配置文件 (settings.jsonc)

WeClone 默认读取项目根目录的 settings.jsonc。从 settings.template.jsonc 复制一份开始修改：

cp settings.template.jsonc settings.jsonc

也可以用 weclone-cli --config-path <路径> <命令> 或环境变量 WECLONE_CONFIG_PATH 指定其他配置文件。文件支持注释。version 与项目要求的配置版本不一致时，启动会给出警告，此时请对照模板更新配置，从旧版本升级见从 0.3 版本升级。

下文只列出常用配置项，表中的默认值是模板中的值。

security_args

数据存储方式，详见数据安全。

配置项	默认值	说明
storage_mode	"encrypted"	encrypted 加密保存聊天数据和衍生产物，plaintext 明文保存。首次初始化后固定，改变模式须重新处理全部数据。配置中没有这一项时按 plaintext 处理
state_dir	".weclone"	保存密钥、令牌和助理设置的目录
runtime_dir	系统临时目录	加密模式下解密文件的临时存放位置

common_args

各功能共用的参数，主要用于微调和推理。

配置项	默认值	说明
model_name_or_path	"./models/Qwen2.5-7B-Instruct"	基座模型路径，见下载模型
adapter_name_or_path	"./model_output"	LoRA 权重目录，训练时作为输出目录，推理时从这里加载
template	"qwen"	LLaMA Factory 的对话模板，需与模型匹配
default_system	"请你扮演一名人类，不要说自己是人工智能"	训练和推理使用的系统提示词。聊天机器人平台中的系统提示词必须与它完全一致
media_dir	"dataset/media"	图片等媒体文件目录
image_max_pixels	409920	多模态训练时图片的最大像素数，409920 约为 720P
finetuning_type	"lora"	微调方式，目前只支持 LoRA
enable_thinking	false	是否启用模型的思考模式
trust_remote_code	true	加载模型时是否信任模型仓库中的代码

cli_args

配置项	默认值	说明
log_level	"INFO"	终端日志级别：DEBUG、INFO、WARNING、ERROR、CRITICAL。logs/weclone.log 始终记录 DEBUG 及以上级别
full_log	false	把第三方库的终端输出一并写入 logs/weclone.log，仅在明文模式下生效

codex_exec_args

Codex CLI 后端的设置，用于绘制人生画像和说话风格。

配置项	默认值	说明
model	"gpt-6.1-sol"	使用的模型。建议智能水平不低于 gpt-6-sol medium
effort	"medium"	推理强度
batch_size	30	并发请求数
request_interval_seconds	0.5	相邻请求的发起间隔（秒）
capacity_cooldown_seconds	20.0	模型繁忙或触发限流时暂停发起新请求的时间（秒）
timeout	300	单次请求超时（秒）
command	"codex"	Codex 可执行文件。多个版本共存时可填支持当前模型的版本的绝对路径
sandbox	"read-only"	Codex 的沙箱模式

agent_distill_args

人生画像的请求设置，详见绘制人生画像。

配置项	默认值	说明
llm_provider	"codex_exec"	模型后端：codex_exec 读取 codex_exec_args；api 使用 make_dataset_args 的 base_url、llm_api_key、model_name，见配置模型后端
batch_size	10	API 后端的并发请求数
timeout	120	API 后端的单次请求超时（秒）
max_tokens	不限	API 后端的单次输出上限
max_samples_per_window	8	较短的对话段合并成一次请求，这是每次请求最多放入的对话段数
max_content_chars	400	每次请求最多放入的正文总字数，不计 ID、时间和角色标签。超过上限的对话段单独请求

抽取和整理的结果按输入内容缓存在 dataset/res_csv/agent/llm_cache.sqlite，重跑时只请求缺少的部分。删除该文件即全部重新请求。

harness_args

由模型驱动的分身使用的设置。该功能仍在开发中，暂时不需要修改。

make_dataset_args

数据处理和微调数据集的设置。make-dataset 的用法见数据预处理。

配置项	默认值	说明
platform	"chat"	数据来源：chat（通用 CSV）或 telegram，见准备数据
language	"zh"	聊天常用语言，zh 或 en，决定隐私过滤使用的识别器
telegram_args.my_id	"user1234567890"	使用 Telegram 数据时必须改为你自己的 ID，即 result.json 中你发送消息的 from_id
include_type	["text"]	训练数据包含的消息类型。加上 "image" 训练多模态模型
max_image_num	2	单条训练数据最多包含的图片数
blocked_words	示例值	禁用词。包含禁用词的消息不会进入训练数据。dataset/blocked_words.json 中的禁用词也会一并使用
add_time	false	在训练数据中加入消息时间
add_relation	false	在训练数据中加入与对方的关系，关系来自 users.json
single_combine_time_window	2	同一人连续发送的消息在多少分钟内合并为一句
qa_match_time_window	5	对方消息与你的回复在多少分钟内组成一组问答
combine_msg_max_length	2048	合并后单条消息的最大长度，配合 cutoff_len 使用
messages_max_length	2048	单条训练数据的最大字符数，配合 cutoff_len 使用
prompt_with_history	false	是否在提示中加入对话历史，对多模态数据无效
clean_dataset	关闭	用大模型给训练数据打分并过滤，见数据预处理
online_llm_clear	false	清洗时使用在线 API，而不是本地 vLLM
base_url、llm_api_key、model_name	示例值	OpenAI 兼容接口的地址、密钥和模型名。在线清洗和画像的 API 后端都使用这三项
clean_batch_size	50	在线清洗的批大小
vision_api	关闭	用多模态 API 把图片转成文字描述，见数据预处理

train_sft_args

微调参数，见模型微调。这里可以填写 LLaMA Factory 支持的所有参数，参考 LLaMA Factory 参数说明。WeClone 额外支持以下几项：

配置项	说明
quantization	QLoRA 量化设置，推理时也会沿用，见启用 QLoRA
resume_adapter_name_or_path	从已有的 LoRA 权重继续训练。输出仍写到 common_args.adapter_name_or_path
deepspeed	多卡训练使用的 DeepSpeed 配置文件，如 "ds_config.json"

infer_args

推理时的采样参数，网页 Demo、API 服务和测试都使用。

配置项	默认值	说明
repetition_penalty	1.2	重复惩罚
temperature	0.5	温度
max_length	256	最大生成长度
top_p	0.65	Top-p 采样

vllm_args

离线清洗数据时 vLLM 的参数，见使用 vLLM 时的注意事项。

配置项	默认值	说明
gpu_memory_utilization	0.9	vLLM 可使用的显存比例
dtype	自动	计算精度。不支持 bfloat16 的显卡（如 Tesla T4、V100）填 "float16"
quantization、load_format	不设置	量化加载方式，如 "bitsandbytes"

test_model_args

配置项	默认值	说明
test_data_path	"dataset/eval/test_data-zh.json"	test-model 使用的测试问题，见模型推理与测试

embedding_service_args

开发中的功能使用，暂时不需要修改。