# config.py
from pydantic_settings import BaseSettings
from functools import lru_cache

class Settings(BaseSettings):
    # FAISS 配置（已优化为你的 LLM 相似问题缓存场景）
    FAISS_DIM: int = 1024                    # 根据你的 embedding 模型修改（e.g. bge-large=1024, text-embedding-3-large=3072）
    FAISS_INDEX_PATH: str = "faiss_index.bin"
    FAISS_INDEX_TYPE: str = "HNSW"           # 默认改为 HNSW（最推荐）
    
    # HNSW 专用参数（速度 + 精度平衡）
    HNSW_M: int = 32                         # 每层连接数（16-64），越大精度越高但内存稍多
    HNSW_EF_CONSTRUCTION: int = 200          # 构建质量（100-400）
    HNSW_EF_SEARCH: int = 64                 # 查询精度（32-128），越大越准但稍慢
    
    # 是否使用余弦相似度（强烈推荐用于文本 embedding）
    USE_COSINE_SIMILARITY: bool = True       # True = 自动归一化 + Index*IP
    ENABLE_REQUEST_LOGS: bool = True         # 是否打印插入/搜索业务日志
    
    # FastAPI 配置
    APP_HOST: str = "0.0.0.0"
    APP_PORT: int = 8000
    APP_TITLE: str = "FAISS 相似问题缓存服务"
    APP_DESCRIPTION: str = "LLM 对话语义缓存 - 减少 token 消耗"

    class Config:
        env_file = ".env"
        env_file_encoding = "utf-8"
        extra = "ignore"


@lru_cache()
def get_settings() -> Settings:
    return Settings()