配置说明

DSLighting 通过配置文件和环境变量进行灵活配置。

环境变量配置

在项目根目录创建 .env 文件。

基础配置

# LLM API 配置
API_KEY=your_api_key_here
API_BASE=https://api.openai.com/v1

# 其他配置
LOG_PATH=runs/benchmark_results
MAX_WORKERS=4

LLM 模型配置（高级）

DSLighting 支持通过 LLM_MODEL_CONFIGS 配置多个 LLM 模型及其参数：

配置格式

重要：两种配置格式（互斥）：

格式1：使用 provider 字段（推荐用于自定义提供商）

{
  "model-name": {
    "provider": "openai",
    "api_key": "sk-xxx",
    "api_base": "https://api.example.com/v1"
  }
}

格式2：使用 openai/ 前缀（用于 OpenAI 兼容的 API）

{
  "openai/model-name": {
    "api_key": "sk-xxx",
    "api_base": "https://api.example.com/v1"
  }
}

⚠️ 警告：不要同时使用 provider 和 openai/ 前缀！

完整配置示例

LLM_MODEL_CONFIGS='{
  "gpt-4o": {
    "api_key": "sk-openai-placeholder-key",
    "api_base": "https://api.openai.com/v1",
    "temperature": 0.7
  },

  "glm-4.7": {
    "provider": "openai",
    "api_key": "your-zhipu-api-key-here",
    "api_base": "https://open.bigmodel.cn/api/paas/v4",
    "temperature": 1.0
  },

  "openai/deepseek-ai/DeepSeek-V3": {
    "api_key": [
      "sk-siliconflow-key-1",
      "sk-siliconflow-key-2"
    ],
    "api_base": "https://api.siliconflow.cn/v1",
    "temperature": 1.0
  },

  "openai/Qwen/Qwen2.5-72B-Instruct": {
    "api_key": "sk-siliconflow-key-here",
    "api_base": "https://api.siliconflow.cn/v1",
    "temperature": 0.8
  }
}'

---

支持的 LLM 提供商

1. OpenAI（官方）

• 网站: https://openai.com/
• 模型: gpt-4, gpt-4o, gpt-3.5-turbo 等
• 获取密钥: https://platform.openai.com/api-keys

API_KEY=sk-xxx
API_BASE=https://api.openai.com/v1

2. 硅基流动（国内推荐）

• 网站: https://siliconflow.cn/
• 模型: DeepSeek-V3, Qwen2.5-72B-Instruct 等
• 获取密钥: https://siliconflow.cn/account/ak
• API Base: https://api.siliconflow.cn/v1

API_KEY=your_siliconflow_api_key
API_BASE=https://api.siliconflow.cn/v1

3. 智谱AI（国内推荐）

• 网站: https://bigmodel.cn/
• 模型: glm-4, glm-4-plus, glm-4-air 等
• 获取密钥: https://open.bigmodel.cn/usercenter/apikeys
• API Base: https://open.bigmodel.cn/api/paas/v4

API_KEY=your_zhipu_api_key
API_BASE=https://open.bigmodel.cn/api/paas/v4

---

高级配置特性

API 密钥轮换

支持配置多个 API 密钥，系统会自动轮换使用以实现负载均衡：

{
  "model-name": {
    "api_key": [
      "sk-key-1",
      "sk-key-2",
      "sk-key-3"
    ]
  }
}

Temperature 参数

控制模型输出的随机性：

• 0.0-0.3: 更专注和确定性的输出
• 0.4-0.7: 创造性和一致性的平衡
• 0.8-1.5: 更有创造性和随机性

---

config.yaml 配置

主配置文件 config.yaml 包含以下部分：

Competitions 配置

competitions:
  - bike-sharing-demand
  - titanic
  - house-prices

模型定价配置

custom_model_pricing:
  gpt-4:
    input: 0.03
    output: 0.06
  gpt-3.5-turbo:
    input: 0.0015
    output: 0.002

日志配置

run:
  log_artifacts: true
  log_traces: true
  save_code: true

---

工作流配置

每个工作流都可以有独立的配置：

AIDE 配置

aide:
  max_iterations: 10
  temperature: 0.7
  review_threshold: 0.8

DSAgent 配置

dsagent:
  max_steps: 20
  planning_iterations: 3
  execution_timeout: 300

---

运行时参数

通过命令行参数覆盖配置：

python run_benchmark.py \
  --workflow aide \
  --llm-model gpt-4 \
  --temperature 0.8 \
  --max-iterations 15

---

Web UI 配置

Web UI 的配置文件位于 web_ui/backend/.env：

# 后端配置
BACKEND_HOST=0.0.0.0
BACKEND_PORT=8003
CORS_ORIGINS=http://localhost:3000

# 前端配置
NEXT_PUBLIC_API_URL=http://localhost:8003

---

查看常见问题解决配置问题。