# ---------------------------------------------------------------------------
# Pastor Online — configuração
# Copie este arquivo para `.env` e ajuste os valores:
#   cp .env.example .env
# ---------------------------------------------------------------------------

# Porta do frontend no host (http://localhost:8080)
FRONTEND_PORT=8080

# ---------------------------------------------------------------------------
# Provedor de LLM: ollama | openai | groq | anthropic
# ---------------------------------------------------------------------------
LLM_PROVIDER=ollama

# --- Ollama (local, requer o profile "local": docker compose --profile local up) ---
# ATENÇÃO: se você tiver OLLAMA_BASE_URL exportada no shell, ela VENCE este
# arquivo na interpolação do compose. Confira o valor efetivo com:
#   docker compose --profile local config | grep OLLAMA_BASE_URL
# E o que está em uso com: GET /api/health -> llm_endpoint
# O adaptador usa a API nativa do Ollama (/api/chat): NÃO acrescente "/v1".
OLLAMA_BASE_URL=http://ollama:11434
OLLAMA_MODEL=qwen2.5:1.5b

# --- OpenAI ---
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o-mini
OPENAI_API_KEY=

# --- Groq (compatível com a API da OpenAI) ---
GROQ_BASE_URL=https://api.groq.com/openai/v1
GROQ_MODEL=llama-3.3-70b-versatile
GROQ_API_KEY=

# --- Anthropic ---
ANTHROPIC_BASE_URL=https://api.anthropic.com
ANTHROPIC_MODEL=claude-sonnet-4-5
ANTHROPIC_API_KEY=

# ---------------------------------------------------------------------------
# Embeddings (CPU)
# paraphrase-multilingual-MiniLM-L12-v2: multilíngue, ~470 MB
# all-MiniLM-L6-v2: menor e mais rápido, ~90 MB, apenas inglês
# ---------------------------------------------------------------------------
EMBEDDING_MODEL=paraphrase-multilingual-MiniLM-L12-v2

# ---------------------------------------------------------------------------
# Busca
# A recuperação é híbrida: similaridade vetorial + BM25 (com stemming), fundidos
# por posição (RRF).
#
# MIN_SIMILARITY é filtro de ruído do lado vetorial, NÃO um detector de assunto
# fora do tema. Medido no corpus completo: nenhum valor entre 0,30 e 0,50
# bloqueou uma pergunta off-topic ("como fazer um bolo de chocolate" bate 0,544
# em Levítico 7:14). Num corpus de 31 mil versículos sempre há algum acima de
# qualquer limiar; a recusa off-topic é instruída ao modelo no SYSTEM_PROMPT.
#
# MAX_KEYWORD_ONLY: posições da resposta que podem ser ocupadas por trechos que
# só o BM25 achou. A nota BM25 não separa acerto de ruído (Deuteronômio 28:27
# pontua 1,000 do topo para "como posso perdoar", e o correto Lucas 7:47 fica em
# 0,716), então o controle é por cota de posições. 0 desliga o lado lexical.
# ---------------------------------------------------------------------------
TOP_K=6
MIN_SIMILARITY=0.35
MAX_KEYWORD_ONLY=2

# ---------------------------------------------------------------------------
# Ingestão do corpus
# Diretório com os arquivos USFX (*.xml), montado somente-leitura em /data/corpus.
# INDEX_BATCH_SIZE: versículos gravados no banco vetorial por lote.
# CONTEXT_WINDOW: vizinhos indexados junto com cada versículo. Um versículo
# isolado é curto demais para o embedding captar o tema; a referência exibida
# continua sendo a do versículo central.
# ---------------------------------------------------------------------------
# CORPUS_DIR=/data/corpus
INDEX_BATCH_SIZE=512
CONTEXT_WINDOW=2

# ---------------------------------------------------------------------------
# API
# CORS_ORIGINS=http://localhost:8080,http://127.0.0.1:8080
# REINDEX_TOKEN=troque-por-um-segredo
# AUTO_INDEX=true
# ---------------------------------------------------------------------------
CORS_ORIGINS=http://localhost:8080,http://127.0.0.1:8080
REINDEX_TOKEN=
AUTO_INDEX=true