# 麦麦Adapter的部署配置 adapter: image: repository: unclas/maimbot-adapter tag: main-20250807151247 pullPolicy: IfNotPresent pullSecrets: [ ] resources: limits: cpu: memory: requests: cpu: memory: nodeSelector: {} tolerations: [] # 配置adapter的napcat websocket service # adapter会启动一个websocket服务端，用于与napcat通信 # 这里的选项可以帮助你自定义服务端口 # ！！！默认不使用NodePort。如果通过NodePort将服务端口映射到公网可能会被恶意客户端连接，请自行使用中间件鉴权！！！ service: type: ClusterIP # ClusterIP / NodePort 指定NodePort可以将内网的websocket端口映射到物理节点的端口 port: 8095 # websocket监听端口ClusterIP的端口 nodePort: # 仅在设置NodePort类型时有效，不指定则会随机分配端口 persistence: storageClass: accessModes: - ReadWriteOnce size: 1Gi # 麦麦本体的部署配置 core: # 只有同意了EULA和PRIVACY协议才可以部署麦麦 # 配置以下的选项为true表示你同意了EULA和PRIVACY条款 # https://github.com/MaiM-with-u/MaiBot/blob/main/EULA.md # https://github.com/MaiM-with-u/MaiBot/blob/main/PRIVACY.md EULA_AGREE: false PRIVACY_AGREE: false image: repository: sengokucola/maibot tag: main-d919c34 pullPolicy: IfNotPresent pullSecrets: [ ] resources: limits: cpu: memory: requests: cpu: memory: nodeSelector: {} tolerations: [] persistence: storageClass: accessModes: - ReadWriteOnce size: 10Gi # 麦麦的运行统计看板配置 # 麦麦每隔一段时间会自动输出html格式的运行统计报告，此统计报告可以作为静态网页访问 # 此功能默认禁用。如果你认为报告可以被公开访问（报告包含联系人/群组名称、模型token花费信息等），则可以启用此功能 # 如果启用此功能，你也可以考虑使用中间件进行鉴权，保护隐私信息 statistics_dashboard: enabled: false # 是否启用运行统计看板 replicaCount: 1 image: repository: nginx tag: latest pullPolicy: IfNotPresent pullSecrets: [ ] resources: limits: cpu: memory: requests: cpu: memory: nodeSelector: {} tolerations: [] service: type: ClusterIP # ClusterIP / NodePort 指定NodePort可以将内网的服务端口映射到物理节点的端口 port: 80 # 服务端口 nodePort: # 仅在设置NodePort类型时有效，不指定则会随机分配端口 ingress: enabled: false className: nginx annotations: { } hosts: - host: maim-statistics.example.com # 访问运行统计看板的域名 paths: - path: / pathType: Prefix persistence: storageClass: # 如果你希望运行统计看板服务与麦麦本体运行在不同的节点（多活部署），那么需要ReadWriteMany访问模式 # 注意：ReadWriteMany特性需要存储类底层支持 accessModes: - ReadWriteOnce size: 100Mi # napcat的部署配置 # ！！！napcat部署完毕后，务必修改默认密码！！！ napcat: # 考虑到复用外部napcat实例的情况，napcat部署已被解耦 # 如果你有外部部署的napcat，则可以修改下面的enabled为false，本次不会重复部署napcat # 如果没有外部部署的napcat，默认会捆绑部署napcat，不需要修改此项 enabled: true image: repository: mlikiowa/napcat-docker tag: v4.8.98 pullPolicy: IfNotPresent pullSecrets: [ ] resources: limits: cpu: memory: requests: cpu: memory: nodeSelector: {} tolerations: [] # napcat进程的权限，默认不是特权用户 permission: uid: 1000 gid: 1000 # 配置napcat web面板的service service: type: ClusterIP # ClusterIP / NodePort 指定NodePort可以将内网的服务端口映射到物理节点的端口 port: 6099 # 服务端口 nodePort: # 仅在设置NodePort类型时有效，不指定则会随机分配端口 # 配置napcat web面板的ingress ingress: enabled: false # 是否启用 className: nginx annotations: { } hosts: - host: napcat.example.com # 暴露napcat web面板使用的域名 paths: - path: / pathType: Prefix persistence: storageClass: accessModes: - ReadWriteOnce size: 5Gi # sqlite-web的部署配置 sqlite-web: # 通过sqlite-web可以在网页上操作麦麦的数据库，方便调试。不部署对麦麦的运行无影响 # 默认不会捆绑部署sqlite-web，如果你需要部署，请修改下面的enabled为true # ！！！sqlite-web服务无鉴权，暴露在公网上十分危险，推荐使用集群ClusterIP内网访问！！！ # ！！！如果一定要暴露在公网，请自行使用中间件鉴权！！！ enabled: false image: repository: coleifer/sqlite-web tag: latest pullPolicy: IfNotPresent pullSecrets: [ ] resources: limits: cpu: memory: requests: cpu: memory: # 配置sqlite-web面板的service # ！！！默认不使用NodePort。如果使用NodePort暴露到公网，请自行使用中间件鉴权！！！ service: type: ClusterIP # ClusterIP / NodePort 指定NodePort可以将内网的服务端口映射到物理节点的端口 port: 8080 # 服务端口 nodePort: # 仅在设置NodePort类型时有效，不指定则会随机分配端口 # 配置sqlite-web面板的ingress # ！！！默认不使用ingress。如果使用ingress暴露到公网，请自行使用中间件鉴权！！！ ingress: enabled: false # 是否启用 className: nginx annotations: { } hosts: - host: maim-sqlite.example.com # 暴露websocket使用的域名 paths: - path: / pathType: Prefix # 麦麦各部分组件的运行配置文件 config: # adapter的config.toml adapter_config: | [inner] version = "0.1.1" # 版本号 # 请勿修改版本号，除非你知道自己在做什么 [nickname] # 现在没用 nickname = "" [napcat_server] # Napcat连接的ws服务设置 host = "0.0.0.0" # Napcat设定的主机地址 port = 8095 # Napcat设定的端口 heartbeat_interval = 30 # 与Napcat设置的心跳相同（按秒计） [maibot_server] # 连接麦麦的ws服务设置 host = "localhost" # 麦麦在.env文件中设置的主机地址，即HOST字段 port = 8000 # 麦麦在.env文件中设置的端口，即PORT字段 [chat] # 黑白名单功能 group_list_type = "whitelist" # 群组名单类型，可选为：whitelist, blacklist group_list = [] # 群组名单 # 当group_list_type为whitelist时，只有群组名单中的群组可以聊天 # 当group_list_type为blacklist时，群组名单中的任何群组无法聊天 private_list_type = "whitelist" # 私聊名单类型，可选为：whitelist, blacklist private_list = [] # 私聊名单 # 当private_list_type为whitelist时，只有私聊名单中的用户可以聊天 # 当private_list_type为blacklist时，私聊名单中的任何用户无法聊天 ban_user_id = [] # 全局禁止名单（全局禁止名单中的用户无法进行任何聊天） ban_qq_bot = false # 是否屏蔽QQ官方机器人 enable_poke = true # 是否启用戳一戳功能 [voice] # 发送语音设置 use_tts = false # 是否使用tts语音（请确保你配置了tts并有对应的adapter） [debug] level = "INFO" # 日志等级（DEBUG, INFO, WARNING, ERROR, CRITICAL） # core的model_config.toml core_model_config: | [inner] version = "1.3.0" # 配置文件版本号迭代规则同bot_config.toml [[api_providers]] # API服务提供商（可以配置多个） name = "DeepSeek" # API服务商名称（可随意命名，在models的api-provider中需使用这个命名） base_url = "https://api.deepseek.cn/v1" # API服务商的BaseURL api_key = "your-api-key-here" # API密钥（请替换为实际的API密钥） client_type = "openai" # 请求客户端（可选，默认值为"openai"，使用gimini等Google系模型时请配置为"gemini"） max_retry = 2 # 最大重试次数（单个模型API调用失败，最多重试的次数） timeout = 30 # API请求超时时间（单位：秒） retry_interval = 10 # 重试间隔时间（单位：秒） [[api_providers]] # SiliconFlow的API服务商配置 name = "SiliconFlow" base_url = "https://api.siliconflow.cn/v1" api_key = "your-siliconflow-api-key" client_type = "openai" max_retry = 2 timeout = 30 retry_interval = 10 [[api_providers]] # 特殊：Google的Gimini使用特殊API，与OpenAI格式不兼容，需要配置client为"gemini" name = "Google" base_url = "https://api.google.com/v1" api_key = "your-google-api-key-1" client_type = "gemini" max_retry = 2 timeout = 30 retry_interval = 10 [[models]] # 模型（可以配置多个） model_identifier = "deepseek-chat" # 模型标识符（API服务商提供的模型标识符） name = "deepseek-v3" # 模型名称（可随意命名，在后面中需使用这个命名） api_provider = "DeepSeek" # API服务商名称（对应在api_providers中配置的服务商名称） price_in = 2.0 # 输入价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0） price_out = 8.0 # 输出价格（用于API调用统计，单位：元/ M token）（可选，若无该字段，默认值为0） #force_stream_mode = true # 强制流式输出模式（若模型不支持非流式输出，请取消该注释，启用强制流式输出，若无该字段，默认值为false） [[models]] model_identifier = "Pro/deepseek-ai/DeepSeek-V3" name = "siliconflow-deepseek-v3" api_provider = "SiliconFlow" price_in = 2.0 price_out = 8.0 [[models]] model_identifier = "Pro/deepseek-ai/DeepSeek-R1-Distill-Qwen-32B" name = "deepseek-r1-distill-qwen-32b" api_provider = "SiliconFlow" price_in = 4.0 price_out = 16.0 [[models]] model_identifier = "Qwen/Qwen3-8B" name = "qwen3-8b" api_provider = "SiliconFlow" price_in = 0 price_out = 0 [models.extra_params] # 可选的额外参数配置 enable_thinking = false # 不启用思考 [[models]] model_identifier = "Qwen/Qwen3-14B" name = "qwen3-14b" api_provider = "SiliconFlow" price_in = 0.5 price_out = 2.0 [models.extra_params] # 可选的额外参数配置 enable_thinking = false # 不启用思考 [[models]] model_identifier = "Qwen/Qwen3-30B-A3B" name = "qwen3-30b" api_provider = "SiliconFlow" price_in = 0.7 price_out = 2.8 [models.extra_params] # 可选的额外参数配置 enable_thinking = false # 不启用思考 [[models]] model_identifier = "Qwen/Qwen2.5-VL-72B-Instruct" name = "qwen2.5-vl-72b" api_provider = "SiliconFlow" price_in = 4.13 price_out = 4.13 [[models]] model_identifier = "FunAudioLLM/SenseVoiceSmall" name = "sensevoice-small" api_provider = "SiliconFlow" price_in = 0 price_out = 0 [[models]] model_identifier = "BAAI/bge-m3" name = "bge-m3" api_provider = "SiliconFlow" price_in = 0 price_out = 0 [model_task_config.utils] # 在麦麦的一些组件中使用的模型，例如表情包模块，取名模块，关系模块，是麦麦必须的模型 model_list = ["siliconflow-deepseek-v3"] # 使用的模型列表，每个子项对应上面的模型名称(name) temperature = 0.2 # 模型温度，新V3建议0.1-0.3 max_tokens = 800 # 最大输出token数 [model_task_config.utils_small] # 在麦麦的一些组件中使用的小模型，消耗量较大，建议使用速度较快的小模型 model_list = ["qwen3-8b"] temperature = 0.7 max_tokens = 800 [model_task_config.replyer] # 首要回复模型，还用于表达器和表达方式学习 model_list = ["siliconflow-deepseek-v3"] temperature = 0.2 # 模型温度，新V3建议0.1-0.3 max_tokens = 800 [model_task_config.planner] #决策：负责决定麦麦该做什么的模型 model_list = ["siliconflow-deepseek-v3"] temperature = 0.3 max_tokens = 800 [model_task_config.emotion] #负责麦麦的情绪变化 model_list = ["siliconflow-deepseek-v3"] temperature = 0.3 max_tokens = 800 [model_task_config.vlm] # 图像识别模型 model_list = ["qwen2.5-vl-72b"] max_tokens = 800 [model_task_config.voice] # 语音识别模型 model_list = ["sensevoice-small"] [model_task_config.tool_use] #工具调用模型，需要使用支持工具调用的模型 model_list = ["qwen3-14b"] temperature = 0.7 max_tokens = 800 #嵌入模型 [model_task_config.embedding] model_list = ["bge-m3"] #------------LPMM知识库模型------------ [model_task_config.lpmm_entity_extract] # 实体提取模型 model_list = ["siliconflow-deepseek-v3"] temperature = 0.2 max_tokens = 800 [model_task_config.lpmm_rdf_build] # RDF构建模型 model_list = ["siliconflow-deepseek-v3"] temperature = 0.2 max_tokens = 800 [model_task_config.lpmm_qa] # 问答模型 model_list = ["deepseek-r1-distill-qwen-32b"] temperature = 0.7 max_tokens = 800 # core的bot_config.toml core_bot_config: | [inner] version = "6.4.6" #----以下是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读---- #如果你想要修改配置文件，请递增version的值 #如果新增项目，请阅读src/config/official_configs.py中的说明 # # 版本格式：主版本号.次版本号.修订号，版本号递增规则如下： # 主版本号：MMC版本更新 # 次版本号：配置文件内容大更新 # 修订号：配置文件内容小更新 #----以上是给开发人员阅读的，如果你只是部署了麦麦，不需要阅读---- [bot] platform = "qq" qq_account = 1145141919810 # 麦麦的QQ账号 nickname = "麦麦" # 麦麦的昵称 alias_names = ["麦叠", "牢麦"] # 麦麦的别名 [personality] # 建议50字以内，描述人格的核心特质 personality_core = "是一个女孩子" # 人格的细节，描述人格的一些侧面 personality_side = "有时候说话不过脑子,喜欢开玩笑, 有时候会表现得无语,有时候会喜欢说一些奇怪的话" #アイデンティティがない 生まれないらららら # 可以描述外貌，性别，身高，职业，属性等等描述 identity = "年龄为19岁,是女孩子,身高为160cm,有黑色的短发" # 描述麦麦说话的表达风格，表达习惯，如要修改，可以酌情新增内容 reply_style = "回复可以简短一些。可以参考贴吧，知乎和微博的回复风格，回复不要浮夸，不要用夸张修辞，平淡一些。不要浮夸，不要夸张修辞。" compress_personality = false # 是否压缩人格，压缩后会精简人格信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果人设不长，可以关闭 compress_identity = true # 是否压缩身份，压缩后会精简身份信息，节省token消耗并提高回复性能，但是会丢失一些信息，如果不长，可以关闭 [expression] # 表达学习配置 learning_list = [ # 表达学习配置列表，支持按聊天流配置 ["", "enable", "enable", "1.0"], # 全局配置：使用表达，启用学习，学习强度1.0 ["qq:1919810:group", "enable", "enable", "1.5"], # 特定群聊配置：使用表达，启用学习，学习强度1.5 ["qq:114514:private", "enable", "disable", "0.5"], # 特定私聊配置：使用表达，禁用学习，学习强度0.5 # 格式说明： # 第一位: chat_stream_id，空字符串表示全局配置 # 第二位: 是否使用学到的表达 ("enable"/"disable") # 第三位: 是否学习表达 ("enable"/"disable") # 第四位: 学习强度（浮点数），影响学习频率，最短学习时间间隔 = 300/学习强度（秒） # 学习强度越高，学习越频繁；学习强度越低，学习越少 ] expression_groups = [ ["qq:1919810:private","qq:114514:private","qq:1111111:group"], # 在这里设置互通组，相同组的chat_id会共享学习到的表达方式 # 格式：["qq:123456:private","qq:654321:group"] # 注意：如果为群聊，则需要设置为group，如果设置为私聊，则需要设置为private ] [chat] #麦麦的聊天设置 talk_frequency = 0.5 # 麦麦活跃度，越高，麦麦回复越多，范围0-1 focus_value = 0.5 # 麦麦的专注度，越高越容易持续连续对话，可能消耗更多token, 范围0-1 max_context_size = 20 # 上下文长度 mentioned_bot_inevitable_reply = true # 提及 bot 大概率回复 at_bot_inevitable_reply = true # @bot 或 提及bot 大概率回复 focus_value_adjust = [ ["", "8:00,1", "12:00,0.8", "18:00,1", "01:00,0.3"], ["qq:114514:group", "12:20,0.6", "16:10,0.5", "20:10,0.8", "00:10,0.3"], ["qq:1919810:private", "8:20,0.5", "12:10,0.8", "20:10,1", "00:10,0.2"] ] talk_frequency_adjust = [ ["", "8:00,0.5", "12:00,0.6", "18:00,0.8", "01:00,0.3"], ["qq:114514:group", "12:20,0.3", "16:10,0.5", "20:10,0.4", "00:10,0.1"], ["qq:1919810:private", "8:20,0.3", "12:10,0.4", "20:10,0.5", "00:10,0.1"] ] # 基于聊天流的个性化活跃度和专注度配置 # 格式：[["platform:chat_id:type", "HH:MM,frequency", "HH:MM,frequency", ...], ...] # 全局配置示例： # [["", "8:00,1", "12:00,2", "18:00,1.5", "00:00,0.5"]] # 特定聊天流配置示例： # [ # ["", "8:00,1", "12:00,1.2", "18:00,1.5", "01:00,0.6"], # 全局默认配置 # ["qq:1026294844:group", "12:20,1", "16:10,2", "20:10,1", "00:10,0.3"], # 特定群聊配置 # ["qq:729957033:private", "8:20,1", "12:10,2", "20:10,1.5", "00:10,0.2"] # 特定私聊配置 # ] # 说明： # - 当第一个元素为空字符串""时，表示全局默认配置 # - 当第一个元素为"platform:id:type"格式时，表示特定聊天流配置 # - 后续元素是"时间,频率"格式，表示从该时间开始使用该活跃度，直到下一个时间点 # - 优先级：特定聊天流配置 > 全局配置 > 默认 talk_frequency [relationship] enable_relationship = true # 是否启用关系系统 relation_frequency = 1 # 关系频率，麦麦构建关系的频率 [message_receive] # 以下是消息过滤，可以根据规则过滤特定消息，将不会读取这些消息 ban_words = [ # "403","张三" ] ban_msgs_regex = [ # 需要过滤的消息（原始消息）匹配的正则表达式，匹配到的消息将被过滤，若不了解正则表达式请勿修改 #"https?://[^\\s]+", # 匹配https链接 #"\\d{4}-\\d{2}-\\d{2}", # 匹配日期 ] [tool] enable_tool = false # 是否在普通聊天中启用工具 [mood] enable_mood = true # 是否启用情绪系统 mood_update_threshold = 1 # 情绪更新阈值,越高，更新越慢 [emoji] emoji_chance = 0.6 # 麦麦激活表情包动作的概率 max_reg_num = 60 # 表情包最大注册数量 do_replace = true # 开启则在达到最大数量时删除（替换）表情包，关闭则达到最大数量时不会继续收集表情包 check_interval = 10 # 检查表情包（注册，破损，删除）的时间间隔(分钟) steal_emoji = true # 是否偷取表情包，让麦麦可以将一些表情包据为己有 content_filtration = false # 是否启用表情包过滤，只有符合该要求的表情包才会被保存 filtration_prompt = "符合公序良俗" # 表情包过滤要求，只有符合该要求的表情包才会被保存 [memory] enable_memory = true # 是否启用记忆系统 memory_build_frequency = 1 # 记忆构建频率 越高，麦麦学习越多 memory_compress_rate = 0.1 # 记忆压缩率 控制记忆精简程度 建议保持默认,调高可以获得更多信息，但是冗余信息也会增多 forget_memory_interval = 3000 # 记忆遗忘间隔 单位秒 间隔越低，麦麦遗忘越频繁，记忆更精简，但更难学习 memory_forget_time = 48 #多长时间后的记忆会被遗忘 单位小时 memory_forget_percentage = 0.008 # 记忆遗忘比例 控制记忆遗忘程度 越大遗忘越多 建议保持默认 enable_instant_memory = false # 是否启用即时记忆，测试功能，可能存在未知问题 #不希望记忆的词，已经记忆的不会受到影响，需要手动清理 memory_ban_words = [ "表情包", "图片", "回复", "聊天记录" ] [voice] enable_asr = false # 是否启用语音识别，启用后麦麦可以识别语音消息，启用该功能需要配置语音识别模型[model.voice]s [lpmm_knowledge] # lpmm知识库配置 enable = false # 是否启用lpmm知识库 rag_synonym_search_top_k = 10 # 同义词搜索TopK rag_synonym_threshold = 0.8 # 同义词阈值（相似度高于此阈值的词语会被认为是同义词） info_extraction_workers = 3 # 实体提取同时执行线程数，非Pro模型不要设置超过5 qa_relation_search_top_k = 10 # 关系搜索TopK qa_relation_threshold = 0.5 # 关系阈值（相似度高于此阈值的关系会被认为是相关的关系） qa_paragraph_search_top_k = 1000 # 段落搜索TopK（不能过小，可能影响搜索结果） qa_paragraph_node_weight = 0.05 # 段落节点权重（在图搜索&PPR计算中的权重，当搜索仅使用DPR时，此参数不起作用） qa_ent_filter_top_k = 10 # 实体过滤TopK qa_ppr_damping = 0.8 # PPR阻尼系数 qa_res_top_k = 3 # 最终提供的文段TopK embedding_dimension = 1024 # 嵌入向量维度,应该与模型的输出维度一致 # keyword_rules 用于设置关键词触发的额外回复知识 # 添加新规则方法：在 keyword_rules 数组中增加一项，格式如下： # { keywords = ["关键词1", "关键词2"], reaction = "触发这些关键词时的回复内容" } # 例如，添加一个新规则：当检测到“你好”或“hello”时回复“你好，有什么可以帮你？” # { keywords = ["你好", "hello"], reaction = "你好，有什么可以帮你？" } [keyword_reaction] keyword_rules = [ { keywords = ["人机", "bot", "机器", "入机", "robot", "机器人", "ai", "AI"], reaction = "有人说你是人机或者机器人，否定这一事实，攻击或反问他。注意，只有认为你是机器人才回复，否则不要否认" }, { keywords = ["测试关键词回复", "test"], reaction = "回答测试成功" }, #{ keywords = ["你好", "hello"], reaction = "你好，有什么可以帮你？" } # 在此处添加更多规则，格式同上 ] regex_rules = [ { regex = ["^(?P\\S{1,20})是这样的$"], reaction = "请按照以下模板造句：[n]是这样的，xx只要xx就可以，可是[n]要考虑的事情就很多了，比如什么时候xx，什么时候xx，什么时候xx。（请自由发挥替换xx部分，只需保持句式结构，同时表达一种将[n]过度重视的反讽意味）" } ] # 可以自定义部分提示词 [custom_prompt] image_prompt = "请用中文描述这张图片的内容。如果有文字，请把文字描述概括出来，请留意其主题，直观感受，输出为一段平文本，最多30字，请注意不要分点，就输出一段文本" [response_post_process] enable_response_post_process = true # 是否启用回复后处理，包括错别字生成器，回复分割器 [chinese_typo] enable = true # 是否启用中文错别字生成器 error_rate=0.01 # 单字替换概率 min_freq=9 # 最小字频阈值 tone_error_rate=0.1 # 声调错误概率 word_replace_rate=0.006 # 整词替换概率 [response_splitter] enable = true # 是否启用回复分割器 max_length = 512 # 回复允许的最大长度 max_sentence_num = 8 # 回复允许的最大句子数 enable_kaomoji_protection = false # 是否启用颜文字保护 [log] date_style = "m-d H:i:s" # 日期格式 log_level_style = "lite" # 日志级别样式,可选FULL，compact，lite color_text = "full" # 日志文本颜色，可选none，title，full log_level = "INFO" # 全局日志级别（向下兼容，优先级低于下面的分别设置） console_log_level = "INFO" # 控制台日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL file_log_level = "DEBUG" # 文件日志级别，可选: DEBUG, INFO, WARNING, ERROR, CRITICAL # 第三方库日志控制 suppress_libraries = ["faiss","httpx", "urllib3", "asyncio", "websockets", "httpcore", "requests", "peewee", "openai","uvicorn","jieba"] # 完全屏蔽的库 library_log_levels = { "aiohttp" = "WARNING"} # 设置特定库的日志级别 [debug] show_prompt = false # 是否显示prompt [maim_message] auth_token = [] # 认证令牌，用于API验证，为空则不启用验证 # 以下项目若要使用需要打开use_custom，并单独配置maim_message的服务器 use_custom = false # 是否启用自定义的maim_message服务器，注意这需要设置新的端口，不能与.env重复 host="127.0.0.1" port=8090 mode="ws" # 支持ws和tcp两种模式 use_wss = false # 是否使用WSS安全连接，只支持ws模式 cert_file = "" # SSL证书文件路径，仅在use_wss=true时有效 key_file = "" # SSL密钥文件路径，仅在use_wss=true时有效 [telemetry] #发送统计信息，主要是看全球有多少只麦麦 enable = true [experimental] #实验性功能 enable_friend_chat = false # 是否启用好友聊天