backend/.env.example

# Servidor
PORT=3001
CORS_ORIGIN=http://localhost:5173

# Autenticação (jwt ou none)
AUTH_MODE=jwt
JWT_SECRET=coloque-um-segredo-longo-e-aleatorio-aqui
JWT_ISSUER=oraculo-api
JWT_ACCESS_TTL_SECONDS=900
JWT_REFRESH_TTL_SECONDS=2592000
# TTL do refresh token quando rememberMe=false/ausente no login (default 1 dia).
JWT_REFRESH_TTL_SHORT_SECONDS=86400

# API Key alternativa (opcional, deixar vazio para usar só JWT)
API_KEY=

# Banco de dados MySQL
DB_HOST=localhost
DB_PORT=3306
DB_USER=usuario
DB_PASS=senha
DB_SCHEMA=oraculo

# SSL para conexão MySQL (recomendado em produção). Deixe ambos vazios para desativar
# SSL (comportamento padrão em dev local). DB_SSL_REJECT_UNAUTHORIZED=true valida o
# certificado do servidor; DB_SSL_CA aponta para um arquivo de certificado CA (ex.:
# ./certs/rds-ca.pem) se o servidor usar um certificado não confiável publicamente.
DB_SSL_REJECT_UNAUTHORIZED=true
DB_SSL_CA=

# Qdrant (vector DB)
QDRANT_URL=http://localhost:6333
QDRANT_COLLECTION=oraculo_docs
QDRANT_API_KEY=

# Ollama
OLLAMA_URL=http://localhost:11434
OLLAMA_EMBEDDINGS_MODEL=nomic-embed-text
OLLAMA_CHAT_MODEL=llama3
OLLAMA_VISION_MODEL=llava
# Modelo usado na sugestão de resposta ao atendente (ConversasWhatsapp). Default
# já é "star-atendente" no código mesmo sem essa variável — só setar se publicar
# o modelo fine-tuned com outro nome no Ollama.
# OLLAMA_ATENDENTE_MODEL=star-atendente
# Timeout (ms) para chamadas não-streaming ao Ollama (chat/embeddings). Sem isso, uma
# chamada travada (modelo sobrecarregado, processo do Ollama pendurado) nunca resolve
# nem rejeita — trava indefinidamente locks como o de avaliação em lote de atendimentos.
OLLAMA_TIMEOUT_MS=180000
# Timeout de inatividade (ms) para o streaming do chat (chatCompletionStream). Diferente
# do OLLAMA_TIMEOUT_MS (que limita o total de uma chamada não-streaming), este reinicia a
# cada chunk recebido — só dispara se o Ollama parar de mandar bytes no meio de uma
# resposta, o que antes deixava a UI presa em "Gerando resposta..." para sempre.
OLLAMA_STREAM_IDLE_TIMEOUT_MS=60000

# Prefixos opcionais prependados ao texto antes de gerar embedding (útil para modelos
# assimétricos que recomendam prefixo diferente para query de busca e passagem indexada,
# ex.: "search_query: "/"search_document: " no nomic-embed-text, "query: "/"passage: " em
# modelos da família e5). Deixe vazio se o modelo não precisar. Validar empiricamente com
# backend/scripts/evalRetrieval.mjs antes de habilitar em produção.
OLLAMA_EMBED_QUERY_PREFIX=
OLLAMA_EMBED_PASSAGE_PREFIX=

# RAG (valores padrão se não definidos)
RAG_TOP_K=8
RAG_CHUNK_SIZE=900
RAG_CHUNK_OVERLAP=150

# Quantidade de mensagens recentes do histórico incluídas no prompt de rewrite/chat.
RAG_HISTORY_LIMIT=6

# Rate limiting por IP (0 = desativado). Recomendado manter >0 em produção — sem isso
# o middleware de rate limit vira um no-op e o /api fica sem proteção contra abuso.
RATE_LIMIT_PER_MINUTE=60

# Ajuste fino das respostas do LLM
LLM_TEMPERATURE=0.2
LLM_TOP_P=0.9
LLM_NUM_PREDICT=2048
LLM_REPEAT_PENALTY=1.1

# RAG avançado
RAG_QUERY_REWRITE=false
RAG_MIN_SCORE=0.40
RAG_RERANK=false
RAG_RERANK_TOP_N=8

# HyDE (Hypothetical Document Embeddings): gera um trecho hipotético de resposta via LLM
# e usa ele (em vez da query crua) para o embedding de busca, o que tende a elevar o score
# de similaridade porque vira matching passagem-passagem. Custa uma chamada LLM extra por
# pergunta. Validar com backend/scripts/evalRetrieval.mjs antes de habilitar em produção.
RAG_HYDE=false

# Chatbot ifbot (sincronização de atendimentos)
IFBOT_BASE_URL=https://star.ifbot.com.br/api
IFBOT_TOKEN=
# IFBOT_AUTH_HEADER=Authorization
# base pública dos arquivos de mídia (/data/img, /data/aud); padrão: IFBOT_BASE_URL sem o sufixo /api
# IFBOT_MEDIA_BASE_URL=https://star.ifbot.com.br
ATENDIMENTOS_SYNC_INTERVAL_MINUTES=30

# RAG de atendimentos (ingestão de conversas no Qdrant, coleção separada da de documentos)
# ATENDIMENTOS_RAG_COLLECTION=atendimentos_rag
# ATENDIMENTOS_RAG_INTERVAL_MINUTES=60
# ATENDIMENTOS_RAG_BATCH=10
# ATENDIMENTOS_RAG_CHUNK_SIZE=1800
# ATENDIMENTOS_RAG_CHUNK_OVERLAP=200
# ATENDIMENTOS_RAG_TOP_K=20
# ATENDIMENTOS_RAG_MIN_SCORE=0.5
# habilita a busca vetorial no modo "atendimentos" do chat — deixar false até calibrar
# ATENDIMENTOS_RAG_MIN_SCORE com perguntas reais após o backfill inicial
# ATENDIMENTOS_RAG_SEARCH_ENABLED=false

# WhatsApp Cloud API (Meta) — usada pelo chat de Atendimentos (/api/conversas) e pelo
# webhook em /webhooks/whatsapp (fora de /api, sem JWT — protegido por hub.verify_token
# na verificação e, opcionalmente, assinatura HMAC no recebimento).
#
# Valores vêm do painel da Meta (developers.facebook.com/apps/<seu-app>/whatsapp-business/wa-dev-console/):
# - WHATSAPP_PHONE_NUMBER_ID e WHATSAPP_TOKEN: aba "API Setup" (o token temporário expira
#   em 24h; gere um token permanente em System Users antes de ir pra produção)
# - WHATSAPP_VERIFY_TOKEN: valor arbitrário definido por você — cole o mesmo valor no
#   painel da Meta em WhatsApp → Configuration → Webhook → "Verify token"
# - WHATSAPP_APP_SECRET: aba "App settings → Basic", campo "App Secret" — valida a
#   assinatura X-Hub-Signature-256 dos eventos recebidos; vazio desativa a validação
# - WHATSAPP_BUSINESS_ACCOUNT_ID (opcional, não usado ainda): mesma tela do API Setup,
#   reservado para gestão de templates/perfil de negócio no futuro
WHATSAPP_API_VERSION=v21.0
WHATSAPP_PHONE_NUMBER_ID=
WHATSAPP_TOKEN=
WHATSAPP_VERIFY_TOKEN=
WHATSAPP_APP_SECRET=
# WHATSAPP_BUSINESS_ACCOUNT_ID=

# Integrador IXC (Alfred) — usadas só pelo seed (npm run seed:run), que provisiona a
# linha na tabela "integracao". Em runtime o service lê Url/Login/Senha/Token do banco,
# não daqui (token sobrevive a restart; ver src/functions/atualizaTokenIxcIntegradorERetorna.js).
# Rodar o seed de novo com Login/Senha diferentes força um novo login (invalida o token cacheado).
IXC_INTEGRADOR_BASE_URL=http://localhost:4001/
IXC_INTEGRADOR_LOGIN=
IXC_INTEGRADOR_SENHA=

# Transcrição de áudio via Whisper local (whisper.cpp), usada como fallback quando o
# ifbot não traz Transcricao — requer `brew install whisper-cpp ffmpeg` e o modelo
# baixado em WHISPER_MODEL_PATH.
WHISPER_TRANSCRICAO_ENABLED=false
# WHISPER_BINARY_PATH=whisper-cli
# WHISPER_FFMPEG_PATH=ffmpeg
# WHISPER_MODEL_PATH=whisper_models/ggml-small.bin
# WHISPER_TIMEOUT_MS=60000