# Offline backend template for DeerFlow
config_version: 8
log_level: info

# Gateway FastAPI 监听端口。圆桌三路由(intent / recommend / multi_agent)的同进程
# loopback 调用会拼 http://127.0.0.1:<port> 打到本机其它 endpoint,所以必须与
# 实际监听端口一致(scripts/start-all.sh、Makefile 默认 8001)。
# 部署机改了端口请同步改这里;也可设环境变量 DEER_FLOW_GATEWAY_PORT 临时覆盖。
gateway:
  port: 8001

# Optional Redis-backed global concurrency coordination.
# Leave disabled to keep the existing in-process behavior.
# When enabled, Redis operations are short-timeout and fail-open by default:
# if Redis is slow or unavailable, user Q&A continues with local-only limits.
concurrency:
  redis:
    enabled: false
    url: redis://127.0.0.1:6379/0
    password: null
    # Prefix with the deployment/system id because Redis may be shared by
    # multiple projects. Keep this unique per system to avoid cross-project
    # leases affecting each other.
    namespace: cmzs_deerflow:concurrency
    socket_connect_timeout_ms: 80
    socket_timeout_ms: 80
    acquire_timeout_ms: 120
    operation_timeout_ms: 80
    circuit_breaker_failures: 3
    circuit_breaker_cooldown_seconds: 30
    lease_ttl_seconds: 90
    heartbeat_interval_seconds: 20
    fail_open: true

models:
- name: deepseek-chat
  display_name: DeepSeek Chat
  use: langchain_openai:ChatOpenAI
  model: deepseek-chat
  api_key: $DEEPSEEK_CHAT_API_KEY
  base_url: https://api.deepseek.com
  request_timeout: 600.0
  max_retries: 2
  max_tokens: 4096
  temperature: 1.0
  supports_vision: false
  supports_thinking: true
- name: zai-org/GLM-5-FP8
  display_name: zai-org/GLM-5-FP8
  use: langchain_openai:ChatOpenAI
  model: zai-org/GLM-5-FP8
  api_key: $GLM5_FP8_API_KEY
  base_url: https://api.us-west-2.modal.direct/v2
  request_timeout: 600.0
  max_retries: 2
  max_tokens: 4096
  temperature: 1.0
  supports_vision: true
  supports_thinking: true
  supports_reasoning_effort: false
- name: deepseek-ai/DeepSeek-V4-Flash
  display_name: deepseek-ai/DeepSeek-V4-Flash
  use: langchain_openai:ChatOpenAI
  model: deepseek-ai/DeepSeek-V4-Flash
  api_key: $SILICONFLOW_API_KEY
  base_url: https://api.siliconflow.cn/v1/
  max_tokens: 4096
  temperature: 1.0
  supports_vision: true
  supports_thinking: true
  when_thinking_disabled:
    extra_body:
      enable_thinking: false
- name: inclusionAI/Ling-flash-2.0
  display_name: inclusionAI/Ling-flash-2.0
  use: langchain_openai:ChatOpenAI
  model: inclusionAI/Ling-flash-2.0
  api_key: $SILICONFLOW_API_KEY
  base_url: https://api.siliconflow.cn/v1/
  max_tokens: 4096
  temperature: 1.0
  supports_vision: true
  supports_thinking: true
- name: deepseek-ai/DeepSeek-V4-Pro
  display_name: deepseek-ai/DeepSeek-V4-Pro
  use: langchain_openai:ChatOpenAI
  model: deepseek-ai/DeepSeek-V4-Pro
  api_key: $SILICONFLOW_API_KEY
  base_url: https://api.siliconflow.cn/v1/
  max_tokens: 4096
  temperature: 1.0
  supports_vision: true
  supports_thinking: true
- name: qwen3.6-flash
  display_name: qwen3.6-flash
  use: langchain_openai:ChatOpenAI
  model: qwen3.6-flash
  api_key: sk-sp-H.XDIPL.Zgvs.MEQCIBasaS2RPHwgNUpGVfFJeRaTp5UgmZ4Y2rCVGNtpwfD1AiBTFg3S-uE_gqVDnHgdyEhDwcfaVRLi92xviye80AZnkg
  base_url: https://token-plan.cn-beijing.maas.aliyuncs.com/compatible-mode/v1
  request_timeout: 30.0
  max_retries: 2
  stream_usage: true
  supports_thinking: false
  supports_reasoning_effort: false
  supports_vision: false
  # - name: deepseek-v4-flash
  #   display_name: DeepSeek V4 Flash
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-v4-flash
  #   api_key: sk-3fee562f834a4c08bb0d471ef44cb445
  #   base_url: https://api.deepseek.com
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: false
  #   supports_thinking: true
  # - name: deepseek-v4-pro
  #   display_name: DeepSeek V4 Pro
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-v4-pro
  #   api_key: sk-e1c22b7931dc446f8b67e57878edd105
  #   base_url: https://api.deepseek.com
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: false
  #   supports_thinking: true
  # - name: MiniMax-M2.7
  #   display_name: MiniMax-M2.7
  #   use: langchain_openai:ChatOpenAI
  #   model: MiniMax-M2.7
  #   api_key: sk-cp-mrsAGtzDpUl0TpOBPVoiRG_pWF1kDDN9_mDAnONBs6HIPcNUexSKtSbx2QOxfKBvJT6Xw6hDTV6hdkJYFWfNA8UtHQ08TiGJiosdRoW6q1sGb6Cb7D85NHk
  #   base_url: https://api.minimaxi.com/v1
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: glm-5.1
  #   display_name: glm-5.1
  #   use: langchain_openai:ChatOpenAI
  #   model: glm-5.1
  #   api_key: 75121e4bed7640d5b71ac95cf8b4310a.RA3GyRBAR3kv7VrR
  #   base_url: https://open.bigmodel.cn/api/paas/v4/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: deepseek-ai/DeepSeek-OCR
  #   display_name: deepseek-ai/DeepSeek-OCR
  #   use: langchain_openai:ChatOpenAI
  #   model: deepseek-ai/DeepSeek-OCR
  #   api_key: sk-beshfxfxfrllsczpqfrgjbugfbpzxgqgedbehceytpcvvtyb
  #   base_url: https://api.siliconflow.cn/v1/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: zai-org/GLM-5-FP8
  #   display_name: zai-org/GLM-5-FP8
  #   use: langchain_openai:ChatOpenAI
  #   model: zai-org/GLM-5-FP8
  #   api_key: modalresearch_gWu46FDpVLYZWPVEA3b_2fq8Jw2UJiKMgEm_Rxmn1SA
  #   base_url: https://api.us-west-2.modal.direct/v1
  #   request_timeout: 600.0
  #   max_retries: 2
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
  # - name: Qwen/Qwen3.6-27B
  #   display_name: Qwen/Qwen3.6-27B
  #   use: langchain_openai:ChatOpenAI
  #   model: Qwen/Qwen3.6-27B
  #   api_key:  sk-ighylafootabtuthwueirmoycccyqtdgbifyhozduvolkdyt
  #   base_url: https://api.siliconflow.cn/v1/
  #   max_tokens: 4096
  #   temperature: 1.0
  #   supports_vision: true
  #   supports_thinking: true
    # SiliconFlow 混合推理模型关思考用「请求体顶层 enable_thinking: false」,
    # 不认 chat_template_kwargs / thinking.type 那两种嵌套形状。声明这个后,
    # 网页端「关闭思考」对本模型才生效(开放接口另由 force_disable_thinking 兜底)。
# 识图(图片识别)配置。
# - model_name:指定一个 models[] 中的模型名,作为“默认识图大模型”。view_image 工具会把
#   图片交给该模型识别,并把识别出的文字结果返回给主对话模型 —— 这样即使主对话模型不支持
#   视觉,也能“看图”。请改成你实际用于识图的模型名。
# - 若留空 / 注释掉 model_name,则回退到主对话模型自身的视觉能力(需该模型 supports_vision: true)。
# - prompt:不带具体问题时使用的默认识图指令(可选)。
# - max_tokens:识图模型输出上限(可选,默认用该模型自身的配置)。
vision:
  model_name: deepseek-ai/DeepSeek-OCR
  # prompt: 请详细描述这张图片的内容。
  # max_tokens: 2048

# 深度研究可选的报告配图。默认关闭；仅在部署方配置文生图模型后，前端才会展示开关。
# 使用 OpenAI 兼容的 POST {base_url}/images/generations 协议，并强制要求 b64_json
# 返回，以便将图片保存为当前研究会话的受鉴权产物，而不是引用会过期的公网 URL。
deep_research:
  image_generation:
    enabled: false
    provider: openai_compatible
    base_url: "" # 例如 https://api.openai.com/v1
    api_key: "" # 生产环境建议填 $DEEP_RESEARCH_IMAGE_API_KEY
    model: "" # 例如 gpt-image-1
    size: 1024x1024
    # quality: standard
    timeout_seconds: 120

# browser_act 相关配置
browser_context:
  enabled: true
  actions_enabled: true

# 上传文件识别配置。
# - auto_convert_documents: true 时,上传的 PDF / Word / Excel / PPT 会在服务端自动转换为
#   Markdown(.md),agent 通过 read_file / grep 读取其内容 —— 即“识别”文档内容。
#   纯文本类(txt / csv / md / json / 代码等)无需转换,agent 用 read_file 直接读取。
#   图片(png/jpg/webp)由 view_image + 上面的 vision 识图模型处理。
# - pdf_converter: auto(优先 pymupdf4llm,缺失时回退 markitdown)| pymupdf4llm | markitdown
uploads:
  auto_convert_documents: true
  pdf_converter: auto

title:
  enabled: true
  max_words: 6
  max_chars: 60
  prompt_template: |
    请为下面这段对话生成一个简洁的标题,概括对话的核心主题。

    要求:
    - 标题必须使用简体中文
    - 尽量精炼,不超过 {max_words} 个词
    - 只返回标题本身,不要加引号、不要解释、结尾不要标点

    User: {user_msg}
    Assistant: {assistant_msg}

# 上下文压缩(对话摘要):长对话接近上下文上限时,把较早的消息总结成一段摘要,
# 只保留最近若干条原始消息,避免撑爆模型上下文窗口。
# - trigger:触发条件,可配多个,任意一个先满足就压缩(OR 关系)。真正决定何时
#     压缩的是 trigger(不是 keep)。type=tokens 按 token 总数;type=messages 按条数。
# - keep:压缩后保留多少最近的上下文(tokens / messages)。
# - trim_tokens_to_summarize:喂给摘要模型的消息最多裁到多少 token。
# 当前为「测试值(易触发)」:发到服务器后稍微聊几句就会触发,可在 Gateway 日志里
# grep「上下文压缩」/「context compaction」确认生效;确认后再调回生产值
# (trigger tokens 60000 / messages 80,keep tokens 16000)。
summarization:
  # 开关已移到聊天框下方(参考文献下面)的「上下文压缩」按钮,默认关闭。
  # 这里 enabled 仅作为非 Web 路径(渠道/定时任务)的后备开关;下面的 trigger/keep
  # 等仅是调参,Web 端是否压缩由前端按钮(summarization_enabled)决定。
  enabled: false
  # model_name: deepseek-chat   # 留空则用主对话模型
  trigger:
    - type: tokens
      value: 120000
    - type: messages
      value: 160
  keep:
    type: tokens
    value: 40000
  trim_tokens_to_summarize: 8000

tool_groups:
  - name: web
  - name: file:read
  - name: file:write
  - name: bash

tools:
  - name: web_search
    group: web
    # DuckDuckGo search — no API key required. To switch to the deployment's
    # internal search service later, restore the configurable_search block
    # preserved in the comments below (fill in the real values) and point
    # `use` back to deerflow.community.configurable_search.tools:web_search_tool.
    use: deerflow.community.ddg_search.tools:web_search_tool
    enabled: true
    max_results: 5
    # ── configurable_search alternative (deployment-internal service) ──
    # endpoint: "https://xxx.xxx.xxx/searchName"
    # verify_ssl: false
    # timeout: 30
    # result_url_template: "https://xxx.xxx.xxx/mindId/xxx?recUuid={recUuid}"
    # The runtime query always overwrites payload.query; all other fields are
    # sent unchanged so deployment-specific request parameters stay in config.
    # payload:
    #   query: ""
    #   xxx: "xxxx"

  - name: web_fetch
    group: web
    use: deerflow.community.jina_ai.tools:web_fetch_tool
    timeout: 15

  - name: ls
    group: file:read
    use: deerflow.sandbox.tools:ls_tool

  - name: read_file
    group: file:read
    use: deerflow.sandbox.tools:read_file_tool

  - name: glob
    group: file:read
    use: deerflow.sandbox.tools:glob_tool
    max_results: 200

  - name: grep
    group: file:read
    use: deerflow.sandbox.tools:grep_tool
    max_results: 100

  - name: write_file
    group: file:write
    use: deerflow.sandbox.tools:write_file_tool

  - name: str_replace
    group: file:write
    use: deerflow.sandbox.tools:str_replace_tool

  - name: bash
    group: bash
    use: deerflow.sandbox.tools:bash_tool

  # browser_act 相关配置
  - name: browser_fetch_page
    group: web
    use: deerflow.tools.builtins.browser_context_tool:browser_fetch_page_tool

  # browser_act 相关配置
  - name: browser_act
    group: web
    use: deerflow.tools.builtins.browser_act_tool:browser_act_tool

sandbox:
  use: deerflow.sandbox.local:LocalSandboxProvider
  allow_host_bash: true
  mounts:
    - host_path: C:\Users\iie\Desktop\deerflow-new\offline-backend-20260512\backend\knowledge\knowledge_base
      container_path: /mnt/knowledge
      read_only: true

skills:
  path: skills
  security_scan:
    enabled: false

skill_evolution:
  enabled: true
  curator:
    enabled: true # 每 24 小时自动清理 + 合并 skill
    interval_hours: 24
  review_worker:
    enabled: true # 被动复盘开关
    min_tool_calls: 5 # 触发阈值：本轮至少 5 次工具调用，与 prompt 中"≥5 步"硬条件一致
    max_messages: 60 # 传给 LLM 的最大消息条数
    timeout_seconds: 120 # 单次 review 超时（秒）
    model_name: # 留空则使用主模型

agents_api:
  enabled: true

# 登录鉴权扩展:在基础登录之上叠加两种自定义模式。
auth_login:
  # 用户名直登口令门:开关打开后,/login/<用户名> 直登必须再带 ?password=口令,
  # 口令不对直接 401。password 留空则默认口令为 123ewq。仅作用于用户名直登。
  username_login:
    require_password: false
    password: ''
  # token 换登录:前端用 ?authToken=上游token 进入,后端调用 token_info_url
  # (把该 token 直接拼成 Authorization: Bearer <token> 头)换出用户名,再登录;
  # 用户名不在库里时自动注册。
  token_login:
    enabled: true
    token_info_url: 'https://ch1.b.uat.4.cn/consumer/login/getTokenInfo'
    # 已弃用:鉴权头现由前端传入的 token 拼成 "Bearer <token>",此项不再生效,保留仅兼容。
    service_authorization: 'Bearer admin'
    timeout_seconds: 10
    # 上游是 HTTPS。UAT/内网常用自签或私有 CA 证书,默认 verify=true 会握手失败导致
    # 永远 401。此处 uat 域名按自签处理,先关校验;生产请置 true 或配 ca_cert_path。
    verify_ssl: false
    ca_cert_path: '' # 可选:PEM 格式 CA 包路径,设置后优先生效并启用校验
    # 离线测试映射:token -> 用户名。命中的 token 跳过 token_info_url 调用,直接当成
    # 该用户登录——外网调不通 getTokenInfo 时用来本地全链路联调。生产留空即可(不生效)。
    # 例:用 /login/任意?authToken=123ewq 进入,即以 admin 身份登录。
    mock_tokens:
      '123ewq': 'admin'

# 日志系统入口(仅管理员可见):右下角「设置」菜单中会多出一个「日志系统」入口,
# 点击后在新标签页打开下面的 url。enabled 关掉则不显示该入口。

database:
  backend: sqlite
  sqlite_dir: .deer-flow/data
  pool_size: 20 # 基础连接池(postgres/mysql 生效;sqlite 忽略)
  max_overflow: 20 # 高峰期可临时超出 pool_size 的额外连接数,真实上限 = pool_size + max_overflow
  pool_timeout: 30 # 池满时等待空闲连接的秒数,超时报错
  pool_recycle: 1800 # 连接回收周期(秒);防火墙/pgbouncer/MySQL wait_timeout 静默断连兜底。多 worker 部署:每 worker 上限 = pool_size + max_overflow,总数 × worker 数 < DB max_connections
  echo_sql: false

checkpointer:
  type: sqlite
  connection_string: .deer-flow/data/deerflow.db

# 记忆子系统:跨会话持久化用户画像与 agent 私有记忆。
# 三层覆盖优先级(高->低):
#   users/{user_id}/memory_config.json > .deer-flow/memory_user_overrides.json > 此处
memory:
  enabled: true
  version:
    v1 # 记忆版本: 'v1'(原版 DeerFlow, memory.json + LLM 自动提取)
    #           'v2'(USER.md/MEMORY.md + 可选 Hindsight)
  provider:
    hindsight # 'builtin' | 'hindsight'(外部 provider 名)
    # builtin 始终启用,这里只决定 external 选哪个
    # (version=v1 时此字段忽略)

  # V1 专属配置 —— version=v1 时生效
  v1:
    max_facts: 100 # 最多保留的事实条数,超出时驱逐最低置信度的事实
    fact_confidence_threshold: 0.7 # 事实置信度阈值,低于此值不保存
    debounce_seconds: 30 # 对话结束后延迟多少秒才触发 LLM 提取
    model_name: '' # 用于事实提取的 LLM 模型名;空则继承全局默认模型
    token_budget: 2000 # 注入系统提示词的 token 预算
  builtin:
    enabled: true
    memory_char_limit: 2200
    user_char_limit: 1375
    deduplicate_on_load: true

  hindsight: # provider=hindsight 时生效,需另行部署 Hindsight 服务
    mode: local_external # 'cloud' | 'local_embedded' | 'local_external'
    api_url: http://47.88.25.99:18888
    api_key:
      '' # 部署 Hindsight 后填,或改成 $HINDSIGHT_API_KEY 并设同名环境变量
      # 注意:写成 $VAR 但环境变量未设置会导致配置加载失败
    bank_id_template: 'deerflow-user-{user_id}'
    work_bank_id_template: 'deerflow-work-{user_id}-{agent_id}'
    memory_mode: context # 'context' | 'tools' | 'hybrid'
    bank_mission: '你是一个中文记忆助手，负责从对话中提炼和存储重要信息。所有记忆内容必须使用中文记录。'
    bank_retain_mission: '请从以下对话中提炼重要信息，包括用户的偏好、需求、背景知识和关键事实。所有提炼的内容必须用中文表达。'
    recall_budget: mid # 'low' | 'mid' | 'high'
    recall_max_tokens: 4096
    recall_max_input_chars: 800
    auto_recall: true
    auto_retain: true
    retain_async: true
    retain_every_n_turns: 1
    retain_user_prefix: 'User'
    retain_assistant_prefix: 'Assistant'

  # background_extraction:预留功能,代码尚未实现 —— 仅设计文档存在。
  # 待对应版本支持后,取消下面整段注释即可启用(漏记兜底)。
  # background_extraction:
  #   enabled: false                 # 默认关闭,作为漏记兜底
  #   debounce_seconds: 30
  #   model_name: ~                  # null = 用默认模型
  #   fact_confidence_threshold: 0.7
  #   max_facts_per_extraction: 10
  #   correction_detection: true
  #   reinforcement_detection: true

  injection:
    enabled: true
    max_tokens: 2000
    include_builtin: true
    include_hindsight: true
    context_tag: 'memory-context' # 包裹 Hindsight recall 的标签名

  security:
    scan_content: true # 注入/外渗模式扫描
    block_invisible_unicode: true
    # streaming_scrubber:预留字段,代码尚未实现 —— 待版本支持后取消注释。
    # streaming_scrubber: true       # SSE 流前清洗 <memory-context>

# AI 写作子系统 —— 素材收集专家专用配置。
# 注意：这三项必须嵌套在 ai_writing: 段下；写到顶层会被 _ai_writing_config()
# (app/gateway/routers/ai_writing.py:_ai_writing_config) 直接忽略。
ai_writing:
  keyword_model: deepseek-chat # 检索词生成专用模型，留空回退写作主模型
  rank_model: deepseek-chat # 素材排序专用模型，留空回退写作主模型
  max_materials: 20 # 合并去重后的素材总量上限，范围 [1, 100]，默认 20
  # 用「真实智能体运行时」跑配置技能（read SKILL.md + 全套工具 + 沙箱），让技能的真实
  # 检索逻辑（调内网接口/MCP/读文件）真正执行，而不是塞进通用 web/ES 检索 provider。
  # 内网技能必须开 true，否则技能会走通用 provider、连不上内网而报 ConnectError。
  # 仅对非「知识库检索(knowledge-base-search)」的配置技能生效；失败回退直连检索。
  researcher_skill_agent: true
  # 最终兜底：当所有技能都没检索到素材时，直连内网知识库 ES 接口兜底检索（避免素材全空）。
  # 配上你内网 ES 接口地址即启用；留空则不启用该兜底。
  # 接口契约：POST {url} 体 {"query","knowledge_base_name","ts":"yes"} → [{"page_content","metadata":{m_title,content,recUuid,m_publish,source1}}]
  intranet_search_url: "" # 例如 http://10.106.57.180:7863/knowledge_base/search_docs_es
  intranet_knowledge_base: "samples" # 兜底检索用的知识库名
  intranet_search_timeout: 300 # 内网检索超时时间（秒），代码层强制最低 300；需要更长可调大
  # 内网接口诊断开关：开启后即使技能已检索成功，也照样把内网接口跑完并把执行结果
  # （端点/每个检索词命中数/报错/原始响应片段）记到 material_package.intranet_debug 里，
  # 便于在接口返回(devtools)排查内网接口到底通不通。生产建议关掉（会多跑一次内网）。
  intranet_search_debug: false
  # 四阶段「内置功能型智能体」开关（按阶段灰度）。true = 该阶段节点改为加载
  # .deer-flow/agents/ai-writing-<stage>/ 的 SOUL.md + config（admin 可在智能体
  # 管理页编辑人设/模型），false / 缺失 = 走旧的硬编码 prompt 路径。
  # 改完保存即生效（config 按 mtime 热加载），新写作会话立即按新开关运行。
  use_builtin_agents:
    researcher: false # 素材收集专家（检索词生成 / 素材排序两个子任务）
    outliner: false # 大纲规划师（大纲生成 / 按反馈调整）
    writer: false # 作家（逐章正文写作，逐章流式与严格模式求助逻辑不变）
    editor: false # 编辑（事实/逻辑/语言三维度审查）

# Optional independently deployed WeKnora integration. DeerFlow owns only
# these connection values; database/Redis/storage/parser/model settings stay
# in WeKnora's own docker-compose/.env/config files. A non-empty api_base_url
# enables WeKnora mode; leaving it empty preserves the existing LLMWiki iframe.
# admin_email/admin_password are used only by DeerFlow's server-side WeKnora
# detail-page iframe proxy. Prefer environment variables in production, e.g.
# admin_email: "$WEKNORA_ADMIN_EMAIL"
# admin_password: "$WEKNORA_ADMIN_PASSWORD"
llmwiki:
  weknora:
    api_base_url: "http://119.254.86.251:8088/deerflow-api"
    web_base_url: "http://119.254.86.251:8088"
    admin_email: "lqq@qq.com"
    admin_password: "1qaz@WSX"

log_system:
  enabled: true
  url: 'https://your-log-system.example.com'
  label: '日志系统'

task_deeplink:
  # 线上接口未通时用假数据；三个开关互相独立。
  test: true            # 目的树查询走 mock.purpose_detail 假数据
  delete_test: true     # 删除接口走 mock.delete 假数据（该接口尚未开发完）
  action_test: true     # 行动→任务解析走 mock.action_detail 假数据（xdfx 行动id→任务id）
  # 开放接口 POST /api/open/3qfx/ask 按 taskId 拉取任务详情拼开场白；上游不可达时打开下面开关走 mock.cop_task_detail。
  cop_task_detail_test: true
  cop_task_detail_url: "https://ch1.b.uat.4.cn/consumer/taskAnalyseSearch/cop-task-detail"
  purpose_detail_url: "https://ch1.b.uat.4.cn/consumer/taskAnalyseSearch/getTaskPurposeDetail"
  # rwfx 与 xdfx 共用同一删除接口：rwfx 追加 ?taskId=（不传 actionId）；xdfx 追加 ?actionId=（不传 taskId，直接不出现）。
  delete_url: "https://ch1.b.uat.4.cn/bwjt/dropSixOrSevenData"
  treemap_edit_url: "https://ch1.b.uat.4.cn/web/#/task/item-aicoh/step-mode-treemap-full-edit"
  treemap_next_url: "https://ch1.b.uat.4.cn/web/#/task/item-aicoh/step-mode-treemap-full-next"
  # xdfx 深链传入的是「行动id」，先调该接口（追加 /{actionId}）拿 data.taskId 解析出真正「任务id」。
  action_detail_url: "https://ch1.b.uat.4.cn/consumer/plan/action"
  # xdfx 删除前「行动历史是否存在」预检接口（追加 ?actionId=）；地址待提供，留空则前端视作无历史、不阻断删除。
  action_history_url: ""
  # rwfx 目的树面板「3q详情」链接的目标页（地址待定，留空则前端提示未配置）；跳转追加 ?id=任务id。
  detail_3q_url: ""
  mock:
    # test=true 时原样返回给前端（结构同真实 getTaskPurposeDetail 返回）。
    purpose_detail:
      state: "200"
      msg: "操作成功！"
      data:
        - purposeDto: { id: 5837, zzPurpose: "目的01", selectedFlag: 1, taskId: 3324, recDetailId: 4271 }
          childrenList:
            - actorDto: { id: 9101, taskId: 3324, purposeId: 5837, actorName: "行为体01", actorOrgan: "行为体01", recReason: "行为体01理由", selectedFlag: 1 }
              childrenList:
                - expectedBehaviorDto: { id: 6910, taskId: 3324, purposeId: 5837, behavior: "预期01", recReason: "预期01理由", selectedFlag: "1" }
                  childrenList:
                    - drivingFactorDto: { id: 7964, taskId: 3324, purposeId: 5837, drivingFactor: "预期01因素", selectedFlag: 1 }
                      childrenList:
                        - narrationDto: { id: 6500, purposeId: 5837, taskId: 3324, narration: "叙事01", recReason: "叙事01理由", selectedFlag: 1 }
                          childrenList: []
            - actorDto: { id: 9102, taskId: 3324, purposeId: 5837, actorName: "行为体02", actorOrgan: "行为体02", recReason: "行为体02理由", selectedFlag: 1 }
              childrenList:
                - expectedBehaviorDto: { id: 6911, taskId: 3324, purposeId: 5837, behavior: "预期02", recReason: "预期02理由", selectedFlag: "1" }
                  childrenList:
                    - drivingFactorDto: { id: 7965, taskId: 3324, purposeId: 5837, drivingFactor: "预期02因素", selectedFlag: 1 }
                      childrenList:
                        - narrationDto: { id: 6501, purposeId: 5837, taskId: 3324, narration: "叙事02", recReason: "叙事02理由", selectedFlag: 1 }
                          childrenList: []
    # delete_test=true 时原样返回给前端。改 success 测「成功覆盖 / 不可覆盖」两条分支。
    delete:
      message: "行动已经开始策划，不可覆盖"
      success: true
    # action_test=true 时原样返回给前端（结构同真实 /consumer/plan/action/{actionId} 返回）。
    # 前端取 data.taskId 作为真正的「任务id」（xdfx 深链 ?taskId= 传入的是 data.id 这个行动id）。
    action_detail:
      state: "200"
      msg: "操作成功！"
      data:
        id: 27354
        purposeId: 2850
        taskId: 2055
        actionName: ""
        actionStatus: 25
        narration: ""
    # cop_task_detail_test=true 时原样返回给开放接口 /api/open/3qfx/ask（结构同真实 cop-task-detail 返回）。
    cop_task_detail:
      data:
        id: 2055
        overview: "暑期文旅消费高峰期间的舆情态势综合研判与引导任务"
        taskDirection: "正向引导 + 风险预警"
        taskName: "任务01：暑期文旅舆情综合研判"
        taskContent: "围绕暑期文旅消费高峰，对重点城市、重点景区的公众情绪与舆情态势做综合研判，识别情绪拐点与潜在风险，提出正向引导与处置建议。"