pv-agent/agent/config.py

"""Konfiguration des PV RAG Agent (alle Werte per Umgebungsvariable übersteuerbar)."""
from __future__ import annotations

import os
from dataclasses import dataclass


def _env_str(name: str, default: str) -> str:
    v = os.environ.get(name)
    return v if v not in (None, "") else default


def _env_int(name: str, default: int) -> int:
    try:
        return int(os.environ.get(name, default))
    except (TypeError, ValueError):
        return default


def _env_float(name: str, default: float) -> float:
    try:
        return float(os.environ.get(name, default))
    except (TypeError, ValueError):
        return default


def _env_bool(name: str, default: bool) -> bool:
    v = os.environ.get(name)
    if v is None:
        return default
    return v.strip().lower() in ("1", "true", "yes", "on")


@dataclass
class Config:
    # Pfade (relativ zum Repo-Root, sofern nicht absolut)
    kb_dir: str = "wissensbasis"
    db_path: str = "data/index.db"

    # Ollama — Ziel-Instanz ist die Remote-GPU-Maschine im Tailscale-Netz
    # (Entwicklungsumgebung, Radeon AI Pro R9700). Nicht auf localhost bzw.
    # Port 11434 "korrigieren" — 11434 ist ggf. ein lokaler Ollama auf der
    # Dev-Maschine, nicht die Ziel-Instanz.
    ollama_url: str = "http://100.103.83.12:11435"
    embed_model: str = "bge-m3"
    answer_model: str = "qwen3.8:27b"  # provisorisch bis Bake-off (M3)

    # Generierung
    temperature: float = 0.1
    num_ctx: int = 32768   # qwen3.8: 256k-faehig; 16k trunciert lange KV-Prompts
                           # (KV-Cache @32k ~6-8 GB -> gesamt ~21 GB, Budget ok)
    max_context_chars: int = 90_000  # Budget fuer User-Content; niedrig gerankte
                                     # Bloecke werden weggelassen statt trunciert
    num_predict: int = 1024
    think: bool = False  # Thinking per Request abschalten (Latenz)
    chat_timeout_s: float = 300.0
    embed_timeout_s: float = 240.0

    # Retrieval
    embed_off: bool = False            # True = BM25-only (ohne Dense-Index/-Suche)
    candidate_pool: int = 150          # Kandidaten je Liste vor der Fusion
                                       # (KV/RIS-Erweiterung: Longtail-Spezialisten
                                       # liegen sonst außerhalb der Kandidatur)
    context_blocks: int = 8            # Kontext-Blöcke im Prompt
    cross_ref_expand: int = 6          # Top-Eintraege, deren cross_refs ergaenzt
                                       # (KV/RIS-Erweiterung: die Top-3 sind oft
                                       # Branchen-KV-Bloecke mit leeren cross_refs —
                                       # kuratierte Nachbarn kommen sonst nie nach)
    cross_ref_max_extra: int = 6       # Obergrenze der Ergänzungen
    rrf_k: int = 20                    # RRF-Konstante (erweiterter Korpus: Top-Ränge
                                       # müssen dominanter zählen)
    dense_weight: float = 2.0          # RRF-Gewicht der Dense-Liste relativ zu BM25
                                       # (BM25 ist durch KV-§-Titel-Matches inflationiert)
    recency_boost: float = 0.005       # additiv auf RRF-Score, gewichtet nach Stand

    # Query-Planer (Stufe 1, M6): komplexe Fragen -> 1-3 Sub-Queries
    planner_enabled: bool = True       # Heuristik-Gate entscheidet je Frage
    planner_max_queries: int = 3
    planner_num_predict: int = 220
    planner_model: str = ""            # leer = Antwortmodell
    per_query_slots: int = 2          # Multi-Query: garantierte Kontext-Slots
                                       # je Sub-Query (Multi-Hop-Abdeckung)
    temporal_boost: float = 0.0        # Bonus fuer kv-Eintraege im gefragten
                                       # Geltungsjahr (0 = nur FTS-Tag-Signal)

    # Service
    port: int = 8080

    @classmethod
    def from_env(cls) -> "Config":
        d = cls()
        return cls(
            kb_dir=_env_str("PV_KB_DIR", d.kb_dir),
            db_path=_env_str("PV_DB_PATH", d.db_path),
            ollama_url=_env_str("OLLAMA_URL", d.ollama_url),
            embed_model=_env_str("PV_EMBED_MODEL", d.embed_model),
            answer_model=_env_str("PV_ANSWER_MODEL", d.answer_model),
            temperature=_env_float("PV_TEMPERATURE", d.temperature),
            num_ctx=_env_int("PV_NUM_CTX", d.num_ctx),
            max_context_chars=_env_int("PV_MAX_CONTEXT_CHARS", d.max_context_chars),
            num_predict=_env_int("PV_NUM_PREDICT", d.num_predict),
            think=_env_bool("PV_THINK", d.think),
            chat_timeout_s=_env_float("PV_CHAT_TIMEOUT_S", d.chat_timeout_s),
            embed_timeout_s=_env_float("PV_EMBED_TIMEOUT_S", d.embed_timeout_s),
            embed_off=_env_bool("PV_EMBED_OFF", d.embed_off),
            candidate_pool=_env_int("PV_CANDIDATE_POOL", d.candidate_pool),
            context_blocks=_env_int("PV_CONTEXT_BLOCKS", d.context_blocks),
            cross_ref_expand=_env_int("PV_CROSS_REF_EXPAND", d.cross_ref_expand),
            cross_ref_max_extra=_env_int("PV_CROSS_REF_MAX_EXTRA", d.cross_ref_max_extra),
            rrf_k=_env_int("PV_RRF_K", d.rrf_k),
            dense_weight=_env_float("PV_DENSE_WEIGHT", d.dense_weight),
            recency_boost=_env_float("PV_RECENCY_BOOST", d.recency_boost),
            planner_enabled=_env_bool("PV_QUERY_PLANNER", d.planner_enabled),
            planner_max_queries=_env_int("PV_PLANNER_MAX_QUERIES", d.planner_max_queries),
            planner_num_predict=_env_int("PV_PLANNER_NUM_PREDICT", d.planner_num_predict),
            planner_model=_env_str("PV_PLANNER_MODEL", d.planner_model),
            per_query_slots=_env_int("PV_PER_QUERY_SLOTS", d.per_query_slots),
            temporal_boost=_env_float("PV_TEMPORAL_BOOST", d.temporal_boost),
            port=_env_int("PV_PORT", d.port),
        )