#配置指南

环境要求

• Python 3.12
• 推荐使用 uv 管理环境和依赖

安装 uv：

pip install uv

安装依赖

git clone https://github.com/Vannila0v0/chatbot.git
cd chatbot
uv venv
uv pip install -r requirements.txt

初始化配置

推荐使用交互式配置向导：

uv run python main.py setup

也可以执行非交互初始化，再手动编辑根目录的 config.toml：

uv run python main.py init

仓库中的 config.example.toml 是配置模板。不要把填写了真实密钥的 config.toml 提交到 Git。

配置模型

下面是一份基础配置示例：

[llm]
provider = "deepseek"

[llm.main]
model = "deepseek-v4-flash"
api_key = "sk-..."
base_url = "https://api.deepseek.com/v1"
enable_thinking = true
multimodal = false

[llm.fast]
model = "qwen-flash"
api_key = "sk-..."
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"

[llm.vl]
model = "qwen-vl-plus"
api_key = "sk-..."
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"

各模型用途：

• llm.main：主要推理和对话模型。
• llm.fast：轻量任务模型，用于记忆判断、查询改写等步骤。
• llm.vl：视觉模型；主模型不支持图片时使用。

如果只使用一个兼容 OpenAI API 的模型服务，可以让多个模型配置使用相同的 api_key 和 base_url。

配置记忆

[memory]
enabled = true
engine = ""

[memory.embedding]
model = "text-embedding-v3"
api_key = "sk-..."
base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"

• memory.enabled：是否启用记忆功能。
• memory.engine：留空时使用默认记忆插件。
• memory.embedding：配置向量化服务，接口需要兼容当前项目的 Embedding 调用方式。

配置 Telegram

[channels.telegram]
token = "123456:ABC..."
allow_from = ["your_username"]

• token：通过 Telegram 的 BotFather 创建机器人后获得。
• allow_from：允许与机器人交互的 Telegram 用户名列表。

如果不使用 Telegram，可以在初始化向导中选择其他已经支持的通信渠道，并填写对应配置。

启动

uv run python main.py

启动后，通过配置好的通信渠道向机器人发送一条消息，确认模型、通信渠道和记忆服务均能正常工作。