config.py

"""
Configuracoes centrais do Nevebot.
Lê variáveis de ambiente do arquivo .env (ou do ambiente do sistema).
"""

import os
from pathlib import Path
from dotenv import load_dotenv

# Carrega o .env da raiz do projeto
BASE_DIR = Path(__file__).parent
load_dotenv(BASE_DIR / ".env")


def _path_env(nome_env: str, padrao: Path) -> Path:
    valor = os.getenv(nome_env, "").strip().strip('"')
    caminho = Path(valor) if valor else padrao
    return caminho if caminho.is_absolute() else BASE_DIR / caminho

# ── Discord ──────────────────────────────────────────────────────────────────
DISCORD_TOKEN: str = os.getenv("DISCORD_TOKEN", "")
if not DISCORD_TOKEN:
    raise ValueError(
        "Token do Discord não encontrado. "
        "Copie .env.example para .env e preencha DISCORD_TOKEN."
    )

# ── Modelo LLM ───────────────────────────────────────────────────────────────
MODELS_DIR = BASE_DIR / "models"
MODELS_TEXTO_DIR = MODELS_DIR / "texto"
OMNIVOICE_DIR = MODELS_DIR / "omnivoice"

def encontrar_modelo(pasta: Path | None = None, *, obrigatorio: bool = True) -> str:
    """
    Retorna o caminho do primeiro arquivo .gguf encontrado na pasta informada.
    Se pasta não for informada, procura em models/.
    """
    pasta = pasta or MODELS_DIR
    arquivos = sorted(pasta.glob("*.gguf"))
    if not arquivos:
        if not obrigatorio:
            return ""
        raise FileNotFoundError(
            f"Nenhum modelo .gguf encontrado em '{pasta}'.\n"
            "Coloque um arquivo .gguf na pasta correta e reinicie o bot."
        )
    return str(arquivos[0])

def _modelo_env_ou_pasta(nome_env: str, pasta: Path, fallback: str = "") -> str:
    valor = os.getenv(nome_env, "").strip().strip('"')
    if valor:
        caminho = Path(valor)
        return str(caminho if caminho.is_absolute() else BASE_DIR / caminho)
    encontrado = encontrar_modelo(pasta, obrigatorio=False)
    return encontrado or fallback

# Parâmetros do LLM
_modelo_raiz = encontrar_modelo(MODELS_DIR, obrigatorio=False)
LLM_MODEL_PATH: str = _modelo_env_ou_pasta(
    "LLM_MODEL_PATH",
    MODELS_TEXTO_DIR,
    fallback=_modelo_raiz,
)
if not LLM_MODEL_PATH:
    raise FileNotFoundError(
        f"Nenhum modelo .gguf encontrado em '{MODELS_TEXTO_DIR}' ou '{MODELS_DIR}'.\n"
        "Coloque o Cydonia em models/texto/ e reinicie o bot."
    )

# Para 16GB VRAM/32GB RAM com modelo ~24B quantizado, 8192 costuma ser o ponto
# mais equilibrado. Contextos muito altos (ex.: 16k) aumentam KV cache, VRAM e
# tempo de prefill sem ganho real para chat curto/voz.
LLM_N_CTX: int        = int(os.getenv("LLM_N_CTX", 8192))

_llm_max_tokens_env = int(os.getenv("LLM_MAX_TOKENS", 320))
LLM_MAX_TOKENS: int   = _llm_max_tokens_env if _llm_max_tokens_env > 0 else 320
LLM_N_GPU_LAYERS: int = int(os.getenv("LLM_N_GPU_LAYERS", -1))  # -1 = toda a GPU
LLM_N_BATCH: int      = int(os.getenv("LLM_N_BATCH", 2048))     # tokens por batch no prefill
LLM_N_UBATCH: int     = int(os.getenv("LLM_N_UBATCH", 512))     # micro-batch interno
LLM_N_THREADS: int    = int(os.getenv("LLM_N_THREADS", max(4, (os.cpu_count() or 8) // 2)))
LLM_N_THREADS_BATCH: int = int(os.getenv("LLM_N_THREADS_BATCH", os.cpu_count() or 8))

# KV cache quantization. Q8_0 reduz uso de VRAM do KV cache sem perda perceptível
# para chat e é aplicado ao carregar o modelo, ainda no startup do bot.
LLM_KV_TYPE: str = os.getenv("LLM_KV_TYPE", "q8_0").strip().lower()
LLM_CHAT_TEMPLATE: str = os.getenv("LLM_CHAT_TEMPLATE", "chatml").strip()

# llama.cpp oficial baixado pelo instalar.bat. O Python conversa com
# llama-server.exe via HTTP local, sem depender de llama-cpp-python/CUDA Toolkit.
LLAMA_CPP_DIR: Path = _path_env("LLAMA_CPP_DIR", BASE_DIR / "llama.cpp")
LLAMA_CPP_SERVER_EXE: Path = _path_env("LLAMA_CPP_SERVER_EXE", LLAMA_CPP_DIR / "llama-server.exe")
LLAMA_SERVER_HOST: str = os.getenv("LLAMA_SERVER_HOST", "127.0.0.1").strip()
LLAMA_SERVER_PORT: int = int(os.getenv("LLAMA_SERVER_PORT", 8080))
LLAMA_SERVER_URL: str = os.getenv(
    "LLAMA_SERVER_URL",
    f"http://{LLAMA_SERVER_HOST}:{LLAMA_SERVER_PORT}",
).rstrip("/")
LLAMA_SERVER_STARTUP_TIMEOUT: int = int(os.getenv("LLAMA_SERVER_STARTUP_TIMEOUT", 600))
LLAMA_REQUEST_TIMEOUT: int = int(os.getenv("LLAMA_REQUEST_TIMEOUT", 600))

# Limite de tokens para respostas de voz (respostas curtas = resposta rápida)
LLM_VOZ_MAX_TOKENS: int = int(os.getenv("LLM_VOZ_MAX_TOKENS", 60))

# OmniVoice local: se models/omnivoice tiver checkpoint completo, usa local.
# Se estiver vazio, mantém fallback para Hugging Face.
OMNIVOICE_MODEL_PATH: str = os.getenv("OMNIVOICE_MODEL_PATH", "").strip().strip('"')
if OMNIVOICE_MODEL_PATH:
    _ov_path = Path(OMNIVOICE_MODEL_PATH)
    OMNIVOICE_MODEL_PATH = str(_ov_path if _ov_path.is_absolute() else BASE_DIR / _ov_path)
elif (OMNIVOICE_DIR / "config.json").exists() and (OMNIVOICE_DIR / "audio_tokenizer").is_dir():
    OMNIVOICE_MODEL_PATH = str(OMNIVOICE_DIR)
else:
    OMNIVOICE_MODEL_PATH = "k2-fsa/OmniVoice"

# Parâmetros de qualidade / controle de repetição
LLM_TEMPERATURE: float        = float(os.getenv("LLM_TEMPERATURE",        0.7))
LLM_REPEAT_PENALTY: float     = float(os.getenv("LLM_REPEAT_PENALTY",     1.2))
LLM_FREQUENCY_PENALTY: float  = float(os.getenv("LLM_FREQUENCY_PENALTY",  0.4))
LLM_PRESENCE_PENALTY: float   = float(os.getenv("LLM_PRESENCE_PENALTY",   0.4))