所有配置通过 .env 文件管理（也支持环境变量覆盖）。

cp .env.example .env

完整参数

# ── LLM ──
LLM_API_BASE=https://api.deepseek.com/v1
LLM_API_KEY=sk-xxx
LLM_MODEL=deepseek-chat

# ── Embedding ──
USE_LOCAL_EMBEDDING=false
EMBEDDING_API_BASE=https://api.deepseek.com/v1
EMBEDDING_API_KEY=sk-xxx
EMBEDDING_MODEL=text-embedding-3-small
LOCAL_EMBEDDING_MODEL=BAAI/bge-small-zh-v1.5    # CPU 可跑, ~100MB

# ── 检索器 ──
RETRIEVER_MODE=simple          # simple / multi_query
SIMILARITY_TOP_K=3
MULTI_QUERY_COUNT=3

# ── 多模态 ──
IMAGE_EMBEDDING_MODE=disabled  # disabled / clip / vlm_describe
CLIP_MODEL=openai/clip-vit-base-patch32
VLM_MODEL=                     # 为空时复用 LLM_MODEL
USE_MULTIMODAL_LLM=false       # 回答时是否传图给多模态 LLM
IMAGE_SIMILARITY_TOP_K=2

# ── 记忆 ──
MEMORY_TOKEN_LIMIT=30000
CHAT_HISTORY_TOKEN_RATIO=0.7

# ── Data Profile ──
DATA_PROFILE=default           # 切换知识库 profile

Data Profile

通过 DATA_PROFILE 切换不同的知识库。每个 profile 的数据和索引完全隔离：

DATA_PROFILE=default python main.py     # 默认 profile
DATA_PROFILE=2wiki python main.py       # 切换到 2wiki 数据集

对应的目录：

• 数据：data/profiles/{DATA_PROFILE}/
• 索引：storage/{DATA_PROFILE}/

多模态配置

配置项	说明
IMAGE_EMBEDDING_MODE	disabled（默认）/ clip / vlm_describe
CLIP_MODEL	CLIP 模型名（clip 模式使用）
VLM_MODEL	VLM 模型（vlm_describe 模式，为空时复用 LLM_MODEL）
USE_MULTIMODAL_LLM	回答时是否把检索到的图片传给多模态 LLM
IMAGE_SIMILARITY_TOP_K	图片检索返回数量（clip 模式）

clip 模式需要安装 llama-index-embeddings-clip，vlm_describe 模式需要安装 llama-index-multi-modal-llms-openai。

工作原理

DataMind 使用 Pydantic Settings 加载配置：

1. 读取 .env 文件
2. 环境变量会覆盖 .env 中的值
3. 未设置的变量使用内置默认值

临时覆盖：

LLM_MODEL=gpt-4o RETRIEVER_MODE=multi_query python main.py

路径

属性	默认值	说明
data_dir	data/profiles/{DATA_PROFILE}/	Profile 级数据目录
storage_dir	storage/{DATA_PROFILE}/	索引持久化目录
skills_dir	data/skills/	技能文档（跨 profile 共享）
bench_dir	data/bench/	问题集（跨 profile 共享）