omp
2043d5ddcf
- corpus/: Almeida (João Ferreira de Almeida) em USFX, domínio público, 66 livros / 1189 capítulos / 31098 versículos, versionado com SHA-256 - app/corpus.py: parser USFX (texto no tail de <v/>), nomes canônicos dos livros, aliases (abreviaturas e numerais romanos), VerseChunk sem página - indexer: descobre *.xml em CORPUS_DIR, progresso em versículos, lote configurável, manifesto incremental por SHA-256 - remove extraction.py, parallel.py, bible_parser.py, Tesseract e PyMuPDF - campo page removido de Source/SearchResult/StatusResponse e do frontend - embedder: propriedade name; status reporta o embedder em uso, não o do .env - create_app constrói o embedder ANTES do store (o default HashEmbedder do VectorStore impedia o modelo configurado de ser carregado em produção) - fallback do modelo agora aparece em /api/status.errors - torch 2.6.0 + transformers 5.22.1 pinados (transformers 5.x exige torch>=2.6)
64 lines
2.3 KiB
Bash
64 lines
2.3 KiB
Bash
# ---------------------------------------------------------------------------
|
|
# 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) ---
|
|
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
|
|
# ---------------------------------------------------------------------------
|
|
TOP_K=6
|
|
MIN_SIMILARITY=0.35
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# Ingestão do corpus
|
|
# Diretório com os arquivos USFX (*.xml), montado somente-leitura em /data/corpus.
|
|
# Tamanho do lote gravado no banco vetorial por vez.
|
|
# ---------------------------------------------------------------------------
|
|
# CORPUS_DIR=/data/corpus
|
|
INDEX_BATCH_SIZE=512
|
|
|
|
# ---------------------------------------------------------------------------
|
|
# 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
|