATH: 指定存放向量索引文件 (.usearch) 和 SQLite 数据库的目录。
# 默认值: (VCP根目录)/VectorStore
# KNOWLEDGEBASE_STORE_PATH=./VectorStore

# --- 向量模型 ---
# VECTORDB_DIMENSION: 向量维度，必须与 [模型路由] 中配置的 WhitelistEmbeddingModel 严格匹配！
# google/gemini-embedding-001 -> 3072
# text-embedding-3-small -> 1536
# text-embedding-3-large -> 3072
VECTORDB_DIMENSION=3072

# --- 性能与行为 ---
# KNOWLEDGEBASE_FULL_SCAN_ON_STARTUP: 是否在VCP启动时对 KNOWLEDGEBASE_ROOT_PATH 下的所有文件进行一次全量扫描。
# 设置为 false 可以加快启动速度，但可能错过VCP离线期间的文件变更。
# 默认值: true
KNOWLEDGEBASE_FULL_SCAN_ON_STARTUP=true

# KNOWLEDGEBASE_MAX_BATCH_SIZE: 一次批量处理的最大文件数量。
# 当文件变更频繁时，调大此值可以合并更多操作，减少API调用。
# 默认值: 50
# KNOWLEDGEBASE_MAX_BATCH_SIZE=50

# KNOWLEDGEBASE_BATCH_WINDOW_MS: 文件变更后，等待多少毫秒才触发批处理。
# 用于合并短时间内的多次文件保存操作。
# 默认值: 2000 (2秒)
# KNOWLEDGEBASE_BATCH_WINDOW_MS=2000

# KNOWLEDGEBASE_INDEX_SAVE_DELAY: 日记正文索引在内存更新后，等待多少毫秒保存到磁盘。
# 默认值: 120000 (2分钟)
# KNOWLEDGEBASE_INDEX_SAVE_DELAY=120000

# KNOWLEDGEBASE_PERSIST_DEFAULT: 是否默认持久化日记/知识库的向量索引到磁盘 (.usearch 文件)。
# 设置为 false (推荐) 时，索引仅在内存中重建，消除大文件写入延迟并确保 100% 一致性。
KNOWLEDGEBASE_PERSIST_DEFAULT=false

# KNOWLEDGEBASE_PERSIST_FOLDERS: 强制开启持久化的文件夹白名单（用逗号分隔）。
# 适用于体积巨大（万级向量以上）且不常变动的冷数据知识库。
# 示例: TechnicalDocs,StaticWiki
KNOWLEDGEBASE_PERSIST_FOLDERS=MusicDiary,VCP桌面知识,VCP百科全书,VCP开发,VCP知识

# KNOWLEDGEBASE_PERSIST_TAG_INDEX: 是否持久化全局 Tag 索引到磁盘 (index_global_tags.usearch)。
# 为 false 时，该索引将在服务器启动时从 SQL 彻底重建，消除大文件写入 IO 压力（推荐）。
KNOWLEDGEBASE_PERSIST_TAG_INDEX=false

# 知识库索引空闲自动卸载：空闲超时时间（毫秒），默认 2 小时
KNOWLEDGEBASE_INDEX_IDLE_TTL_MS=7200000

# 知识库索引空闲扫描间隔（毫秒），默认 10 分钟
KNOWLEDGEBASE_INDEX_IDLE_SWEEP_MS=600000

# 流内记忆刷新器-VCPTool触发RAGMemo刷新机制开关。
RAGMemoRefresh=true

# --- 内容过滤规则 ---
# 以下规则用于决定哪些文件或文件夹应该被知识库忽略。

# IGNORE_FOLDERS: 要忽略的文件夹名称（日记本名称），用逗号分隔。
IGNORE_FOLDERS=VCP论坛

# IGNORE_PREFIXES: 要忽略的文件名前缀，用逗号分隔。
IGNORE_PREFIXES=已整理

# IGNORE_SUFFIXES: 要忽略的文件名后缀，用逗号分隔。
IGNORE_SUFFIXES=夜伽

# --- Tag 增强与过滤 (TagMemo) ---
# TAG_BLACKLIST: 在提取Tag时要忽略的Tag列表，用逗号分隔。
TAG_BLACKLIST=莱恩,莱恩主人,主人,小克,Nova,nova,NOVA,小吉,小闫,小雨,小娜,小冰,小绝,小芸

# TAG_BLACKLIST_SUPER: 在提取Tag后，从Tag中移除的关键词，用逗号分隔。
TAG_BLACKLIST_SUPER=莱恩,莱恩主人,主人,小克,Nova,nova,NOVA,小吉,小闫,小雨,小娜,小冰,小绝,小芸

# TAG_EXPAND_MAX_COUNT: 在进行Tag增强搜索时，最多扩展的相关Tag数量。
# 默认值: 30
TAG_EXPAND_MAX_COUNT=30

# --- 语言置信度补偿 (Language Confidence Gating) ---
# 用于压制非技术语境下的英文技术噪音（如 Get-EventLog）。
# LANG_CONFIDENCE_GATING_ENABLED: 是否启用语言置信度补偿。
# 默认值: true
LANG_CONFIDENCE_GATING_ENABLED=true

# LANG_PENALTY_UNKNOWN: 当 EPA 无法识别明确世界观（Unknown）时，对英文技术词汇的压制权重。
# 默认值: 0.05 (强烈压制)
LANG_PENALTY_UNKNOWN=0.05

# LANG_PENALTY_CROSS_DOMAIN: 当 EPA 识别出明确非技术世界观但召回了技术词汇时，对该词汇的压制权重。
# 默认值: 0.1
LANG_PENALTY_CROSS_DOMAIN=0.1


# -------------------------------------------------------------------
# [Agent配置] 定义你的AI角色
# -------------------------------------------------------------------
# 每个 "Agent" 都是一个具有特定角色和能力的AI。
# 你需要在这里为每个Agent指定一个配置文件（.txt格式）。
# 文件名是Agent的名字，等号后面是对应的配置文件路径（相对于 "Agent/" 目录）。
# 例如: AgentNova=Nova.txt 表示名为 "Nova" 的Agent使用 "Agent/Nova.txt" 文件进行配置。
# 你可以根据需要添加、删除或修改这些Agent。
# 现在已经不需要在此处配置Agent

# -------------------------------------------------------------------
# [系统提示词] 定制AI的核心行为
# -------------------------------------------------------------------
# 这些变量会被注入到发送给AI的系统提示词（System Prompt）中，从而影响AI的行为和回复风格。
# 你可以使用 {{变量名}} 的方式引用下面定义的其他变量。

# TarSysPrompt: 这是最核心的系统提示词之一，它会在每次对话开始时告诉AI一些基本信息。
TarSysPrompt="{{VarTimeNow}}当前地址是{{VarCity}},当前天气是{{VCPWeatherInfo}}。"
# TarEmojiPrompt: 注入到系统提示词中，指导AI如何使用表情包。
TarEmojiPrompt='本服务器支持表情包功能，通用表情包图床路径为{{VarHttpUrl}}:{{Port}}/pw={{Image_Key}}/images/通用表情包，注意[/通用表情包]路径指代，表情包列表为{{通用表情包}}，你可以灵活的在你的输出中插入表情包，调用方式为<img src="{{VarHttpUrl}}:{{Port}}/pw={{Image_Key}}/images/通用表情包/阿库娅-一脸智障.jpg" width="150">,使用Width参数来控制表情包尺寸（50-200）。
'

# TarEmojiList: VCPToolbox会自动根据"image/通用表情包"文件夹定义一个或多个表情包列表文件（.txt格式），AI会从中获取到可用的表情包。
TarEmojiList=通用表情包.txt
# 你可以在 "image/" 目录下创建新的表情包文件夹，并在这里放入图片文件。

# -------------------------------------------------------------------
# [插件与工具] 扩展AI的能力
# -------------------------------------------------------------------
# 这里定义了AI可以使用的各种工具（插件），以及如何调用它们的说明。

# --- 可用插件列表说明 ---
# 下面列出了所有可用的插件。您可以将它们的占位符复制到下面的 VarToolList 中来启用或禁用特定工具。
#
# [需要配置的插件]
# 以下插件需要您在下方 [插件API密钥] 或其他相应区域填写配置信息后才能使用。
# {{VCP1PanelInfoProvider}}: 1Panel 信息提供器
# {{VCPAgentAssistant}}: 多智能体协作插件 (需要用户根据 `plugin-manifest.json.example` 自行创建并配置 `plugin-manifest.json` 文件来定义可用的Agent)
# {{VCPArxivDailyPapers}}: Arxiv 每日论文
# {{VCPBilibiliFetch}}: Bilibili 内容获取
# {{VCPCrossRefDailyPapers}}: CrossRef 每日论文
# {{VCPDoubaoGen}}: 豆包图片生成
# {{VCPEmojiListGenerator}}: 表情包列表生成器
# {{VCPFluxGen}}: Flux 图片生成
# {{VCPFRPSInfoProvider}}: FRPS 设备信息提供器
# {{VCPImageProcessor}}: 图像信息提取器
# {{VCPImageServer}}: 图床服务
# {{VCPNovelAIGen}}: NovelAI 图片生成
# {{VCPRandomness}}: 随机事件生成器
# {{VCPSunoGen}}: Suno AI 音乐生成
# {{VCPSynapsePusher}}: VCP 日志 Synapse 推送器
# {{VCPTavilySearch}}: Tavily 搜索
# {{VCPUrlFetch}}: URL 内容获取
# {{VCPLog}}: VCP 日志推送
# {{VCPVideoGenerator}}: 视频生成器 (Wan2.1)
# {{VCPWeatherReporter}}: 天气预报员
#
# [开箱即用的插件]
# 以下插件无需额外配置即可直接使用。
# {{VCPAgentMessage}}: 代理消息推送
# {{VCPChromeControl}}: Chrome 浏览器控制器
# {{VCPChromeObserver}}: Chrome 浏览器观察者
# {{VCPDailyHot}}: 每日热榜
# {{VCPDailyNoteManager}}: 日记整理器
# {{VCPDailyNoteEditor}}: 日记内容编辑器
# {{VCPDailyNoteGet}}: 日记内容获取器
# {{VCPDailyNoteWrite}}: 日记写入器
# {{VCPSciCalculator}}: 科学计算器
# {{VCPTavern}}: 上下文注入器 (通过在系统提示词中添加 `{{VCPTavern::预设名}}` 来使用，无需在此处启用)

# VarToolList: 告诉AI当前可用的工具有哪些。
VarToolList=supertool.txt

# 梦工具指南: 定义ai做梦的能力范畴
VarDreamTool=dreamtool.txt

# VarVCPGuide: 指导AI如何正确地格式化工具调用请求。
VarVCPGuide='在有相关需求时主动合理调用VCP工具，例如——
<<<[TOOL_REQUEST]>>>
maid:「始」name「末」 //切记调用工具时加入署名，使得服务器可以记录VCP工具由谁发起，方便Log记录。
tool_name:「始」tool「末」
<<<[END_TOOL_REQUEST]>>>
'


# VarDailyNoteGuide: 指导AI如何使用日记功能来记录和更新长期记忆。
VarDailyNoteGuide=Dailynote.txt



**2. 写入指定日记本:**
使用 `[Tag]你的名字` 的格式，其中 `[Tag]` 是目标文件夹名称 (例如：`[公共]`是公共日记本的储存目录)。署名相对的变成Maid: [公共]Nova '

# VarFileTool: 专门为文件操作工具提供的说明。
VarFileTool=filetool.txt
VarForum=ToolForum.txt
VarMIDITranslator=MIDITranslator.txt
# -------------------------------------------------------------------
# [自定义变量] 注入个性化信息
# -------------------------------------------------------------------
# 这些变量允许你将各种动态信息和个人信息注入到系统提示词中。
# VCP会自动替换 {{Date}}, {{Today}}, {{Festival}}, {{Time}}, {{VCPWeatherInfo}} 等内置变量。

VarTimeNow="今天是{{Date}},{{Today}},{{Festival}}。现在是{{Time}}。"
VarSystemInfo="YOUR_SYSTEM_INFO_SUCH_AS_Windows_11_or_Ubuntu_22.04"
VarCity=YOUR_CITY_SUCH_AS_Beijing
VarUser='YOUR_USER_DESCRIPTION_SUCH_AS_Jack'
VarUserInfo="YOUR_USER_INFO_SUCH_AS_A_developer_who_loves_AI"
#VarUserDetailedInfo="A_more_detailed_description_of_the_user"
VarHome='YOUR_HOME_DESCRIPTION_SUCH_AS_My_sweet_home_Alabama'
VarTeam="团队里有这些专家Agent: 测试AI Nova；主题女仆Coco；记忆整理者MemoriaSorter。"

# Vchat客户端专用路径变量，用于动态指定Vchat或相关程序的根目录。
VarVchatPath="YOUR_VCHAT_PATH_SUCH_AS_D:\\VCPChat"

# Vchat客户端专用提示词。
# 用于教导Vchat中的agent输出规范和行为。
VarDivRender=DIVRendering.txt
VarRendering='当前Vchat客户端支持高级流式输出渲染器，支持HTML/Div元素/CSS/JS/MD/PY/Latex/Mermaid渲染。可用于输出图表，数据图，数学公式，函数图，网页渲染模块，脚本执行。简单表格可以通过MD,Mermaid输出，复杂表格可以通过div-Css或者draw-io(代码块)输出，div/Script类直接发送会在气泡内渲染，且支持完整的anmie.js与three.js语法动画。Py脚本需要添加```python头，来构建CodeBlock来让脚本可以在气泡内运行。
Vchat支持多种流式渲染器。
例如以<div id="vcp-root" style=xxx> …… </div>的完整气泡内容。
或者以html代码块输出一个悬浮窗(通常用于演示复杂交互元素，日常不需要):
```html
<!DOCTYPE html>
</html>
```
主流输出方式还是以<div气泡为主>
'

# 桌面提示词管理
VarDesktop=DesktopCore.txt

# 当前客户端写出和谐聊天气泡的指导方法：
VarAdaptiveBubbleTip='主题模式自适应气泡实现指南：

使用CSS变量实现亮暗模式自动切换的关键要素：

1. 基础结构：
<div style="
    background-color: var(--primary-bg);
    color: var(--primary-text);
    border: 1px solid var(--border-color);
    border-radius: 12px;
    padding: 20px;
">

2. 核心变量：
- var(--primary-bg) : 主背景色
- var(--secondary-bg) : 次要背景色
- var(--primary-text) : 主文字颜色
- var(--highlight-text) : 高亮文字颜色
- var(--border-color) : 边框颜色

3. 增强效果：
    backdrop-filter: blur(10px) saturate(120%);
    transition: all 0.3s ease-in-out;
    box-shadow: 0 4px 15px rgba(0,0,0,0.1);

4. 示例应用：
<h2 style="color: var(--highlight-text); border-bottom: 1px solid var(--border-color);">
    标题文字
</h2>
<p style="color: var(--primary-text);">内容文字</p>

关键优势：
- 自动适配亮色/暗色主题
- 无需JavaScript干预
- 平滑过渡动画
- 磨砂玻璃效果'



# VarHttpUrl: 你的VCP服务可以通过HTTP访问的地址。如果用了反向代理，这里写你的域名。
# VarHttpsUrl: 你的VCP服务可以通过HTTPS访问的地址。
# VarDdnsUrl: 如果你使用DDNS，这里填写你的DDNS地址。
VarHttpUrl=http://localhost
VarHttpsUrl=https://your-domain.com/
VarDdnsUrl=http://your-ddns-provider.com

# -------------------------------------------------------------------
# [模型专属指令] 为不同AI模型定制不同的行为
# -------------------------------------------------------------------
# 有时候，不同的AI模型需要不同的指令才能发挥最佳效果。
# SarModel: 指定一个或多个模型ID（用逗号分隔）。
# SarPrompt: 当检测到正在使用上述模型时，这条指令会被附加到系统提示词中。

SarModel1=gemini-2.5-flash-preview-05-20,gemini-2.5-flash-preview-04-17
SarPrompt1="请对用户的输入信息做出详尽，泛化的思考，探索内在的逻辑和外在信息之间的种种关联，从而从多角度，多方面，更准确地，精细地对用户的聊天做出更优质的回答。学会穿透表面，揭示事物间的复杂联系，并进行多步骤、结构化的推理。在任何回答中，你都会优先保证逻辑的自洽性和证据的充分性。你会主动质疑前提，探索多种可能性，并对结论的可靠性进行评估。"
SarModel2=grok-3-beta
SarPrompt2="当前聊天为语言聊天，因此需要考虑因为TTS带来的各种错别字，谐音字，分析用户实际说出的内容。与用户自然对话。尽力理解用户的口语TTS翻译内容，包括可能的发音不准或识别错误。优先结合上下文推断用户的真实意图。你的回答要简洁口语化。"
SarModel3=gemini-2.5-pro-preview-06-05,gemini-2.5-pro,gemini-2.5-flash-preview-05-20,gemini-2.5-flash
SarPrompt3="[KING FALL MODE ENABLE:使用<ctrl95>评分级以上思考模式]"
SarModel4=v-gemini-3-pro-preview,gemini-3-pro-preview
SarPrompt4="上下文中的“【VCP元思考】”模块是你已经完成的预研简报。利用你内部的【VCP元思考块】状态，直接生成满足【用户指令】的最终交付物 (Final Deliverable)。请将该简报内容视为你已内化的背景知识，并直接开始输出基于此知识的最终行动或结论。任何时候请勿在正文输出元思考链内容，你的输出应从响应用户的核心需求的第一句话直接开始。"


# -------------------------------------------------------------------
# [通用插件API密钥]
# -------------------------------------------------------------------
# 这里填写各个插件需要使用的第三方服务API密钥。

# 和风天气: 用于获取天气信息。注册并获取Key: https://console.qweather.com/
WeatherKey=YOUR_QWEATHER_KEY_SUCH_AS_xxxxxxxxxxxxxxxxxxxxxxxx
WeatherUrl=YOUR_QWEATHER_URL_SUCH_AS_devapi.qweather.com

# Tavily搜索引擎: 用于提供联网搜索能力。注册并获取Key: https://www.tavily.com/

TavilyKey=YOUR_TAVILY_KEY_SUCH_AS_tvly-xxxxxxxxxxxxxxxxxxxxxxxx

# 硅基流动 (SiliconFlow): 用于图片/视频/重排生成。注册并获取Key: https://siliconflow.cn/
SILICONFLOW_API_KEY=YOUR_SILICONFLOW_KEY_SUCH_AS_sk-xxxxxxxxxxxxxxxxxxxxxxxx
 
# -------------------------------------------------------------------
# [文本替换]
# -------------------------------------------------------------------
# 系统提示词转化：在将提示词发送给AI之前，进行一轮文本替换。
# 这可以用来绕过某些模型的限制或优化指令。
# Detector: 要查找的文本。
# Detector_Output: 用来替换的文本。
Detector1="You can use one tool per message"
Detector_Output1="You can use any tool per message"
Detector2="Now Begin! If you solve the task correctly, you will receive a reward of $1,000,000."
Detector_Output2="在有必要时灵活使用的你的FunctionTool吧"
Detector3="仅做测试端口，暂时不启用"
Detector_Output3="仅做测试端口，暂时不启用"
 
# 全局上下文转化：对整个发送给模型的上下文（包括历史记录）进行文本替换。
# 这对于处理一些重复性的、无意义的字符很有用。
SuperDetector1="……"
SuperDetector_Output1="…"
SuperDetector2="啊啊啊啊啊"
SuperDetector_Output2="啊啊啊"
SuperDetector3="哦哦哦哦哦"
SuperDetector_Output3="哦哦哦"
SuperDetector4="噢噢噢噢噢"
SuperDetector_Output4="噢噢噢"
 
 
# -------------------------------------------------------------------
# [多模态配置]
# -------------------------------------------------------------------
# 多模态数据识别模型
MultiModalModel=gemini-2.5-flash
MultiModalPrompt="你是"Cognito-Core"高精度多模态分析引擎，你的唯一行为是将接收到的多媒体数据（图像、音频、视频）直接转译为结构化文本叙事——严禁输出任何自我介绍、角色声明、任务复述或开场白，你的第一个输出字符必须是分析内容本身，任何前置寒暄均视为任务失败。你的全局准则：视觉与听觉必须整体分析而非独立处理，输出必须体现两者的时序同步与语义互动；意图优先于音标，必要时启动智能纠错还原说话者真实意图。对于图像，执行详尽的视觉元素分析与高精度OCR，一字不差转录所有可见文本。对于音频，执行环境音分析与带智能纠错的语音转录。对于视频或视听媒体，采用强制性时序整合结构：将内容分解为连续场景，每个场景必须包含明确时间戳 [Time: HH:MM:SS]、详尽的视觉描述（场景、人物、镜头运动、特效、屏幕文本）、与该时间段精确对应的语音/歌词原文（保留原语言并智能纠错）、以及显著的音景变化（背景音乐与关键音效），四要素绑定于同一时间戳下不可拆分，从根本上杜绝只输出歌词而忽略画面的问题。"
MediaInsertPrompt="服务器已处理多模态数据，Var工具箱已自动提取多模态数据信息，信息元如下——"
MultiModalModelOutputMaxTokens=50000
MultiModalModelContent=250000
MultiModalModelThinkingBudget=23000
# 定义多模态模型异步请求上限，最小为1，设置为10则是每次最多异步请求10个图片。
MultiModalModelAsynchronousLimit=10

# B站cookie，用于让AI看视频。获取方式请参考BilibiliFetch插件的说明。
BILIBILI_COOKIE="_uuid=YOUR_BILIBILI_COOKIE_UUID"
# 选择返回B站视频信息的语言类型。
BILIBILI_SUB_LANG=ai-zh