.env.example

# ==============================================
# BANCO DE DADOS
# ==============================================

# Opção 1: PostgreSQL Local (Docker Compose)
# DATABASE_URL=postgresql://postgres:postgres@localhost:5433/ragdb

# Opção 2: Supabase (Recomendado para produção)
# IMPORTANTE: Obtenha a string completa em Supabase Dashboard:
# Project Settings > Database > Connection String > URI (modo "Session")
#
# ⚠️ Se a senha contiver caracteres especiais (@, $, %, etc), faça URL encoding:
# from urllib.parse import quote_plus
# encoded_password = quote_plus("sua_senha")
#
# Formato: postgresql://postgres:[PASSWORD_ENCODED]@db.[PROJECT_REF].supabase.co:5432/postgres
DATABASE_URL=postgresql://postgres:[SUA_SENHA_ENCODED]@db.[SEU_PROJECT_REF].supabase.co:5432/postgres

# Alternativa com connection pooling (melhor performance para produção):
# DATABASE_URL=postgresql://postgres:[SUA_SENHA_ENCODED]@db.[SEU_PROJECT_REF].supabase.co:6543/postgres?pgbouncer=true

# ==============================================
# LLM PROVIDER
# ==============================================

# Provider de LLM (huggingface, openai, anthropic, ollama)
LLM_PROVIDER=huggingface

# ==============================================
# HUGGING FACE
# ==============================================

# Token de API (obtenha em: https://huggingface.co/settings/tokens)
HF_TOKEN=seu_token_hf

# Modelo de geração de texto
HF_MODEL_ID=mistralai/Mistral-7B-Instruct-v0.2

# Alternativas de modelos LLM:
# HF_MODEL_ID=meta-llama/Llama-2-7b-chat-hf
# HF_MODEL_ID=google/flan-t5-large

# ==============================================
# OPENAI
# ==============================================

# API Key (obtenha em: https://platform.openai.com/api-keys)
OPENAI_API_KEY=

# Modelo OpenAI
OPENAI_MODEL_ID=gpt-3.5-turbo

# Alternativas:
# OPENAI_MODEL_ID=gpt-4
# OPENAI_MODEL_ID=gpt-4-turbo-preview

# ==============================================
# ANTHROPIC
# ==============================================

# API Key (obtenha em: https://console.anthropic.com/)
ANTHROPIC_API_KEY=

# Modelo Anthropic
ANTHROPIC_MODEL_ID=claude-3-haiku-20240307

# Alternativas:
# ANTHROPIC_MODEL_ID=claude-3-sonnet-20240229
# ANTHROPIC_MODEL_ID=claude-3-opus-20240229

# ==============================================
# OLLAMA (LOCAL)
# ==============================================

# URL base do servidor Ollama
OLLAMA_BASE_URL=http://localhost:11434

# Modelo Ollama
OLLAMA_MODEL_ID=llama2

# Alternativas (após baixar com: ollama pull <modelo>):
# OLLAMA_MODEL_ID=mistral
# OLLAMA_MODEL_ID=codellama
# OLLAMA_MODEL_ID=llama2:13b

# ==============================================
# EMBEDDINGS
# ==============================================

# Modelo de embeddings (sentence transformers)
EMBEDDING_MODEL_ID=sentence-transformers/all-MiniLM-L6-v2

# Dimensão do vetor de embedding (deve corresponder ao modelo)
EMBEDDING_DIM=384

# Alternativas de modelos de embedding:
# EMBEDDING_MODEL_ID=sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2  # EMBEDDING_DIM=384
# EMBEDDING_MODEL_ID=sentence-transformers/all-mpnet-base-v2  # EMBEDDING_DIM=768
# EMBEDDING_MODEL_ID=BAAI/bge-small-en-v1.5  # EMBEDDING_DIM=384

# ==============================================
# RETRIEVAL
# ==============================================

# Quantidade padrão de chunks a recuperar
TOP_K=4

# Configuração do índice IVFFLAT
IVFFLAT_LISTS=100

# ==============================================
# CHUNKING
# ==============================================

# Tamanho padrão dos chunks (caracteres)
CHUNK_SIZE=1000

# Overlap entre chunks (caracteres)
CHUNK_OVERLAP=200

# ==============================================
# GERAÇÃO
# ==============================================

# Temperature padrão (0.0 = determinístico, 2.0 = criativo)
TEMPERATURE=0.3

# Máximo de tokens na resposta
MAX_TOKENS=512

# ==============================================
# APLICAÇÃO
# ==============================================

# Porta do servidor
PORT=7860

# ==============================================
# RERANKING
# ==============================================

# Modelo de reranking (cross-encoder)
RERANKER_MODEL_ID=cross-encoder/ms-marco-MiniLM-L-6-v2

# Usar reranking por padrão
USE_RERANKING=true

# Top K final após reranking
RERANKING_TOP_K=4