删除一些环境变量

2025-12-18 09:41:43 +08:00 · 2025-12-18 09:41:43 +08:00 · a92bea5b58
commit a92bea5b58
parent 6bad1743b3
9 changed files with 114 additions and 186 deletions
--- a/CLAUDE.md
+++ b/CLAUDE.md
@ -1,16 +1,18 @@
-# python环境
+## python环境
 本项目的python环境是基于 poetry创建的，如果需要运行 py文件，需要执行poetry run python xxx.py 来执行。
 启动脚本：
 ```
 poetry run uvicorn fastapi_app:app --host 0.0.0.0 --port 8001
 ```
-测试脚本：
+
+
+## 测试脚本：
 ```
 curl --request POST \
  --url http://localhost:8001/api/v2/chat/completions \
  --header 'authorization: Bearer a21c99620a8ef61d69563afe05ccce89' \
  --header 'content-type: application/json' \
-  --header 'x-trace-id: 123123123' \
+  --header 'X-Request-ID: 123123123' \
  --data '{
  "messages": [
    {
@ -23,6 +25,10 @@ curl --request POST \
  "language": "ja",
  "bot_id": "63069654-7750-409d-9a58-a0960d899a20",
  "tool_response": true,
+  "session_id":"xxxxx",
  "user_identifier": "及川"
 }'
 ```
+
+## 环境变量
+环境变量的代码都需要放到 utils/settings.py里管理
--- a/README.md
+++ b/README.md
@ -496,7 +496,7 @@ MODEL_SERVER=https://openrouter.ai/api/v1
 API_KEY=your-api-key

 # 队列配置  
-MAX_CACHED_AGENTS=20
+AGENT_CACHE_MAX_SIZE=20

 # 其他配置
 TOKENIZERS_PARALLELISM=false
--- a/agent/agent_memory_cache.py
+++ b/agent/agent_memory_cache.py
@ -2,7 +2,6 @@
 基于内存的 Agent 缓存管理模块
 使用 cachetools 库实现 TTLCache 和 LRUCache
 """
-import os
 import logging
 import time
 import threading
@ -11,6 +10,7 @@ from collections import OrderedDict
 from datetime import datetime, timedelta

 import cachetools
+from utils.settings import AGENT_CACHE_MAX_SIZE, AGENT_CACHE_TTL, AGENT_CACHE_AUTO_RENEW

 logger = logging.getLogger('app')

@ -325,15 +325,11 @@ def get_memory_cache_manager() -> AgentMemoryCacheManager:
    global _global_cache_manager

    if _global_cache_manager is None:
-        # 从环境变量或使用默认值
-        max_size = int(os.getenv("AGENT_CACHE_MAX_SIZE", "20"))
-        default_ttl = int(os.getenv("AGENT_CACHE_TTL", "180"))
-        auto_renew = os.getenv("AGENT_CACHE_AUTO_RENEW", "true").lower() == "true"
-
+        # 从 settings 导入配置
        _global_cache_manager = AgentMemoryCacheManager(
-            max_size=max_size,
-            default_ttl=default_ttl,
-            auto_renew=auto_renew
+            max_size=AGENT_CACHE_MAX_SIZE,
+            default_ttl=AGENT_CACHE_TTL,
+            auto_renew=AGENT_CACHE_AUTO_RENEW
        )

    return _global_cache_manager
--- a/markdown/PERFORMANCE_OPTIMIZATION.md
+++ b/markdown/PERFORMANCE_OPTIMIZATION.md
@ -65,19 +65,7 @@
 ### 环境变量配置
 ```bash
 # Agent缓存配置
-export MAX_CACHED_AGENTS=50
-export SHARD_COUNT=16
-
-# 连接池配置
-export MAX_CONNECTIONS_PER_HOST=100
-export MAX_CONNECTIONS_TOTAL=500
-export KEEPALIVE_TIMEOUT=30
-export CONNECT_TIMEOUT=10
-export TOTAL_TIMEOUT=60
-
-# 文件缓存配置
-export FILE_CACHE_SIZE=1000
-export FILE_CACHE_TTL=300
+export AGENT_CACHE_MAX_SIZE=50

 # Tokenizer优化
 export TOKENIZERS_PARALLELISM=true
@ -177,4 +165,4 @@ wrk -t12 -c400 -d30s -s request.lua http://localhost:8001/api/v1/chat/completion

 - 2024-01-16: 完成所有5项优化措施
 - 2024-01-16: 添加性能监控端点
- 2024-01-16: 创建优化启动脚本
+- 2024-01-16: 创建优化启动脚本
--- a/prompt/wowtalk.md
+++ b/prompt/wowtalk.md
@ -3,8 +3,8 @@

 ## 核心工具
 ```tools
- **空调/照明设备控制**：打开/关闭/调节 → Iot Control-dxcore_update_device_status
-  - 空调(dc_fan)设备参数说明：
+- **风扇/照明/空调设备控制**：打开/关闭/调节 → dxcore_update_device_status
+  - 风扇(dc_fan)设备参数说明：
      device_type: dc_fan
      running_control: 运行控制 (可选, 0=停止, 1=启动)
      automatic_manual_operation: 自动/手动模式 (可选, 0=手动, 1=自动)
@ -15,17 +15,22 @@
      wind_direction_mode: 风向模式 (可选, 0=自动, 1=中央)
  - 照明 (light)设备参数说明：
      device_type: light
-      dimming_control: 调光控制 (可选, 0-100)
+      dimming_control: 调光控制 (可选, 0-100) 
      color_control_x: 色温控制 X 值 (可选, 与 color_control_y 同时使用)
      color_control_y: 色温控制 Y 值 (可选, 与 color_control_x 同时使用)
- **空调/照明设备状态查询**：通过设备id查状态/温度/湿度 → Iot Control-dxcore_get_device_status
- **查找某个房间的设备**：语义模糊检索，通过房间名查找房间内的设备 → Iot Control-find_devices_by_room  → 可能会查出其他房间的设备，需要根据confidence置信度和房间名进行合理决策。
- **人员检索**：找人/员工/同事/人员sensor_id查询/wowtalk账号查询 → Iot Control-find_employee_location
- **人员附近的空调/照明检索**：通过人员的sensor_id查找附近的空调/照明 → Iot Control-find_iot_device
- **消息通知**：通知/告知/提醒 → Wowtalk tool-wowtalk_send_message_to_member
- **环境信息**：天气/气温/风速 → Weather Information-weather_get_by_location
- **知识库检索**: 知识查询/其他查询优先检索知识库 → rag_retrieve-rag_retrieve
- **网络搜索**：搜索/查询/百度 → WebSearch-web_search
+  - 空调 (dcu)设备参数说明：
+      device_type: dcu
+      running_control: 运行控制 (可选, 0=停止, 1=启动)
+      temp_setting: 温度设定 (可选, 范围: 0.0-100.0)
+- **空调/照明/风扇设备状态查询**：通过设备id查状态/温度/湿度 → dxcore_get_device_status
+     其中OnlineStatus为在线状态，0代表离线，1代表在线，DimmingControl 调光率0-100%（255为离线情况）
+- **查找房间内设备**：语义模糊检索，通过房间名查找房间内的设备 → find_device_by_area  → 可能会查出其他房间的设备， 如果有多个类似房间需要向用户确认具体是哪个房间。
+- **人员检索**：找人/员工/同事/人员sensor_id查询/wowtalk账号查询 → find_employee_location
+- **人员附近的空调/照明检索**：通过人员的sensor_id查找附近的空调/照明 → find_iot_device
+- **消息通知**：通知/告知/提醒 → wowtalk_send_message_to_member
+- **环境信息**：天气/气温/风速 → weather_get_by_location
+- **知识库检索**: 知识查询/其他查询优先检索知识库 → rag_retrieve
+- **网络搜索**：搜索/查询/百度 → web_search
 ```

 ## 应用场景
@ -60,7 +65,7 @@
 **响应**："已通知清水さん，风扇位于5楼东侧，电量15%"

 **用户**："关闭Define Room4的灯光"
- find_devices_by_room(room_description="Define Room4",device_type="light") → 通过Define Room4名称模糊查找
+- find_device_by_area(description="Define Room4",device_type="light") → 通过Define Room4名称模糊查找
 - 根据find_devices_by_room返回的设备列表找到 Define Room4 的设备，并向用户确认是否关闭
 - dxcore_update_device_status(device_id="[A设备id]",running_control=0) → 灯光亮度调整为0
 - dxcore_update_device_status(device_id="[B设备id]",running_control=0) → 灯光亮度调整为0
@ -75,80 +80,95 @@
 -   **条件**：用户意图为查询设备状态、参数（如温度、亮度）。
 -   **动作**：立即调用【设备检索】工具进行查询，可能会查询出多个设备，需要根据查询结果分析后回复。

-2. 更新设备（此操作需要确认）
-   **条件**：用户意图为控制设备或调节参数（如开关、温度、风速）, 需要进行确认。
-   **动作**：
-    1.  **若用户已明确确认**（如回复“好的”、“确认”）：直接调用【设备控制】工具执行操作。
-    2.  **若用户未确认且为新请求**：向用户发送确认提示：“即将为您 [操作内容] [设备名称] [具体参数]，是否确认？”，待用户确认后再执行。
+2. 查询房间或房间内的设备（此操作可能需要确认）
+-   **条件**：当用户意图为查询特定房间或房间内的设备时触发。
+-   **动作**：立即调用【查找房间内设备】工具进行查询。
+-   **关键判断与确认逻辑**：：
+    1.  工具级精确匹配：如果工具返回唯一且精确匹配的目标房间信息，则直接向用户清晰汇报查询结果（例如，房间列表或设备状态）。
+    2.  业务级精确匹配：虽然工具返回了多个候选房间，但根据业务规则（如房间类型、预设优先级）或用户历史行为，可以推断出其中一个房间极大概率是用户目标，则直接向用户清晰汇报查询结果。
+    3.  处理模糊或歧义结果：如果工具返回多个候选房间（即存在歧义），您需要：
+        ▪  主动向用户确认：向用户列出所有候选房间，并提示用户选择或明确具体是哪一个。确认提示语可参考：“请问您想查询的是以下哪个房间？[列出候选房间列表]”。
+        ▪  理解用户二次确认：等待用户回复后，根据其选择再次调用查询工具获取最终信息。用户对候选房间的指明（如回复“第一个”或重复房间名）应视为对该房间的确认。
+    4.  处理无匹配结果：如果工具返回未找到任何相关房间，应明确告知用户这一情况，并建议用户检查房间名称是否正确或提供更多线索。

-3. 查询人员信息/wowtalk账号/人员位置
+3. 更新设备（此操作需要确认）
+-   **条件**：用户意图为控制设备或调节参数（如开关、温度、风速）, 需要进行确认。
+-   **关键判断与确认逻辑**：
+    1.  **上下文设备识别**：
+        - 如果用户未指定具体设备或房间，但使用了"这个设备"、"那个房间"、"它"等指代词，需要从最近的聊天记录中推断对应的设备或房间
+        - 优先考虑最近一次查询的设备信息（如最近查询的房间设备、设备ID等）
+        - 如果上下文中有多台设备，需要向用户确认具体操作哪台设备
+    2.  **若用户已明确确认**：直接调用【设备控制】工具执行操作。
+    3.  **若用户未确认且为新请求**：向用户发送确认提示："即将为您 [操作内容] [设备名称] [具体参数]，是否确认？"，待用户确认后再执行。
+
+4. 查询人员信息/wowtalk账号/人员位置
 -   **条件**：用户意图为查找某人、员工、同事或房间位置。
 -   **动作**：立即调用【人员检索】进行查询，并直接根据查询结果回复。

-4. 消息通知（此操作需要确认）
+5. 消息通知（此操作需要确认）
 -   **条件**：用户意图为发送消息通知, 需要进行确认。
-   **动作**：
+-   **关键判断与确认逻辑**：
    1.  **若用户已明确确认**：调用【人员检索】获取wowtalk_id，使用【消息通知】发送消息。
    2.  **若用户未确认且为新请求**：向用户发送确认提示：“即将发送 [消息内容] 的消息给 [人名]，是否确认？”，待用户确认后再发送。

-5. 查询天气
+6. 查询天气
 -   **条件**：用户意图为查询天气信息。
 -   **动作**：调用【环境信息】工具进行查询，并直接根据查询结果回复。

-6. 知识库查询
+7. 知识库查询
 -   **条件**：用户咨询产品、政策、故障排查、 求助、物品遗失、 指路、事实性问题等。
 -   **动作**：按以下顺序处理并综合回复：
    1.  **优先**调用【知识库检索】工具查询知识库。
    2.  **若无结果**，则调用【网络搜索】工具进行网页搜索。
 -   **禁止**：空调/灯光设备不要调用此工具查询，知识库里没有相关信息。

-7. 社交对话
+8. 社交对话
 -   **条件**：用户意图为闲聊、问候、感谢、赞美等非实质性对话。
 -   **动作**：给予简洁、友好、拟人化的自然回复。


 ## 设备控制确认机制

-### 操作类型判断
-**无需确认的操作**：
+### 无需确认的操作：
 - 状态查询：查询设备当前状态、温度、湿度、电量等
 - 信息检索：查找设备位置、人员位置、设备列表等
 - 紧急处理：安全隐患、设备故障等紧急情况

-**需要确认的操作**：
+### 需要确认的操作：
 - 消息通知：发送通知、提醒等通信操作
 - 状态改变：开启/关闭设备、调节参数（温度、亮度、风速等）
 - 批量操作：同时控制多个设备
 - 影响范围大的操作：影响整个房间或楼层的设备控制
- 关注当前问题的确认：只需要考虑当前的问题是否已被确认，前序消息获得的确认不适用于当前的问题

-## 房间名称参考
-Communication Step窓側
-Communication Step付近
-Define Area
-Define Area中央
-Define Area中央窓側
-Define Room1
-Define Room1前
-Define Room2
-Define Room2前
-Define Room3
-Define Room3前
-Forum側 窓側
-Forum側通路側
-Forum側のゲート外側
-Lab側 窓側
-Lab側通路側
-Lab側のゲート外側
-NOVARE Forum
-NOVARE Table 窓側
-NOVARE Table付近
-Refine Room1
-Refine Room2
-Refine Room3
-Refine Area
+### 用户确认意图推理
+- 用户明确确认：如回复“确认”、“好的”、“是的”、“拜托了”、“よろしく”、“请”、“please”等肯定性语气的内容。
+- 用户意图重申：用户完整或核心重复当前待执行的操作指令。（例如，提示“room302の照明1台を明るさ50%に調整してもよろしいですか?”，用户回复“room302の照明を明るさ50%に変更”)
+- 只关注当前问题的确认：只需要考虑当前的问题是否已被确认，前序消息获得的确认不适用于当前的问题
+
+## 上下文推理示例
+
+### 设备控制场景
+**场景1**：
+- 用户："你好，301房间的空调状态。"
+- 系统："（查询后告知空调状态）"
+- 用户："把温度调到25度"
+- 推理：用户指的是301房间的空调，应直接对301房间的空调进行温度调节
+
+**场景2**：
+- 用户："900541的设备状态。"
+- 系统："（查询后告知这是照明设备及其状态）"
+- 用户："把亮度调到50%"
+- 推理：用户指的是设备ID为900541的照明设备，应直接调节该设备的亮度
+
+**场景3**：
+- 用户："会议室A的空调和灯光状态。"
+- 系统："（查询后告知会议室A有空调和灯光两台设备）"
+- 用户："关闭它"
+- 推理：存在歧义，需要向用户确认是要关闭空调还是灯光，或是全部关闭
+
 ```

+
 # 响应规范

 ## 回复原则
@ -158,6 +178,13 @@ Refine Area
 - **即时响应**：工具调用完成后立即回复
 - **不要展示id数据**：涉及的wowtalk_id或者sensor_id等id,不要在回复里展示。

+## 房间内设备数量相关表述调整
+当find_device_by_area查询结果显示某房间的 devices列表仅包含 1 个设备，但描述中明确提到该设备可控制“多组灯光”时，应理解为：
+- 该房间实际存在多个灯光设备；
+- 这些灯光在系统中被设定为统一控制，因此在设备列表中仅显示为一个控制单元；
+- 在表述时，不应将其称为“1 个设备”，而应把他们视为一个整体，并对用户描述为“该房间的灯光”。
+- 也不能对用户说 这个控制单元可以控制哪几个灯光，对用户来说就是“这个房间的灯光”
+
 ## 标准回复格式
 - **设备操作**："空调已调至24度，运行正常"
 - **消息发送**："消息已发送至田中さん"
@ -167,7 +194,7 @@ Refine Area
 - **拒绝处理**："好的，已取消设备控制操作"

 # 执行流程
-1.基于用户给的Guidelines里的执行步骤按顺序依次一步一步地调用工具。
+1.基于思考后的执行步骤按顺序依次一步一步地调用工具。
 2.确保执行步骤完整执行后，组织合适的语言回复。

 ```preamble
@ -202,4 +229,4 @@ Refine Area
 "今、全力で対応してますので、もう少しだけお時間くださいね。"
 "そのあたり、私が引き受けますね。"
 "はい、すぐに手配しますね。"
-```
+```
--- a/routes/chat.py
+++ b/routes/chat.py
@ -25,71 +25,6 @@ from agent.deep_assistant import init_agent
 router = APIRouter()


-
-def append_user_last_message(messages: list, content: str) -> bool:
-    """向最后一条用户消息追加内容
-
-    Args:
-        messages: 消息列表
-        content: 要追加的内容
-        condition: 可选条件，如果提供则检查消息角色是否匹配此条件
-
-    Returns:
-        bool: 是否成功追加内容
-    """
-    if not messages or len(messages) == 0:
-        return messages
-    last_message = messages[-1]
-    if last_message and last_message.get('role') == 'user':
-        messages[-1]['content'] += content
-    return messages
-
-def append_assistant_last_message(messages: list, content: str) -> bool:
-    """向最后一条用户消息追加内容
-
-    Args:
-        messages: 消息列表
-        content: 要追加的内容
-        condition: 可选条件，如果提供则检查消息角色是否匹配此条件
-
-    Returns:
-        bool: 是否成功追加内容
-    """
-    if not messages or len(messages) == 0:
-        return messages
-    last_message = messages[-1]
-    if last_message and last_message.get('role') == 'assistant':
-        messages[-1]['content'] += content
-    else:
-        messages.append({"role":"assistant","content":content})
-    return messages
-
-
-def get_user_last_message_content(messages: list) -> str:
-    """获取最后一条用户消息的内容"""
-    if not messages:
-        return ""
-
-    for msg in reversed(messages):
-        if msg.get('role') == 'user':
-            return msg.get('content', '')
-
-    return ""
-
-
-def format_messages_to_chat_history(messages: list) -> str:
-    """将消息格式化为聊天历史字符串"""
-    chat_history = ""
-    for msg in messages:
-        role = msg.get('role', '')
-        content = msg.get('content', '')
-        if role == 'user':
-            chat_history += f"用户: {content}\n"
-        elif role == 'assistant':
-            chat_history += f"助手: {content}\n"
-    return chat_history
-
-
 async def enhanced_generate_stream_response(
    config: AgentConfig
 ):
@ -597,4 +532,4 @@ async def chat_completions_v2(request: ChatRequestV2, authorization: Optional[st
        error_details = traceback.format_exc()
        logger.error(f"Error in chat_completions_v2: {str(e)}")
        logger.error(f"Full traceback: {error_details}")
-        raise HTTPException(status_code=500, detail=f"Internal server error: {str(e)}")
+        raise HTTPException(status_code=500, detail=f"Internal server error: {str(e)}")
--- a/start_all_optimized.sh
+++ b/start_all_optimized.sh
@ -62,32 +62,23 @@ setup_environment() {
    case $PROFILE in
        "low_memory")
            export TOKENIZERS_PARALLELISM=false
-            export MAX_CACHED_AGENTS=20
-            export SHARD_COUNT=8
-            export FILE_CACHE_SIZE=500
+            export AGENT_CACHE_MAX_SIZE=20
            ;;
        "balanced")
            export TOKENIZERS_PARALLELISM=true
            export TOKENIZERS_FAST=1
-            export MAX_CACHED_AGENTS=50
-            export SHARD_COUNT=16
-            export FILE_CACHE_SIZE=1000
+            export AGENT_CACHE_MAX_SIZE=50
            ;;
        "high_performance")
            export TOKENIZERS_PARALLELISM=true
            export TOKENIZERS_FAST=1
-            export MAX_CACHED_AGENTS=100
-            export SHARD_COUNT=32
-            export FILE_CACHE_SIZE=2000
+            export AGENT_CACHE_MAX_SIZE=100
            ;;
    esac
-    
+
    # 通用优化
    export PYTHONUNBUFFERED=1
    export PYTHONDONTWRITEBYTECODE=1
-    export MAX_CONNECTIONS_PER_HOST=100
-    export MAX_CONNECTIONS_TOTAL=500
-    export FILE_CACHE_TTL=300
    
    print_color $GREEN "环境变量设置完成"
 }
@ -323,4 +314,4 @@ main() {
 }

 # 运行主函数
-main "$@"
+main "$@"
--- a/start_unified.py
+++ b/start_unified.py
@ -226,34 +226,25 @@ class ProcessManager:
        if args.profile == "low_memory":
            env_vars = {
                'TOKENIZERS_PARALLELISM': 'false',
-                'MAX_CACHED_AGENTS': '20',
-                'SHARD_COUNT': '8',
-                'FILE_CACHE_SIZE': '500',
+                'AGENT_CACHE_MAX_SIZE': '20',
            }
        elif args.profile == "balanced":
            env_vars = {
                'TOKENIZERS_PARALLELISM': 'true',
                'TOKENIZERS_FAST': '1',
-                'MAX_CACHED_AGENTS': '50',
-                'SHARD_COUNT': '16',
-                'FILE_CACHE_SIZE': '1000',
+                'AGENT_CACHE_MAX_SIZE': '50',
            }
        elif args.profile == "high_performance":
            env_vars = {
                'TOKENIZERS_PARALLELISM': 'true',
                'TOKENIZERS_FAST': '1',
-                'MAX_CACHED_AGENTS': '100',
-                'SHARD_COUNT': '32',
-                'FILE_CACHE_SIZE': '2000',
+                'AGENT_CACHE_MAX_SIZE': '100',
            }
-        
+
        # 通用优化
        env_vars.update({
            'PYTHONUNBUFFERED': '1',
            'PYTHONDONTWRITEBYTECODE': '1',
-            'MAX_CONNECTIONS_PER_HOST': '100',
-            'MAX_CONNECTIONS_TOTAL': '500',
-            'FILE_CACHE_TTL': '300',
        })
        
        for key, value in env_vars.items():
--- a/utils/settings.py
+++ b/utils/settings.py
@ -5,20 +5,12 @@ MAX_CONTEXT_TOKENS = int(os.getenv("MAX_CONTEXT_TOKENS", 262144))
 MAX_OUTPUT_TOKENS = int(os.getenv("MAX_OUTPUT_TOKENS", 8000))
 SUMMARIZATION_MAX_TOKENS = MAX_CONTEXT_TOKENS - MAX_OUTPUT_TOKENS - 1000

-# Agent and Shard Settings
-MAX_CACHED_AGENTS = int(os.getenv("MAX_CACHED_AGENTS", 50))
-SHARD_COUNT = int(os.getenv("SHARD_COUNT", 16))
+# Agent Cache Settings
+AGENT_CACHE_MAX_SIZE = int(os.getenv("AGENT_CACHE_MAX_SIZE", 20))
+AGENT_CACHE_TTL = int(os.getenv("AGENT_CACHE_TTL", 180))
+AGENT_CACHE_AUTO_RENEW = os.getenv("AGENT_CACHE_AUTO_RENEW", "true") == "true"

-# Connection Settings
-MAX_CONNECTIONS_PER_HOST = int(os.getenv("MAX_CONNECTIONS_PER_HOST", 100))
-MAX_CONNECTIONS_TOTAL = int(os.getenv("MAX_CONNECTIONS_TOTAL", 500))
-KEEPALIVE_TIMEOUT = int(os.getenv("KEEPALIVE_TIMEOUT", 30))
-CONNECT_TIMEOUT = int(os.getenv("CONNECT_TIMEOUT", 10))
-TOTAL_TIMEOUT = int(os.getenv("TOTAL_TIMEOUT", 60))

-# File Cache Settings
-FILE_CACHE_SIZE = int(os.getenv("FILE_CACHE_SIZE", 1000))
-FILE_CACHE_TTL = int(os.getenv("FILE_CACHE_TTL", 300))

 # API Settings
 BACKEND_HOST = os.getenv("BACKEND_HOST", "https://api-dev.gptbase.ai")
@ -40,3 +32,5 @@ TOOL_OUTPUT_TRUNCATION_STRATEGY = os.getenv("TOOL_OUTPUT_TRUNCATION_STRATEGY", "

 # THINKING ENABLE
 DEFAULT_THINKING_ENABLE = os.getenv("DEFAULT_THINKING_ENABLE", "true") == "true"
+
+