config.yaml.example

# Skill Evaluator LLM Configuration
# 复制此文件为 config.yaml 并填入你的配置

llm:
  # API 密钥（必填）
  api_key: "your-api-key-here"
  
  # API 基础 URL（必填）
  # 示例：
  #   DashScope: https://dashscope.aliyuncs.com/compatible-mode/v1
  #   OpenAI: https://api.openai.com/v1
  #   本地 Ollama: http://localhost:11434/v1
  base_url: "https://dashscope.aliyuncs.com/compatible-mode/v1"
  
  # 模型名称（必填）
  model: "qwen-plus"
  
  # 可选参数
  timeout: 300         # API 调用超时（秒）；慢速推理模型建议调高
  temperature: 0.0     # 温度（0-1）；评分任务建议 0，保证结果可复现

limits:
  # ── Token 预算（防止静默超出上下文窗口）──
  # 模型输入上限（token 数）
  context_window: 128000
  # 为模型响应预留的 token 数
  max_response_tokens: 4000
  # 安全边界（0-1 的小数），预留缓冲以吸收 token 估算误差
  safety_margin: 0.15
  # 是否启用分批（false = 单次发送，仅调试用）
  batch_enabled: true

  # ── Phase 1 定位开关（可选）──
  # 文档 token 数低于 min(ratio × input_budget, cap) 时跳过 Phase 1（全文直评）。
  # ratio = 0 强制永远启用 Phase 1；cap 防大 context 模型下全文过长注意力衰减
  localize_token_ratio: 0.40
  localize_token_cap: 24000