后端配置参考

后端使用 dynaconf 配置：一组 YAML 文件加环境 变量，按固定顺序合并。本页是完整的字段参考。Docker Compose 和 Kubernetes 指南只覆盖跑起来必须设置的少数几个 key，其余 都链接回这里。

配置的分层方式

活动环境由 ENV_FOR_DYNACONF 决定（部署镜像把它设为 production）。对该 环境，dynaconf 会按以下顺序加载并深度合并——后面的来源优先：

顺序	来源	是否提交	放什么
1	config.yaml（default: 块）	是	每个 key 的基础默认值。不要改。
2	config.production.yaml（production: 块）	是	生产专属默认值（如 cookie_secure: true）。不要改。
3	config.production.local.yaml	否（gitignored）	你的非密钥覆盖——URL、模式、调优。
4	config.production.secrets.yaml	否（gitignored）	你的密钥——密码、API key、JWT/CSRF/vault 材料。
5	环境变量（CUBEPLEX_…）	—	最高优先级，可覆盖任何 key。

你只需编写第 3–5 层。local 与 secrets 的拆分纯粹是组织上的（可见 vs 敏感） ——dynaconf 对两者的合并方式相同。

环境段包裹

两个操作者文件都以环境名为顶层 key，并设置 dynaconf_merge: true，使其值 合并到（而非替换）默认值之上：

dynaconf_merge: true
production:
  api:
    public_url: "https://cubeplex.example.com"
  auth:
    cookie_secure: true

两种部署模式如何呈现这些文件

• Docker Compose 直接把 config.production.local.yaml 和 config.production.secrets.yaml 挂载进后端容器。你直接编辑文件（见 Compose 指南）。
• Kubernetes 帮你渲染：values.local.yaml 里的 backend.configOverrides 变成 local（ConfigMap）文件，backend.secrets 变成 secrets（Secret）文件。 你不用手写 YAML——见 Kubernetes 指南。

环境变量

任何 key 都可以被环境变量覆盖：前缀 CUBEPLEX_，嵌套层级用双下划线 __ 连接。

配置 key	环境变量
auth.jwt_secret	CUBEPLEX_AUTH__JWT_SECRET
auth.csrf_secret	CUBEPLEX_AUTH__CSRF_SECRET
redis.url	CUBEPLEX_REDIS__URL
sandbox.domain	CUBEPLEX_SANDBOX__DOMAIN
parsers.docling_serve.base_url	CUBEPLEX_PARSERS__DOCLING_SERVE__BASE_URL
social_login.google.client_id	CUBEPLEX_SOCIAL_LOGIN__GOOGLE__CLIENT_ID

环境变量优先于所有文件，因此适合放你不想落盘的密钥。

生产环境必填

以下为空时安装会直接失败——首次启动前请先设置：

Key	用途
auth.jwt_secret	签发会话 JWT。openssl rand -hex 32。
auth.csrf_secret	CSRF 双提交 cookie。openssl rand -hex 32。
auth.vault_key	加密 MCP / 凭证 vault 的 Fernet key。
database.password	Postgres 密码（与你的基础设施一致）。
redis.url	包含 Redis 密码。
objectstore.access_key / access_secret	S3 / rustfs 凭证。
llm.providers.*	至少一个可用 provider——见 LLM Provider 配置。

若你启用了 sandbox（agent 工具执行），还需额外设置 sandbox.{domain,image,api_key}。

---

部署与 API

deployment:
  mode: single_tenant     # single_tenant | multi_tenant
api:
  host: "0.0.0.0"
  port: 8000
  public_url: "https://cubeplex.example.com"
public_base_url: "https://cubeplex.example.com"
frontend_base_url: "https://cubeplex.example.com"

Key	默认	说明
deployment.mode	single_tenant	single_tenant 首次注册时自动建一个 org（OSS）。multi_tenant 每个用户一个 org（云端）。
api.host / api.port	0.0.0.0 / 8000	容器内绑定地址。
api.public_url	""	客户端访问后端的 URL。有反代时用反代的 URL。
public_base_url	http://localhost:8000	用于生成绝对 URL（OAuth 重定向等）。
frontend_base_url	http://localhost:3000	后端重定向浏览器的目标。

认证与会话

auth:
  jwt_secret: "…"          # 必填
  csrf_secret: "…"         # 必填
  vault_key: "…"           # 必填（Fernet key）
  cookie_secure: true      # 纯 HTTP 必须设为 false
  jwt_lifetime_seconds: 86400
  cookie_samesite: "lax"
  password_policy: "high"  # high | low
  rate_limit:
    login_per_minute: 5
    register_per_minute: 3
  email_verification:
    enabled: "auto"        # auto | true | false（auto = 仅当 email.backend == smtp 时开启）
    code_length: 6
    code_ttl_seconds: 600
    max_attempts: 5

Key	默认	说明
auth.cookie_secure	true（生产）	纯 HTTP 下必须设为 false，否则浏览器会静默丢弃 auth cookie。
auth.jwt_lifetime_seconds	86400	会话时长（24h）。
auth.cookie_name / csrf_cookie_name	cubeplex_auth / cubeplex_csrf	Cookie 名。
auth.password_policy	high	high 强制更强的密码；low 放宽。
auth.rate_limit.*	5 / 3 每分钟	登录 / 注册限流。
auth.email_verification.enabled	auto	OTP 邮件验证；auto 仅在配置了 SMTP 邮件时开启。

LLM providers

完整字段参考——providers、preset、default_model / fallback_models——见 LLM Provider 配置。这里补充配置层定义的两项：

llm:
  model_presets:
    tiers:
      lite: { enabled: true, primary: "provider/model-id", fallbacks: [] }
      pro:  { enabled: true, primary: "provider/model-id", fallbacks: ["provider/backup"] }
    default_preset: pro

model_presets 把 lite/flash/pro/max 分层预设写入系统 org 的设置（即模型选择器 里用户可选的项）；每个分层是一个主模型 ref 加有序 fallback。default_preset 是未选择时使用的分层。

数据库、Redis 与对象存储

database:
  host: "postgres"        # Docker/K8s 服务名
  port: 5432
  user: "cubeplex"
  name: "cubeplex"
  password: "…"           # 必填
  pool_size: 10
  max_overflow: 20
redis:
  url: "redis://:<password>@redis:6379/0"   # 必填
  key_prefix: "cubeplex"
objectstore:
  provider: "s3"          # s3 | oss
  endpoint: "rustfs:9000"
  bucket: "cubeplex"
  region: "us-east-2"
  access_key: "…"         # 必填
  access_secret: "…"      # 必填

使用内置基础设施时，database.host、redis.url、objectstore.endpoint 指向 集群内的服务名——除非你改了服务名或用外部后端，否则不要动。Postgres 必须是 pgroonga + pgvector 镜像（conversation-search 会执行 CREATE EXTENSION）； 内置 chart 已经用了它。

Sandbox

控制 agent 工具执行。用户侧行为见 sandbox 指南， 接线方式见各部署指南。

sandbox:
  enabled: true
  domain: "…"             # OpenSandbox API 地址（不带 schema）
  image: "ghcr.io/cubeplexai/cubeplex-sandbox:v0.2.0"
  api_key: "…"
  use_server_proxy: false # 后端无法直连 sandbox pod/端口时设为 true
  secure_access: true     # docker-runtime OpenSandbox 下设为 false
  ttl: 1800               # 空闲多少秒后清理
  ready_timeout: 300      # 等待 sandbox 就绪（覆盖冷拉镜像）
  resource:
    cpu: "2"
    memory: "4Gi"

Key	默认	说明
sandbox.enabled	true	关闭时对话可用，但工具调用失败。
sandbox.use_server_proxy	true	直连 pod 设 false；Docker 桥接 / 隔离网络设 true。
sandbox.secure_access	true	Kubernetes ingress 网关的签名 URL。docker-runtime OpenSandbox 下必须 false。
sandbox.ttl	1800	空闲 30 分钟后回收。
sandbox.resource.cpu / memory	2 / 4Gi	单个 sandbox 的限额。

流式（Streaming）

streaming:
  run_event_ttl_seconds: 43200   # 12h——一次 run 的事件可回放多久
  run_stream_block_ms: 5000      # SSE 心跳节奏；必须 < redis socket 超时
  run_stream_max_events: 1000000 # DoS 安全上限（裁剪 = 静默丢失回放）

run_event_ttl_seconds 同时是一次进行中的 run 能保持活动的上限——超长 agent run 需调大它。

对话上下文压缩

compaction:
  enabled: true
  threshold_ratio: 0.7           # 在 context_window * ratio 处压缩
  keep_tail_tokens: 8000         # 逐字保留的近期 token
  max_summary_tokens: null       # null = cubepi 动态预算
  fallback_context_window: 128000

对话搜索

对历史对话的混合检索（词法 + 向量）。

search:
  enabled: true
  lexical:
    backend: "pgroonga"          # pgroonga | pg_bigm
  embedding:
    enabled: false               # 未开启前为纯词法模式
    base_url: "https://api.openai.com/v1"
    api_key: ""                  # 经 CUBEPLEX_SEARCH__EMBEDDING__API_KEY 提供
    model: "text-embedding-3-small"
    vector_dim: 1024

词法搜索开箱即用。向量搜索在你设置 embedding.enabled: true 并提供一个 OpenAI 兼容的 /v1/embeddings 端点之前保持关闭。vector_dim 在迁移时冻结—— 之后要改需重建表。

文件解析（docling）

parsers:
  docling_serve:
    base_url: "http://docling-serve-cpu:5001"
    api_key: ""
    timeout_sync_seconds: 30
    async_threshold_mb: 3

file_read 工具通过 docling-serve 实例把 PDF / office 文档转成 markdown。 可选——部署方式见各指南的 docling 章节。

附件

attachments:
  max_file_bytes: 52428800            # 单文件 50 MiB
  max_per_message: 10
  max_per_conversation_bytes: 524288000  # 500 MiB
  allowed_mime_types: [ image/png, application/pdf, … ]

管控上传。allowed_mime_types 是允许列表（默认含图片、PDF、office 文档、 文本、压缩包）；thumbnail / view_images 控制图片如何为模型缩放。

邮件与社交登录

email:
  backend: "log"          # log | smtp
  from_address: "noreply@cubeplex.local"
  smtp_host: "…"
  smtp_port: 587
  smtp_user: "…"          # 经 env / secrets 提供
  smtp_password: "…"
social_login:
  google:
    enabled: false
    client_id: "…"        # 经 env / secrets 提供
    client_secret: "…"

email.backend: log 只是把邮件打印到 stdout（开发用）。设为 smtp 并填好 凭证（经 env 或 secrets 文件）才能真正发送验证 / 找回密码邮件。Google 登录 在你启用并提供 OAuth 凭证前保持关闭。

记忆（Memory）

memory:
  short_term_enabled: true
  long_term_enabled: false

对话记忆。短期（对话内工作记忆）默认开启；长期（跨对话回忆）默认关闭，需手动 开启。

MCP 工具

mcp:
  progressive_disclosure:
    enabled: "auto"        # auto | on | off
    threshold_pct: 10.0    # 可延迟 schema ≥ 上下文的此百分比时折叠
    min_servers: 2
  icons:
    allow_remote: true     # UI 可渲染远程 https 图标
    fetch_remote: true     # 发现时可外联拉取图标 → data: 缓存
    fetch_timeout_ms: 2500
    max_bytes: 262144      # 每个图标 256 KiB

Key	默认	说明
mcp.progressive_disclosure.enabled	auto	当可延迟的工具 schema 挤占上下文时折叠它们；auto 按下面的阈值判断。
mcp.progressive_disclosure.threshold_pct	10.0	可延迟 schema 超过上下文窗口的此比例时折叠。
mcp.icons.fetch_remote	true	离线部署把两个图标开关都设 false；目录品牌图标仍可从内置资源渲染。

连接器本身在 DB 目录里管理，不在这里。

技能（Skills）

skills:
  cache_root: "skills_cache"            # 本地解压缓存
  preinstalled_dir: "skills/preinstalled"
registry:
  skills_sh:
    github_token: ""     # 可选——把 GitHub API 限额从 60 提到 5000/h

preinstalled_dir 在启动时播种进全局技能目录。技能发现撞到 GitHub 限额时， 设置 registry.skills_sh.github_token（经 env / secrets）。

图片生成

image_generation:
  enabled: false
  api: "openai-images"
  model: "gpt-image-2"
  api_key: null          # 经 CUBEPLEX_IMAGE_GENERATION__API_KEY
  base_url: null

驱动 generate_image 工具（受 sandbox 门控）。默认关闭，需启用并提供 api_key。

Tracing

tracing:
  enabled: false
  directory: "./cubepi-traces"
  record_content: false  # true 会捕获完整 prompt/响应/工具 I/O（更大、敏感）
  otlp:
    endpoint: null       # 如 http://localhost:4318/v1/traces 以外发 span
    headers: null
  tempo:
    query_endpoint: null # 设置后启用 admin trace 查看器

开启后把每次 run 的 cubepi span 写到磁盘，并可选外发到 OTLP collector（Grafana Tempo 等）。record_content: true 对调试很有用，但会捕获可能敏感的 prompt/工具 数据。

日志

logging:
  third_party_level: "WARNING"   # 压制吵闹的 botocore/httpcore/… logger
  verbose_modules: []            # 为特定 logger 名重新开启 DEBUG
  access_log: true               # 每个 HTTP 请求一行

前面已有反代记录请求时，把 access_log 设为 false。往 verbose_modules 加 部分 logger 名可选择性重开 DEBUG。

生命周期

lifecycle:
  graceful_drain_timeout_seconds: 3600   # 关机时等待进行中 run 的最大时间
  stale_run_threshold_seconds: 120

graceful_drain_timeout_seconds 限定后端关机前等待活动 agent run 完成的时长—— 与你预期的最长 run 及编排器的终止宽限期对齐。

Egress 密钥注入监听器

egress_exchange:
  auth:
    mode: mtls           # mtls（生产）| dev（共享密钥，仅 dev/test）
  listener:
    enabled: false       # 由 egress bundle 开启
    port: 8443
    certfile: ""
    keyfile: ""
    ca_certs: ""

egress 密钥注入功能的后端侧。除非你 部署了 egress bundle（它会帮你设好监听器及其 mTLS 材料），否则保持关闭。

下一步

• Docker Compose 安装指南
• Kubernetes 安装指南
• LLM Provider 配置