# Obsidian KB 配置文件
# 优先级: ./config.yaml > ~/.obsidian-kb/config.yaml > ~/.config/obsidian-kb/config.yaml

# AI 配置
ai:
  provider: openai          # AI 提供商
  model: gpt-4             # 模型名称
  api_key: sk-...          # API Key (建议使用环境变量: OPENAI_API_KEY)

# 存储配置
storage:
  inbox_dir: inbox         # 收件箱目录
  topics_dir: topics       # 主题目录
  data_dir: data           # 数据目录

# 输出配置
output:
  format: markdown         # 输出格式
  encoding: utf-8          # 文件编码
  include_timestamp: true  # 包含时间戳
  include_source: true     # 包含源链接

# Git 同步配置
git:
  enabled: true            # 启用 Git 同步
  vault_path: ~/ObsidianVault  # Obsidian 知识库路径
  remote: origin           # 远程仓库名
  branch: main             # 分支名
  auto_commit: true        # 自动提交
  commit_message_template: "Update from obsidian-kb: {count} items"

# 分段配置
chunking:
  enabled: true            # 启用长视频分段
  chunk_duration_seconds: 900      # 分段时长 (15分钟)
  max_chunk_duration_seconds: 1800 # 最大分段时长 (30分钟)
  long_video_threshold: 1800       # 长视频阈值 (30分钟)

# 数据源配置
sources:
  bilibili:
    enabled: true
    cookie: ''             # Bilibili Cookie (可选，环境变量: BILIBILI_COOKIE)
  youtube:
    enabled: false
    api_key: ''            # YouTube API Key
  zhihu:
    enabled: true
    use_drissionpage: true  # 使用 DrissionPage 绕过检测（推荐）
    cookie_file: ~/.obsidian-kb/zhihu_cookies.json  # Cookie 文件路径
    cookie_str: ""  # 可选：直接在配置中填入 Cookie JSON (环境变量: ZHIHU_COOKIE)
    timeout: 30
    headless: true

# Bilibili 提取器配置
bilibili_extraction:
  use_playwright: true     # 使用 Playwright 绕过检测
  headless: true           # 无头模式
  cookie_file: ''          # Cookie 文件路径 (可选)
  enable_subtitle: true    # 启用字幕提取
  subtitle_language: zh-CN # 字幕语言
  enable_danmaku: false    # 启用弹幕提取
  timeout_seconds: 30      # 超时时间
  max_retries: 3           # 最大重试次数

# 硬字幕提取配置 (OCR 方式)
hard_subtitle:
  # 是否启用硬字幕提取功能
  enabled: true

  # OCR 引擎选择
  # 可选值: "paddleocr" (推荐), "tesseract"
  engine: "paddleocr"

  # 字幕区域检测配置
  detection:
    # 默认字幕区域: "bottom" (底部), "full" (全屏), "auto" (自动检测)
    default_region: "bottom"
    # 当默认区域未检测到字幕时，是否自动回退到全屏模式
    fallback_auto: true
    # 是否缓存字幕区域检测结果（提升处理速度）
    cache_region: true

  # OCR 识别配置
  ocr:
    # 置信度阈值: 低于此值的识别结果将被过滤
    confidence_threshold: 0.7
    # 批处理大小: 每次处理的帧数（影响内存使用和速度）
    batch_size: 32
    # 最大并发工作线程数
    max_workers: 4

  # 视频帧提取配置
  video:
    # 抽帧间隔 (秒): 每隔多少秒抽取一帧进行识别
    interval_seconds: 5
    # 最大抽取帧数: 防止处理过长视频导致资源耗尽
    max_frames: 500
    # 流式处理模式: 逐步读取视频帧，避免一次性加载整个视频
    stream_mode: true

  # 后处理配置
  postprocess:
    # 是否启用去重: 去除连续相同的字幕文本
    deduplicate: true
    # 最小文本长度: 少于此长度的识别结果将被视为噪声
    min_length: 2
    # 是否过滤噪声: 使用规则过滤明显错误的识别结果
    filter_noise: true