Files
pet-project-server/files/diet/config.template.toml
T
av 8e1d5f8112 diet: заведён плейбук, периметр и бэкапы
- playbook-diet.yml и files/diet: образ через app_image, uid=gid=1111,
  каталоги config/data/cache, backup-targets со строкой data/
- блок сайта в Caddy разделён: /api/* идёт мимо Authelia под собственную
  аутентификацию, клиентские Remote-* срезаются на уровне сайта
- правило Authelia one_factor без subject: пользователи шире группы admins
2026-09-06 11:50:40 +03:00

61 lines
3.5 KiB
TOML

# Diet — конфигурация. Рендерится плейбуком playbook-diet.yml.
#
# Здесь только обязательные поля и те умолчания, что меняются осознанно:
# полный справочник полей с их умолчаниями — config.example.toml в репозитории
# приложения. Разбор строгий: неизвестный ключ в этом файле роняет старт.
[general]
# Часовой пояс новых пользователей: по нему режутся сутки в итогах дня.
# Хранение времени и журнал всегда в UTC, его это не трогает.
timezone = "Europe/Moscow"
[http]
# Порт наружу не публикуется: в сеть смотрит только Caddy, а внутрь
# web_proxy_network приложение видно по имени контейнера diet_app.
listen = "0.0.0.0:8080"
[storage]
# data/ приложения смонтирован на /var/lib/diet — единственное, что уезжает
# в бэкап (backup-targets).
db_path = "/var/lib/diet/diet.db"
[storage.files]
# Снимки тарелок и этикеток: каталог на диске этой же машины.
type = "local"
dir = "/var/lib/diet/files"
[cache.images]
# cache/ смонтирован на /var/cache/diet: содержимое восстановимо целиком,
# в бэкап не идёт и сносится в любой момент.
type = "local"
dir = "/var/cache/diet/images"
[llm]
# Шлюз в общей сети; версию API ("/v1/chat/completions") приложение
# дописывает само, поэтому адрес указывается корнем.
base_url = "http://bifrost_app:8080/openai"
# Bifrost в закрытой сети ключа не спрашивает: governance у него не включён
# и виртуальных ключей нет. Пустая строка — приложение ходит без авторизации.
# Появится ключ — значение приедет из vault, а файл станет секретным:
# тогда задаче рендера нужны no_log и права 0600.
api_key = ""
[llm.recognition]
# Снимки читает vision-модель через bothub — кандидат по умолчанию из замера
# на живых фотографиях (docs/research/2026-08-31-vision-recognition.md
# в репозитории приложения): точность не хуже моделей в девяносто раз дороже.
type = "openai-compat"
model = "bothub/gemini-3.1-flash-lite"
[llm.composition]
# Сведение позиций. Модель медленнее соседки по шлюзу, зато честно говорит
# «не знаю» о незнакомом продукте вместо выдуманного КБЖУ. Разбор фоновый,
# человек ответа у экрана не ждёт, поэтому ожидание здесь дешевле выдумки.
type = "openai-compat"
model = "bothub/deepseek-v4-flash"
# Замер давал этой модели 19–70 секунд на ответ, то есть умолчание в минуту
# обрывало бы её самые долгие ответы, засчитывая их временной неудачей.
timeout = "2m"