PlantAI-rag-new/bioflow_service/app/config.py

"""config.py —— 生信服务（bioflow-service 8098）环境变量驱动配置（pydantic-settings）。

全部键可用环境变量覆盖（前缀 BIOFLOW_；LLM 沿用 docgen 的 DOCGEN_LLM_* 直连模式）。
零硬编码纪律：不出现任何写死宿主路径；仓库内相对路径按 __file__ 推导 repo 根。
"""
from __future__ import annotations

from functools import lru_cache
from pathlib import Path

from pydantic_settings import BaseSettings, SettingsConfigDict

_REPO_ROOT = Path(__file__).resolve().parent.parent.parent  # bioflow_service/.. = 仓库根


def _resolve_root(v: str) -> str:
    """仓库内相对路径按 __file__ 推导 repo 根解析为绝对路径。"""
    p = Path(v).expanduser()
    if not p.is_absolute():
        p = _REPO_ROOT / p
    return str(p)


class Settings(BaseSettings):
    model_config = SettingsConfigDict(
        env_file=".env",
        env_file_encoding="utf-8",
        extra="ignore",
        env_prefix="BIOFLOW_",
    )

    # ---- 应用 ----
    app_name: str = "plantai-bioflow-service"
    version: str = "0.1.0"

    # ---- 阶段→镜像映射（A1 交付物，仓库内 bioflow_kernel/stage_image_map.json）----
    image_map_path: str = "bioflow_kernel/stage_image_map.json"
    # 内核树：运行时只读挂载进执行容器（-v kernel:/bioflow-kernel:ro + -w）
    # 除 bioflow-gf 外其余镜像未内置内核，挂载后全部阶段镜像统一可用
    kernel_dir: str = "bioflow_kernel"
    container_kernel_dir: str = "/bioflow-kernel"

    # ---- 数据与任务目录 ----
    data_root: str = "bioflow_data"          # 生信数据根（hmm/rag_db 等，只读挂载进容器）
    jobs_dir: str = "bioflow_data/jobs"      # 任务目录根（input/workspace/events）
    db_path: str = "bioflow_data/bioflow.db" # 独立 SQLite（与 BFF 完全隔离，FR-BIO-028）
    archives_dir: str = "bioflow_data/archives"

    # ---- 执行 ----
    concurrency: int = 3                     # 全局并发信号量上限（FR-BIO-031，可配）
    stage_timeout_sec: float = 36000.0       # 单阶段 docker 硬超时（秒，10h）
    docker_image_tag_suffix: str = "dev"     # 镜像 tag 后缀（P0 交付物为 :dev）
    host_uid_env: str = "BIOFLOW_HOST_UID"   # 宿主机 uid 环境变量名；未设置时回退服务进程 uid
    container_data_dir: str = "/bioflow-data"
    container_input_dir: str = "/job/input"
    container_workspace_dir: str = "/job/workspace"
    default_cpus: str = "4"
    default_memory: str = "32g"
    log_tail_lines: int = 80                 # manifest 接口日志尾行数（≤80）
    max_upload_gb: float = 100.0             # 上传大小上限（GB；超限 413）
    upload_ext_allow: str = ".fasta,.fa,.faa,.fna,.pep,.cds,.gz,.gff,.gff3,.gtf,.txt,.tsv,.csv,.xlsx,.xls,.bed,.vcf,.vcf.gz,.bam,.cram,.sam,.hmm,.nwk,.newick,.treefile,.json,.yaml,.yml,.pdf,.zip,.py,.r,.sh"

    # ---- 服务器路径登记（FR-BIO-007；用户数据可在任意位置）----
    max_register_files_per_job: int = 200    # 目录展开单任务文件数上限（防误填大目录）
    # 敏感路径黑名单：命中前缀即 403（白名单根校验已按用户要求移除）
    sensitive_path_prefixes: tuple[str, ...] = (
        "/etc", "/root", "/proc", "/sys", "/dev", "/run", "/boot",
        "/bin", "/sbin", "/lib", "/lib64", "/usr/bin", "/usr/sbin",
        "/usr/lib", "/usr/lib64", "/usr/local/bin", "/var/lib", "/var/log",
        "/opt/neo4j", "/var/lib/docker", "/srv/plantai/install",
    )
    # 敏感文件名（正则,re.match 整名）；.env 等含密钥配置、密钥文件不可登记
    sensitive_filename_patterns: tuple[str, ...] = (
        r"\.env.*", r".*\.key$", r".*\.pem$", r"id_rsa.*", r"id_ed25519.*",
        r".*\.p12$", r"\.gitconfig.*",
    )

    # ---- 用户自定义扩展分析（并行链路；存储根 + AI 转换 LLM 键 + 修复上限）----
    extensions_dir: str = "bioflow_data/extensions"  # 扩展存储根（{ext_id}/extension.json...）
    extension_max_repair_rounds: int = 20            # AI 修复循环上限（契约 §6 可配）
    # 扩展转换 LLM 键：DOCGEN_LLM_* 直接复用（docgen 直连模式），
    # BIOFLOW_EXTENSION_* 为可选别名（extension_llm.llm_config 兜底读取）。

    # ---- 规划（planner）----
    llm_plan_timeout: float = 60.0           # 规划 LLM 单次调用超时（秒）
    plan_candidates: int = 3                 # 候选路径条数（2~3，FR-BIO-002）
    plan_max_rounds: int = 2                 # LLM 输出硬校验失败的最多重试轮数

    # ---- 知识库（vstore/flow.py 本地实例；无 vstore 时自动降级 llm_only）----
    flow_docs_dir: str = "vstore/data/flow_docs"

    # ---- LLM（沿用 docgen deepseek 直连模式，DOCGEN_LLM_* 键）----
    docgen_llm_base_url: str = "https://api.deepseek.com/v1"
    docgen_llm_api_key: str = ""
    docgen_llm_model: str = "deepseek-chat"
    docgen_llm_timeout: float = 300.0

    # ---- 报告登记（BFF 反代端点；空=未配置，登记降级为仅落表）----
    service_url: str = "http://127.0.0.1:8098"

    # ---- 容器环境变量（BBA_*；零硬编码：路径全部从本配置推导）----
    @property
    def bba_env(self) -> dict[str, str]:
        """docker run 注入的 BBA_* 环境（值全部来自配置推导，无写死宿主路径）。"""
        return {
            "BBA_PFAM_DIR": f"{self.container_data_dir}/hmm",
            "BBA_RAG_MAPPING_FILE": f"{self.container_data_dir}/rag_db/pfam_mapping.json",
            "BBA_DISABLE_RAG_PFAM_LOOKUP": "0",
        }

    @property
    def host_uid(self) -> int:
        """--user 注入 uid：BIOFLOW_HOST_UID 环境变量优先，否则服务进程 uid。"""
        import os

        raw = os.environ.get(self.host_uid_env, "").strip()
        if raw:
            try:
                return int(raw)
            except ValueError:
                pass
        return os.getuid()

    @property
    def image_map_abs(self) -> str:
        return _resolve_root(self.image_map_path)

    @property
    def data_root_abs(self) -> str:
        return _resolve_root(self.data_root)

    @property
    def kernel_dir_abs(self) -> str:
        return _resolve_root(self.kernel_dir)

    @property
    def jobs_dir_abs(self) -> str:
        return _resolve_root(self.jobs_dir)

    @property
    def db_path_abs(self) -> str:
        return _resolve_root(self.db_path)

    @property
    def archives_dir_abs(self) -> str:
        return _resolve_root(self.archives_dir)

    @property
    def flow_docs_dir_abs(self) -> str:
        return _resolve_root(self.flow_docs_dir)

    @property
    def extensions_dir_abs(self) -> str:
        return _resolve_root(self.extensions_dir)

    @property
    def upload_ext_set(self) -> set[str]:
        return {ext.strip().lower() for ext in self.upload_ext_allow.split(",") if ext.strip()}


@lru_cache(maxsize=1)
def get_settings() -> Settings:
    return Settings()


settings = get_settings()