mentor-skill/config.yaml.example at main · SonicBotMan/mentor-skill · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
# mentor-skill 配置文件示例
#
# 使用方式：
#   1. 复制此文件为 config.yaml：  cp config.yaml.example config.yaml
#   2. 填入你的配置值
#   3. 也可通过 CLI 动态设置：  mentor config --set llm.api_key YOUR_KEY
#
# 配置文件搜索顺序：
#   1. 命令行 --config 指定路径
#   2. 当前目录 config.yaml / config.yml
#   3. ~/.mentor-skill/config.yaml（全局配置）
#
# 最小化配置：只需填 llm.api_key 和 llm.model 即可运行蒸馏

# ─────────────────────────────────────────────
#  项目配置
# ─────────────────────────────────────────────
project:
  # 默认导师名称（可在各命令的 --persona 参数中覆盖）
  name: my-mentor

  # 初始化模板类型：product（产品）/ tech（技术）/ academic（学术）
  template: product

  # 原始采集数据的存储目录（每个导师一个子目录）
  data_dir: .mentor/data

  # 生成的 Skill 文件输出目录
  output_dir: .mentor/output

  # Persona JSON 文件的存储目录
  persona_dir: .mentor/personas


# ─────────────────────────────────────────────
#  LLM 配置（必填）
# ─────────────────────────────────────────────
llm:
  # 模型名称，支持以下选项：
  #   智谱 GLM：  glm-4-flash（免费）/ glm-4（付费）
  #   DeepSeek：  deepseek-chat
  #   Qwen：      qwen-turbo / qwen-plus / qwen-max
  #   MiniMax：   abab6.5s-chat
  #   OpenAI：    gpt-4o-mini / gpt-4o
  #   Anthropic： claude-3-haiku-20240307 / claude-3-5-sonnet-20241022
  #   Ollama：    ollama/llama3（本地部署）
  model: glm-4-flash

  # API Key（必填）
  # 推荐使用环境变量而非明文写入：export MENTOR_LLM_API_KEY=xxx
  api_key: ""

  # API Base URL（可选，OpenAI 和 Anthropic 不需要填）
  # 智谱 GLM：  https://open.bigmodel.cn/api/paas/v4/
  # DeepSeek：  https://api.deepseek.com/v1
  # Qwen：      https://dashscope.aliyuncs.com/compatible-mode/v1
  # MiniMax：   https://api.minimax.chat/v1
  # Ollama：    http://localhost:11434
  api_base: "https://open.bigmodel.cn/api/paas/v4/"

  # 生成温度（0.0-1.0）
  # 蒸馏建议使用 0.3-0.5，较低温度保证输出稳定
  temperature: 0.3

  # 单次最大输出 token 数
  # 蒸馏任务建议 4096 以上，对话测试可以低一些
  max_tokens: 4096

  # 请求超时（秒）
  # 网络不佳时适当调高，建议不低于 60
  timeout: 120


# ─────────────────────────────────────────────
#  飞书配置（可选，需要采集飞书数据时填写）
# ─────────────────────────────────────────────
feishu:
  # 飞书开放平台 App ID
  # 创建地址：https://open.feishu.cn/app → 企业自建应用
  app_id: ""

  # 飞书开放平台 App Secret
  app_secret: ""

  # User Access Token（可选，采集私聊消息时需要）
  # 获取方式：飞书开放平台 → OAuth2.0 授权流程
  user_access_token: ""

  # 私聊 Chat ID（可选，指定要采集的私聊对话）
  # 获取方式：mentor collect --source feishu --name "王老师" 时会输出
  p2p_chat_id: ""


# ─────────────────────────────────────────────
#  钉钉配置（可选，需要采集钉钉数据时填写）
# ─────────────────────────────────────────────
dingtalk:
  # 钉钉开放平台 App Key
  # 创建地址：https://open.dingtalk.com/ → 应用管理
  app_key: ""

  # 钉钉开放平台 App Secret
  app_secret: ""

  # Chrome 用户数据目录（可选，用于复用本地登录 Session，避免每次扫码）
  # macOS 默认：~/Library/Application Support/Google/Chrome/Default
  # Windows：   C:\Users\用户名\AppData\Local\Google\Chrome\User Data\Default
  # 设置后会直接复用已登录的 Chrome，无需重新扫码
  chrome_profile: null


# ─────────────────────────────────────────────
#  采集行为配置（可选）
# ─────────────────────────────────────────────
collect:
  # 最多采集消息条数（超出时截断最早的消息）
  msg_limit: 1000

  # 最多采集文档数量
  doc_limit: 30


# ─────────────────────────────────────────────
#  数据分析配置（可选）
# ─────────────────────────────────────────────
analyze:
  # 消息最短有效长度（低于此值视为无效消息，如"好"、"嗯"）
  min_message_length: 10

  # 高价值消息最短长度（用于质量评分，通常是包含分析和建议的长消息）
  high_value_min_length: 50

  # 对话提取的上下文窗口（提问前后各看 N 条消息）
  context_window: 5

  # 对话分割时间间隔（分钟），超过此间隔认为是新对话
  gap_minutes: 30