.env

# ─── Shared ───────────────────────────────────────────────────────────────────
OLLAMA_BASE_URL=http://ollama:11434
QDRANT_URL=http://qdrant:6333
RAG_API_URL=http://rag-api:8090
RAG_TOP_K=4
TZ=Asia/Ho_Chi_Minh

# ─── Ollama ───────────────────────────────────────────────────────────────────
OLLAMA_HOST=0.0.0.0
OLLAMA_ORIGINS=http://localhost,https://localhost,http://127.0.0.1,https://127.0.0.1,http://0.0.0.0,https://0.0.0.0
OLLAMA_KEEP_ALIVE=5m
# OLLAMA_NUM_PARALLEL và OLLAMA_REQUEST_TIMEOUT được khai báo trong option model đang dùng.

# ─── RAG API ──────────────────────────────────────────────────────────────────
RAG_LOG_LEVEL=INFO
RAW_DATA_DIR=/data/raw
COLLECTION_NAME=yan_raw_docs
CHUNK_SIZE=1000
CHUNK_OVERLAP=150
UPSERT_BATCH_SIZE=32
INGEST_EMBED_WORKERS=2

# ─── Open WebUI ───────────────────────────────────────────────────────────────
OPEN_WEBUI_PORT=8085
WEBUI_AUTH=false
WEBUI_NAME="YAN AI"
VECTOR_DB=qdrant
QDRANT_PREFER_GRPC=false
ENABLE_QDRANT_MULTITENANCY_MODE=true
QDRANT_COLLECTION_PREFIX=yan-ai
RAG_EMBEDDING_ENGINE=ollama

# ─── Watchtower ───────────────────────────────────────────────────────────────
WATCHTOWER_HTTP_API_TOKEN="d34d033538a97a1e8a51cedbb3dc992d"
WATCHTOWER_CLEANUP=true
WATCHTOWER_INCLUDE_STOPPED=false
WATCHTOWER_TIMEOUT=30s
# D1: trước đây chạy mỗi phút (0 * * * * *) → auto-pull/recreate liên tục, dễ roll
# stack bất ngờ khi image upstream đổi. Đổi sang 04:00 hằng ngày. Cron 6 trường của
# watchtower là: giây phút giờ ngày tháng thứ. Đặt rỗng để tắt auto-update.
WATCHTOWER_SCHEDULE=0 0 4 * * *
WATCHTOWER_HTTP_API_METRICS=true

# ─── Deunhealth ───────────────────────────────────────────────────────────────
DEUNHEALTH_LOG_LEVEL=info
HEALTH_SERVER_ADDRESS=127.0.0.1:9999

# ─── Neo4j ────────────────────────────────────────────────────────────────────
NEO4J_URI=bolt://neo4j:7687
NEO4J_USERNAME=neo4j
NEO4J_PASSWORD=changeme_in_production
NEO4J_DATABASE=neo4j

# ─── Graph RAG ────────────────────────────────────────────────────────────────
GRAPH_ENABLED=true
GRAPH_ENTITY_EXTRACTION=false

# ─── Model cho RAG và 15 SDLC Agent ──────────────────────────────────────────
# Rà soát theo catalog Ollama ngày 21/06/2026. Chọn đúng MỘT option phần cứng:
# chỉ bỏ comment một block và comment toàn bộ block đang dùng.
#
# Tiêu chí chọn model theo luồng thực tế của source:
#   • BA/PM/SA/TA/DA/Tester/Clarifier/CHAT cần reasoning, bám system prompt dài,
#     đối chiếu chéo nhiều artifact và tạo Markdown có cấu trúc.
#   • FE/Mobile/BE/DBA/TL/TechLead/DevSecOps cần coding chính xác. Workflow sinh
#     từng file độc lập, nên ưu tiên model chuyên SWE hơn model chat tổng quát.
#   • CODING_PLANNER chỉ có tối đa 8K context và phải trả JSON parse được; Granite
#     4.1 được Ollama công bố hỗ trợ structured JSON nên ổn định hơn model reasoning.
#   • Designer hiện chỉ nhận text, không nhận ảnh; Gemma 4 được dùng vì reasoning,
#     coding/front-end và chất lượng đặc tả đa phương thức, không phải vì vision input.
#   • Qwen3 Embedding hỗ trợ 100+ ngôn ngữ và code retrieval. Bản 8B đứng đầu
#     MTEB multilingual theo công bố trên trang Ollama; LOW dùng 0.6B để tiết kiệm RAM.
#
# Model local được chọn (kích thước Q4 mặc định trên Ollama):
#   qwen3.5:9b                  ~6.6 GB  — model tổng quát tốt cho máy CPU nhỏ.
#   qwen3.6:27b / :35b         ~17/24 GB — reasoning + agentic coding, 256K context.
#   north-mini-code-1.0:q4_K_M ~19 GB   — 30B-A3B, chuyên agentic software engineering.
#   gemma4:12b / :31b          ~7.6/20 GB — reasoning, coding và UI/UX specification.
#   granite4.1:3b / :8b        ~2.1/5.3 GB — instruction following + structured JSON.
#   mistral-medium-3.5:128b    ~80 GB   — unified reasoning/instruction/coding cao nhất
#                                          trong tier ULTRA local của ma trận này.
#   qwen3-embedding:0.6b / :8b ~0.64/4.7 GB — embedding đa ngôn ngữ + code retrieval.
#
# Không chọn các model mới nhưng cloud-only (glm-5.2, kimi-k2.7-code, minimax-m3,
# deepseek-v4-pro/flash) vì repo cam kết chạy offline. Không chọn glm-4.7-flash dù
# có local weights vì trang Ollama hiện yêu cầu Ollama 0.14.3 pre-release.
#
# Workflow chạy tuần tự nghiêm ngặt, vì vậy OLLAMA_NUM_PARALLEL=1 cho cả 5 tier.
# Ollama nhân bộ nhớ context theo NUM_PARALLEL; tăng giá trị này không làm một workflow
# nhanh hơn và có thể gây OOM. MAX_LOADED_MODELS chỉ là trần, Ollama vẫn tự queue/evict
# khi model mới không còn đủ RAM/VRAM.
#
# Sau khi đổi option:
#   • Model agent/chat/planner: restart agent-api và rag-api.
#   • OLLAMA_*: restart container ollama.
#   • EMBEDDING_MODEL: POST /reset-ingest để tạo lại toàn bộ vector index.
#   • Pull tất cả tag trong block trước khi chạy; kiểm tra bằng GET /agents và /health.
#
# ┌──────────────────────────────┬──────────────────┬──────────────────┬──────────────────┬──────────────────────┬──────────────────┐
# │                              │ LOW              │ MEDIUM           │ HIGH             │ ULTRA                │ BALANCED         │
# ├──────────────────────────────┼──────────────────┼──────────────────┼──────────────────┼──────────────────────┼──────────────────┤
# │ Máy / AWS                    │ t3.2xlarge       │ m7i.12xlarge     │ g6e.2xlarge      │ g6e.12xlarge         │ PC local         │
# │ CPU / RAM                    │ 8c / 32 GB       │ 48c / 192 GB     │ 8c / 64 GB       │ 48c / 384 GB         │ 10c / 128 GB     │
# │ VRAM                         │ CPU only         │ 3 GB, dùng CPU   │ 48 GB L40S       │ 192 GB, 4x L40S      │ 12 GB            │
# │ MAX_LOADED_MODELS            │ 3                │ 5                │ 1                │ 3                    │ 1                │
# │ CONTEXT_LENGTH               │ 8192             │ 32768            │ 32768            │ 65536                │ 16384            │
# │ Reasoning / QA / Clarifier   │ qwen3.5:9b       │ qwen3.6:35b      │ qwen3.6:35b      │ mistral-medium-3.5   │ qwen3.6:27b      │
# │ Coding / TL / TechLead       │ qwen3.5:9b       │ north-mini-code  │ north-mini-code  │ mistral-medium-3.5   │ north-mini-code  │
# │ Designer                     │ qwen3.5:9b       │ gemma4:31b       │ gemma4:31b       │ mistral-medium-3.5   │ gemma4:12b       │
# │ Planner JSON                 │ granite4.1:3b    │ granite4.1:8b    │ granite4.1:8b    │ granite4.1:8b        │ granite4.1:8b    │
# │ Embedding                    │ qwen3-emb:0.6b   │ qwen3-emb:8b     │ qwen3-emb:8b     │ qwen3-emb:8b         │ qwen3-emb:8b     │
# │ Tổng weights giữ tối đa      │ ~9.4 GB          │ ~73 GB           │ ~24 GB/lần       │ ~90 GB               │ ~19 GB/lần       │
# └──────────────────────────────┴──────────────────┴──────────────────┴──────────────────┴──────────────────────┴──────────────────┘

# ── Option 1 · LOW · CPU only · t3.2xlarge · 8 cores · 32 GB RAM ──────────────
# Một model 9B đảm nhiệm mọi role để giảm reload và giữ chất lượng nhất quán.
# Qwen3.5:9b mạnh hơn các model 3B/4B nhưng toàn bộ ba model vẫn chỉ ~9.4 GB weights.
# T3 là burstable: phù hợp demo/thử nghiệm, không phù hợp workflow dài liên tục.
# OLLAMA_MAX_LOADED_MODELS=3
# OLLAMA_NUM_PARALLEL=1
# OLLAMA_CONTEXT_LENGTH=8192
# OLLAMA_REQUEST_TIMEOUT=1800
# RAG_TIMEOUT=1200
# CHAT_MODEL=qwen3.5:9b
# EMBEDDING_MODEL=qwen3-embedding:0.6b
# CODING_PLANNER_MODEL=granite4.1:3b
# BA_MODEL=qwen3.5:9b
# PM_MODEL=qwen3.5:9b
# SA_MODEL=qwen3.5:9b
# TA_MODEL=qwen3.5:9b
# DESIGNER_MODEL=qwen3.5:9b
# FE_MODEL=qwen3.5:9b
# MOBILE_MODEL=qwen3.5:9b
# BE_MODEL=qwen3.5:9b
# DBA_MODEL=qwen3.5:9b
# DA_MODEL=qwen3.5:9b
# TL_MODEL=qwen3.5:9b
# TECH_LEAD_MODEL=qwen3.5:9b
# TESTER_MODEL=qwen3.5:9b
# DEVSECOPS_MODEL=qwen3.5:9b
# CLARIFIER_MODEL=qwen3.5:9b

# ── Option 2 · MEDIUM · CPU heavy · m7i.12xlarge · 48 cores · 192 GB RAM ─────
# Qwen3.6 và North Mini Code đều là MoE chỉ kích hoạt khoảng 3B tham số/token,
# phù hợp CPU hơn model dense 80–128B. 192 GB RAM đủ giữ cả 5 model (~73 GB weights),
# giảm mạnh thời gian reload. Output dài vẫn có thể chậm nên timeout là 3600 giây.
# OLLAMA_MAX_LOADED_MODELS=5
# OLLAMA_NUM_PARALLEL=1
# OLLAMA_CONTEXT_LENGTH=32768
# OLLAMA_REQUEST_TIMEOUT=3600
# RAG_TIMEOUT=3600
# CHAT_MODEL=qwen3.6:35b
# EMBEDDING_MODEL=qwen3-embedding:8b
# CODING_PLANNER_MODEL=granite4.1:8b
# BA_MODEL=qwen3.6:35b
# PM_MODEL=qwen3.6:35b
# SA_MODEL=qwen3.6:35b
# TA_MODEL=qwen3.6:35b
# DESIGNER_MODEL=gemma4:31b
# FE_MODEL=north-mini-code-1.0:q4_K_M
# MOBILE_MODEL=north-mini-code-1.0:q4_K_M
# BE_MODEL=north-mini-code-1.0:q4_K_M
# DBA_MODEL=north-mini-code-1.0:q4_K_M
# DA_MODEL=qwen3.6:35b
# TL_MODEL=north-mini-code-1.0:q4_K_M
# TECH_LEAD_MODEL=north-mini-code-1.0:q4_K_M
# TESTER_MODEL=qwen3.6:35b
# DEVSECOPS_MODEL=north-mini-code-1.0:q4_K_M
# CLARIFIER_MODEL=qwen3.6:35b

# ── Option 3 · HIGH · GPU · g6e.2xlarge · 8 cores · 64 GB RAM · 48 GB VRAM ───
# Đang active. Mỗi model đều fit hoàn toàn trong 48 GB VRAM ở context 32K, nhưng
# qwen3.6:35b + north-mini-code + KV cache không có dư địa an toàn để giữ đồng thời.
MAX_LOADED_MODELS=1 ưu tiên ổn định/chất lượng; đổi model chậm hơn nhưng tránh OOM.
OLLAMA_MAX_LOADED_MODELS=1
OLLAMA_NUM_PARALLEL=1
OLLAMA_CONTEXT_LENGTH=32768
OLLAMA_REQUEST_TIMEOUT=1200
RAG_TIMEOUT=900
CHAT_MODEL=qwen3.6:35b
EMBEDDING_MODEL=qwen3-embedding:8b
CODING_PLANNER_MODEL=granite4.1:8b
BA_MODEL=qwen3.6:35b
PM_MODEL=qwen3.6:35b
SA_MODEL=qwen3.6:35b
TA_MODEL=qwen3.6:35b
DESIGNER_MODEL=gemma4:31b
FE_MODEL=north-mini-code-1.0:q4_K_M
MOBILE_MODEL=north-mini-code-1.0:q4_K_M
BE_MODEL=north-mini-code-1.0:q4_K_M
DBA_MODEL=north-mini-code-1.0:q4_K_M
DA_MODEL=qwen3.6:35b
TL_MODEL=north-mini-code-1.0:q4_K_M
TECH_LEAD_MODEL=north-mini-code-1.0:q4_K_M
TESTER_MODEL=qwen3.6:35b
DEVSECOPS_MODEL=north-mini-code-1.0:q4_K_M
CLARIFIER_MODEL=qwen3.6:35b

# ── Option 4 · ULTRA · GPU · g6e.12xlarge · 48c · 384 GB RAM · 192 GB VRAM ───
# Mistral Medium 3.5 128B là model dense ~80 GB, mạnh đồng thời ở instruction,
# reasoning, coding, vision và JSON. Dùng cùng model cho tất cả role chính giúp giữ
# logic xuyên suốt 15 bước; Granite vẫn phụ trách planner JSON để parse chắc chắn.
# NUM_PARALLEL=1 vì một workflow không có nhánh song song và context 64K rất tốn KV.
# OLLAMA_MAX_LOADED_MODELS=3
# OLLAMA_NUM_PARALLEL=1
# OLLAMA_CONTEXT_LENGTH=65536
# OLLAMA_REQUEST_TIMEOUT=1200
# RAG_TIMEOUT=900
# CHAT_MODEL=mistral-medium-3.5:128b
# EMBEDDING_MODEL=qwen3-embedding:8b
# CODING_PLANNER_MODEL=granite4.1:8b
# BA_MODEL=mistral-medium-3.5:128b
# PM_MODEL=mistral-medium-3.5:128b
# SA_MODEL=mistral-medium-3.5:128b
# TA_MODEL=mistral-medium-3.5:128b
# DESIGNER_MODEL=mistral-medium-3.5:128b
# FE_MODEL=mistral-medium-3.5:128b
# MOBILE_MODEL=mistral-medium-3.5:128b
# BE_MODEL=mistral-medium-3.5:128b
# DBA_MODEL=mistral-medium-3.5:128b
# DA_MODEL=mistral-medium-3.5:128b
# TL_MODEL=mistral-medium-3.5:128b
# TECH_LEAD_MODEL=mistral-medium-3.5:128b
# TESTER_MODEL=mistral-medium-3.5:128b
# DEVSECOPS_MODEL=mistral-medium-3.5:128b
# CLARIFIER_MODEL=mistral-medium-3.5:128b

# ── Option 5 · BALANCED · PC local · 10c · 128 GB RAM · 12 GB VRAM ───────────
# Ưu tiên chất lượng: Qwen3.6:27b (~17 GB) và North Mini Code (~19 GB) được offload
# một phần sang RAM; chậm hơn model 9B/12B nhưng output tốt hơn cho prompt dài và code.
# Gemma4:12b (~7.6 GB) dành riêng Designer và fit hoàn toàn trong 12 GB VRAM.
# MAX_LOADED_MODELS=1 để không tranh VRAM. Nếu quá chậm, fallback hợp lý là
# qwen3.5:9b cho reasoning và coding; nếu OOM, giảm CONTEXT_LENGTH xuống 8192.
# OLLAMA_MAX_LOADED_MODELS=1
# OLLAMA_NUM_PARALLEL=1
# OLLAMA_CONTEXT_LENGTH=16384
# OLLAMA_REQUEST_TIMEOUT=2400
# RAG_TIMEOUT=1800
# CHAT_MODEL=qwen3.6:27b
# EMBEDDING_MODEL=qwen3-embedding:8b
# CODING_PLANNER_MODEL=granite4.1:8b
# BA_MODEL=qwen3.6:27b
# PM_MODEL=qwen3.6:27b
# SA_MODEL=qwen3.6:27b
# TA_MODEL=qwen3.6:27b
# DESIGNER_MODEL=gemma4:12b
# FE_MODEL=north-mini-code-1.0:q4_K_M
# MOBILE_MODEL=north-mini-code-1.0:q4_K_M
# BE_MODEL=north-mini-code-1.0:q4_K_M
# DBA_MODEL=north-mini-code-1.0:q4_K_M
# DA_MODEL=qwen3.6:27b
# TL_MODEL=north-mini-code-1.0:q4_K_M
# TECH_LEAD_MODEL=north-mini-code-1.0:q4_K_M
# TESTER_MODEL=qwen3.6:27b
# DEVSECOPS_MODEL=north-mini-code-1.0:q4_K_M
# CLARIFIER_MODEL=qwen3.6:27b