# =============================================================================
# BotanicalBaseAgent 配置文件
# =============================================================================
# 此文件包含基因家族分析Agent的全局配置
# 修改后需要重启Agent生效
# =============================================================================

# -----------------------------------------------------------------------------
# 基础路径配置
# -----------------------------------------------------------------------------
paths:
  # 工作空间根目录（分析结果存放位置）
  workspace: "workspace"
  
  # 脚本目录（Perl/R脚本位置）
  scripts: "scripts"
  
  # 数据目录
  data: "data"
  
  # Pfam HMM模型目录
  pfam_hmm: "data/pfam_hmm"
  
  # 参考序列目录（如拟南芥家族成员序列）
  reference: "data/reference"
  
  # 基因组数据目录
  genomes: "data/genomes"
  
  # 知识库文档目录
  kb_docs: "kb_docs"
  
  # 向量数据库存储目录
  kb_store: "kb_store"

# -----------------------------------------------------------------------------
# 工具默认参数
# -----------------------------------------------------------------------------
tools:
  # HMMER参数
  hmmsearch:
    # 默认使用可信阈值
    use_cut_tc: true
    # 备用E-value阈值（当use_cut_tc=false时使用）
    evalue: 1.0e-5
    # CPU核心数
    cpu: 4
    # 超时时间（秒）
    timeout: 3600
  
  # BLAST参数
  blast:
    # E-value阈值
    evalue: 1.0e-5
    # 序列一致性阈值（%）
    identity_threshold: 30.0
    # 线程数
    num_threads: 4
    # 输出格式
    outfmt: "6 std qlen slen"
  
  # MUSCLE参数
  muscle:
    # 最大迭代次数
    max_iterations: 16
    # 超时时间（秒）
    timeout: 3600
  
  # MAFFT参数
  mafft:
    # 默认算法（auto会根据序列数量自动选择）
    algorithm: "auto"
    # 最大迭代次数
    max_iterations: 1000
    # 线程数
    threads: 4
    # 超时时间（秒）
    timeout: 7200
    # 自动选择算法的阈值
    auto_selection:
      # 序列数<=此值时使用L-INS-i
      linsi_max_seqs: 200
      # 序列数<=此值时使用FFT-NS-i
      fftnsi_max_seqs: 500
  
  # trimAl参数
  trimal:
    # 默认修剪方法
    method: "gappyout"
    # 可选方法: gappyout, strict, automated1
  
  # seqtk参数
  seqtk:
    # 是否优先使用seqtk（比Python实现更快）
    prefer_seqtk: true

# -----------------------------------------------------------------------------
# 鉴定流程参数
# -----------------------------------------------------------------------------
identification:
  # 结果合并方法
  merge_method: "intersection"  # intersection（交集，推荐）或 union（并集）
  
  # 最小候选基因数警告阈值
  min_candidates_warning: 5
  
  # 最大候选基因数警告阈值（可能有假阳性）
  max_candidates_warning: 500

# -----------------------------------------------------------------------------
# 蛋白特征分析参数
# -----------------------------------------------------------------------------
features:
  # 理化性质计算
  physicochemical:
    # 是否使用R脚本（更准确）
    use_r_script: true
    # R脚本路径
    r_script: "scripts/fasta_pI_mw.R"
  
  # 跨膜结构域预测
  transmembrane:
    # 首选方法: deeptmhmm, tmhmm, simple
    preferred_method: "auto"
    # 疏水性扫描窗口大小
    window_size: 19
    # 疏水性阈值
    hydrophobicity_threshold: 1.6
  
  # 亚细胞定位预测
  subcellular:
    # 首选方法: local, online, feature
    preferred_method: "auto"
    # 本地脚本路径
    local_script: "scripts/get_Plant_mPLoc_out.py"
    # 在线服务超时（秒）
    online_timeout: 300

# -----------------------------------------------------------------------------
# 比对和进化分析参数
# -----------------------------------------------------------------------------
alignment:
  # 是否自动生成多种格式
  auto_convert_formats: true
  # 输出格式列表
  output_formats:
    - "fasta"
    - "phylip"
    - "nexus"
  
  # 是否自动修剪比对
  auto_trim: false
  
  # 可视化设置
  visualization:
    # 是否自动生成可视化
    auto_generate: false
    # R脚本路径
    r_script: "scripts/msa_figure.R"

# -----------------------------------------------------------------------------
# LLM配置
# -----------------------------------------------------------------------------
llm:
  # 模型提供商: openai, anthropic, local
  provider: "openai"
  
  # OpenAI配置
  openai:
    model: "gpt-4"
    temperature: 0
    max_tokens: 4096
  
  # 本地模型配置（如使用Ollama）
  local:
    base_url: "http://localhost:11434/v1"
    model: "llama2"
    temperature: 0

# -----------------------------------------------------------------------------
# 向量数据库配置
# -----------------------------------------------------------------------------
vector_store:
  # 类型: faiss, chroma
  type: "faiss"
  
  # 嵌入模型
  embedding:
    model: "BAAI/bge-m3"
    # 本地模型路径（如果已下载）
    local_path: "models/bge-m3_from_web"
    # 设备: cpu, cuda
    device: "cpu"
  
  # 检索参数
  retrieval:
    # 返回的文档数量
    top_k: 5
    # 相似度阈值
    score_threshold: 0.5

# -----------------------------------------------------------------------------
# 搜索配置
# -----------------------------------------------------------------------------
search:
  # Tavily搜索
  tavily:
    # 搜索深度: basic, advanced
    search_depth: "advanced"
    # 最大结果数
    max_results: 5
  
  # SearchAPI
  searchapi:
    engine: "google"
    max_results: 5

# -----------------------------------------------------------------------------
# 日志配置
# -----------------------------------------------------------------------------
logging:
  # 日志级别: DEBUG, INFO, WARNING, ERROR
  level: "INFO"
  
  # 日志文件
  file: "logs/agent.log"
  
  # 是否输出到控制台
  console: true
  
  # 日志格式
  format: "%(asctime)s - %(name)s - %(levelname)s - %(message)s"

# -----------------------------------------------------------------------------
# 输出配置
# -----------------------------------------------------------------------------
output:
  # 是否保存中间结果
  save_intermediate: true
  
  # 是否生成分析报告
  generate_report: true
  
  # 报告格式: markdown, html, pdf
  report_format: "markdown"
  
  # 结果文件命名模板
  naming_template: "{species}_{family}_{date}"