Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.fim.ai/llms.txt

Use this file to discover all available pages before exploring further.

Alle Konfigurationen werden über .env durchgeführt. Kopieren Sie example.env und füllen Sie Ihre Werte aus: 
cp example.env .env

​
Konfigurationsebenen

Jede Integration hat eine Konfigurationsebene, die ihre Bedeutung angibt:
EbeneBedeutungVerhalten wenn nicht konfiguriert
ErforderlichSystemabhängigkeitSystem gibt einen Fehler aus — Chat und primäre Funktionen funktionieren nicht
EmpfohlenWichtiger FunktionsaktivatorOrdnungsgemäße Verschlechterung — die Funktion ist sichtbar nicht verfügbar, aber das System läuft
OptionalVerbesserungsfunktionTransparente Verschlechterung — System funktioniert einwandfrei, Funktion ist einfach nicht vorhanden
Hinweis: Von Administratoren konfigurierte Modelle (Admin → Seite „Modelle”) können LLM-Umgebungsvariablen ersetzen. Die Integritätsprüfung berücksichtigt beide Quellen.

​
Frontend (Nur lokale Entwicklung)

Das Frontend hat eine separate Env-Datei nur für die lokale Entwicklung: frontend/.env.local.
Diese Datei wird NICHT in Docker verwendet. Innerhalb des Docker-Containers leitet Next.js /api/* intern an das Python-Backend weiter (Port 8000 ist intern im Container), daher ist keine Frontend-Env-Datei erforderlich.
Für die lokale Entwicklung funktionieren die Standardwerte sofort — Sie müssen frontend/.env.local nicht erstellen, es sei denn, Ihr Backend läuft auf einem nicht-standardmäßigen Port. Falls Sie überschreiben müssen, erstellen Sie frontend/.env.local manuell: 
echo 'NEXT_PUBLIC_API_URL=http://localhost:9000' > frontend/.env.local
VariableStandardBeschreibung
NEXT_PUBLIC_API_URLhttp://localhost:8000 (automatisch)Backend-URL, die der Browser für direkte API-Aufrufe verwendet (OAuth-Umleitungen, Streaming). Wird automatisch von window.location erkannt, falls nicht gesetzt — überschreiben Sie nur, wenn Ihr Backend lokal auf einem nicht-standardmäßigen Port läuft.
Hinweis zur Build-Zeit: NEXT_PUBLIC_*-Variablen werden zur pnpm build-Zeit in das JS-Bundle eingebettet. Das Ändern zur Laufzeit (z. B. über die root .env) hat keine Auswirkung — deshalb befinden sie sich nur für die lokale Entwicklung in frontend/.env.local.

​
LLM (erforderlich)

VariableErforderlichStandardBeschreibung
LLM_API_KEYJa—API-Schlüssel für den LLM-Anbieter
LLM_BASE_URLNeinhttps://api.openai.com/v1Basis-URL einer beliebigen OpenAI-kompatiblen API
LLM_MODELNeingpt-4oHauptmodell — verwendet für Planung, Analyse und ReAct-Agent
FAST_LLM_MODELNein(fällt auf LLM_MODEL zurück)Schnelles Modell — verwendet für DAG-Schrittausführung (günstiger, schneller)
LLM_TEMPERATURENein0.7Standard-Sampling-Temperatur
LLM_CONTEXT_SIZENein128000Kontextfenstergröße für das Haupt-LLM
LLM_MAX_OUTPUT_TOKENSNein64000Max. Ausgabe-Token pro Aufruf für das Haupt-LLM
FAST_LLM_API_KEYNein(fällt auf LLM_API_KEY zurück)API-Schlüssel für den Anbieter des schnellen Modells. Verwenden Sie dies, wenn das schnelle Modell von einem anderen Anbieter gehostet wird als das Hauptmodell
FAST_LLM_BASE_URLNein(fällt auf LLM_BASE_URL zurück)Basis-URL für den Anbieter des schnellen Modells
FAST_LLM_TEMPERATURENein(fällt auf LLM_TEMPERATURE zurück)Sampling-Temperatur für das schnelle Modell
FAST_LLM_CONTEXT_SIZENein(fällt auf LLM_CONTEXT_SIZE zurück)Kontextfenstergröße für das schnelle LLM
FAST_LLM_MAX_OUTPUT_TOKENSNein(fällt auf LLM_MAX_OUTPUT_TOKENS zurück)Max. Ausgabe-Token pro Aufruf für das schnelle LLM
LLM_REASONING_EFFORTNein(deaktiviert)Erweitertes Denk-Level für unterstützte Modelle (OpenAI o-Serie, Gemini 2.5+, Claude). Werte: low, medium, high. LiteLLM übersetzt dies automatisch in das native Format jedes Anbieters. Die Chain-of-Thought des Modells wird im UI-Schritt „thinking” angezeigt.
LLM_REASONING_BUDGET_TOKENSNein(automatisch aus Effort)Explizites Token-Budget für Anthropic-Denken (Minimum 1024). Für OpenAI/Gemini wird das Effort-Level direkt verwendet. Wirksam nur, wenn LLM_REASONING_EFFORT gesetzt ist.
LLM_JSON_MODE_ENABLEDNeintrueGlobaler Schalter für response_format=json_object. Setzen Sie auf false, wenn Ihr Anbieter LiteLLMs Assistant-Prefill-Injektion ablehnt (z. B. AWS Bedrock Relay → ValidationException bei der 2.+ Agent-Iteration). Wenn deaktiviert, überspringen strukturierte Aufrufe den JSON-Modus und greifen auf einfache Text-Regex-Extraktion zurück — kein Qualitätsverlust. Gilt für alle Modelle (ENV-konfiguriert und Admin-konfiguriert).
LLM_TOOL_CHOICE_ENABLEDNeintrueGlobaler Schalter für erzwungenes tool_choice bei strukturierter Ausgabeextraktion (Level 1 — Native Function Calling). Setzen Sie auf false, wenn Ihr Modell Fehler bei erzwungener Werkzeugauswahl zurückgibt (z. B. Denk-Modus-Modelle, die tool_choice='specified' ablehnen). Wenn deaktiviert, überspringen strukturierte Aufrufe natives FC und beginnen mit JSON-Modus. Pro-Modell-Überschreibung verfügbar in Einstellungen → Modelle → Erweitert.
REASONING_LLM_MODELNein(fällt auf LLM_MODEL zurück)Modellname für die Reasoning-Ebene. Verwendet für Aufgaben, die tiefe Analyse erfordern (z. B. DAG-Planung, Plan-Analyse)
REASONING_LLM_API_KEYNein(fällt auf LLM_API_KEY zurück)API-Schlüssel für den Reasoning-Modell-Anbieter
REASONING_LLM_BASE_URLNein(fällt auf LLM_BASE_URL zurück)Basis-URL für den Reasoning-Modell-Anbieter
REASONING_LLM_TEMPERATURENein(fällt auf LLM_TEMPERATURE zurück)Sampling-Temperatur für das Reasoning-Modell
REASONING_LLM_CONTEXT_SIZENein(fällt auf LLM_CONTEXT_SIZE zurück)Kontextfenstergröße für das Reasoning-Modell
REASONING_LLM_MAX_OUTPUT_TOKENSNein(fällt auf LLM_MAX_OUTPUT_TOKENS zurück)Max. Ausgabe-Token pro Aufruf für das Reasoning-Modell
REASONING_LLM_EFFORTNein(fällt auf LLM_REASONING_EFFORT zurück)Reasoning-Effort-Level für die Reasoning-Modell-Ebene. Werte: low, medium, high
REASONING_LLM_BUDGETNein(fällt auf LLM_REASONING_BUDGET_TOKENS zurück)Token-Budget für Reasoning (hauptsächlich Anthropic). Überschreibt das automatisch berechnete Budget für die Reasoning-Ebene
LLM_SUPPORTS_VISIONNeintrue (optimistisch)Steuert, ob ENV-Modus-Dokument-OCR (über MarkItDown + markitdown-ocr) versucht wird. Gilt nur, wenn keine aktive Modellgruppe in Admin → Modelle konfiguriert ist (reiner ENV-Modus). Wenn der Standard true wirksam ist, nehmen convert_to_markdown und RAG-Erfassung an, dass LLM_MODEL Vision unterstützt, und rufen es für Bild-OCR auf — dies ist das richtige Verhalten für alle gängigen Optionen (gpt-4o, claude-3-5-sonnet, gemini-1.5-pro/flash). Setzen Sie dies auf false, wenn Ihr ENV-konfiguriertes LLM_MODEL Vision nicht unterstützt (z. B. deepseek-v3, qwen-chat, llama-3.1, gpt-3.5-turbo, o1-mini), um den fehlgeschlagenen Vision-Aufruf zu überspringen und direkt zur reinen Text-Extraktion zu gehen. Wenn eine aktive Modellgruppe im Admin → Modelle-Panel vorhanden ist, wird dieses Flag ignoriert und die supports_vision-Flags der Gruppe übernehmen — die von Admin kuratierte Wahl ist immer die Quelle der Wahrheit im DB-Modus.
Auflösungsreihenfolge: Benutzereinstellung → Admin-Modelle (DB) → ENV-Fallback. Wenn ein Admin-Modell mit der Rolle „General” in Admin → Modelle konfiguriert ist, dienen diese ENV-Variablen nur als Fallback. Die Integritätsprüfung berücksichtigt beide Quellen.

​
MarkItDown OCR-Auflösung

Das convert_to_markdown Built-in-Tool und die RAG-Ingestion-Pipeline verwenden beide Microsofts MarkItDown + das offizielle markitdown-ocr Plugin, um Text aus Dokumenten zu extrahieren — einschließlich OCR auf eingebetteten Bildern und gescannten PDF-Seiten, wenn ein Vision-fähiges LLM verfügbar ist. Vision-LLM-Auflösungsreihenfolge (erste Übereinstimmung gewinnt):
#QuellePrioritätsrationale
1Primäres LLM des Agenten, wenn supports_vision=TrueKonsistenz: gleicher API-Schlüssel, gleicher Abrechnungsbucket, gleicher Rate-Limit-Pool wie das Gespräch.
2Aktive ModelGroup → Fast Model, wenn supports_vision=TrueFast Models (gpt-4o-mini, claude-haiku, gemini-1.5-flash) sind das ideale OCR-Arbeitstier — günstig, niedrige Latenz, normalerweise multimodal.
3Aktive ModelGroup → General Model, wenn supports_vision=TrueQualitäts-Fallback, wenn das primäre Modell nicht in der Gruppe ist.
4ENV primäres LLM (LLM_MODEL)Optimistischer Fallback für reinen ENV-Modus. Wird nur verwendet, wenn keine aktive ModelGroup existiert. Gesteuert durch LLM_SUPPORTS_VISION.
Reasoning-Modelle werden niemals für OCR bevorzugt. Reasoning-Tiers (o1, o3-mini, DeepSeek-R1) haben historisch keine Vision-Unterstützung und sind ohnehin das falsche Werkzeug für OCR — OCR ist eine Wahrnehmungsaufgabe, keine Überlegungsaufgabe. Wenn ein Workspace nur ein Reasoning-Modell mit supports_vision=True hat, wird es trotzdem über den Primary-LLM-Pfad aufgegriffen, aber der Resolver stuft es nicht aktiv über Fast/General ein. Null-Regressions-Fallback: Wenn auf keiner Ebene ein Vision-fähiges Modell gefunden wird, wird OCR stillschweigend deaktiviert und MarkItDown läuft im reinen Text-Modus. OCR für eingebettete Bilder in Word/PowerPoint/Excel wird nicht verfügbar (wie vor dieser Funktion), aber alle andere Textextraktion (Überschriften, Tabellen, Absatztext) funktioniert unverändert weiter. Es gibt niemals einen Fall, in dem das Hinzufügen dieser Funktion die Extraktion schlechter machte als das vorherige Verhalten. Nicht-OpenAI-Provider (Anthropic, Google Gemini, etc.) werden transparent unterstützt: das aufgelöste LLM wird in einem LiteLLMOpenAIShim verpackt, das chat.completions.create(...)-Aufrufe durch litellm.completion() leitet, was die Provider-spezifische Nachrichtenformat-Übersetzung handhabt (z. B. Anthropics source.type="base64" Image-Block). Ein Shim deckt jeden Provider ab, den LiteLLM unterstützt — das Hinzufügen eines neuen Providers kostet null Code-Änderungen in FIM One.

​
Extended Thinking (Reasoning)

Wenn LLM_REASONING_EFFORT gesetzt ist, aktiviert FIM One die Extended-Thinking-Funktion des Modells, sodass die interne Gedankenkette im UI-Schritt “thinking” angezeigt wird. FIM One verwendet LiteLLM, um den Reasoning-Effort-Parameter automatisch in das native Format jedes Anbieters zu übersetzen.

​
Unterstützte Anbieter

AnbieterLLM_BASE_URLFunktionsweiseReasoning-Inhalt zurückgegeben?
OpenAI (o1 / o3 / o4-mini)https://api.openai.com/v1reasoning_effort nativ gesendetJa
Anthropic (Claude 3.7+)https://api.anthropic.com/v1/LiteLLM leitet über native Anthropic API mit thinking Parameter weiterJa
Google Gemini (2.5+)https://generativelanguage.googleapis.com/v1beta/openai/reasoning_effort auf Kompatibilitäts-Endpunkt gesendetJa
LiteLLM erkennt den Anbieter automatisch von LLM_BASE_URL und ordnet ihn dem korrekten API-Format zu. Unbekannte URLs werden als OpenAI-kompatibel behandelt.

​
Wichtige Einschränkungen

Third-Party-Proxies / benutzerdefinierte Endpunkte sind nicht garantiert. Wenn Ihr LLM_BASE_URL auf einen Third-Party-API-Proxy verweist (z. B. OpenRouter, one-api, benutzerdefiniertes Gateway), wird LiteLLM versuchen, basierend auf der URL korrekt weiterzuleiten. Wenn Ihr Proxy jedoch ein nicht standardisiertes Format erwartet, funktioniert das Reasoning möglicherweise nicht wie erwartet. Konsultieren Sie die Dokumentation des Proxys für das erwartete Parameterformat.

​
Temperatureinschränkungen mit Reasoning

Einige Anbieter haben Temperatureinschränkungen, wenn Reasoning aktiv ist:
  • Anthropic: Erfordert temperature=1, wenn erweitertes Denken aktiviert ist. Bei Verwendung von Anthropic mit erweitertem Denken müssen Sie LLM_TEMPERATURE=1 setzen — Anthropic lehnt andere Werte ab, wenn Denken aktiviert ist.
  • OpenAI GPT-5.x: Unterstützt nur temperature=1 zu allen Zeiten. LiteLLMs drop_params-Filterung handhabt dies automatisch — nicht unterstützte Temperaturwerte werden stillschweigend gelöscht. Für GPT-5.x ist keine Benutzeraktion erforderlich.

​
Wie LLM_REASONING_BUDGET_TOKENS funktioniert

Diese Variable ist hauptsächlich für den Anthropic-Pfad relevant. Wenn gesetzt, überschreibt sie das automatisch berechnete Budget und wird als budget_tokens im thinking-Parameter über LiteLLM gesendet. Wenn nicht gesetzt, wird das Budget aus LLM_MAX_OUTPUT_TOKENS x Aufwandsverhältnis abgeleitet:
LLM_REASONING_EFFORTBudget-VerhältnisBeispiel (max_tokens = 64000)
low20%12.800 Token
medium50%32.000 Token
high80%51.200 Token
Das Mindestbudget beträgt 1.024 Token (Anthropics hartes Minimum). Für OpenAI und Gemini verwaltet der Anbieter die Token-Zuweisung intern basierend auf der reasoning_effort-Ebene — LLM_REASONING_BUDGET_TOKENS hat keine Auswirkung.

​
Agent-Ausführung

​
ReAct-Agent

VariableErforderlichStandardBeschreibung
REACT_MAX_ITERATIONSNein20Max. Tool-Call-Iterationen pro ReAct-Anfrage. Höher = gründlicher, aber langsamer und teurer
REACT_MAX_TURN_TOKENSNein0Notfall-Schutzschalter: max. kumulative Token (Prompt + Completion über alle Iterationen) pro einzelnem ReAct-Turn. Standard 0 = unbegrenzt. Dies ist NICHT für die tägliche Token-Kontrolle — verwenden Sie dafür token_quota pro Benutzer. Dies ist ein letzter Ausweg für extreme Szenarien wie einen Agent, der in einer Endlosschleife von Tool-Calls steckt. Das Erreichen dieses Limits bricht die Aufgabe während der Ausführung ab, verschwendet alle verbrauchten Token und gibt ein unvollständiges Ergebnis zurück. Behalten Sie 0 bei, es sei denn, Sie haben ein spezifisches Runaway-Agent-Problem zu kontrollieren
REACT_TOOL_SELECTION_THRESHOLDNein12Wenn die Gesamtzahl der registrierten Tools diesen Schwellenwert überschreitet, wählt ein leichtgewichtiger LLM-Call die relevanteste Teilmenge vor jeder Anfrage aus
REACT_TOOL_SELECTION_MAXNein6Max. Tools nach intelligenter Auswahl (nur wirksam, wenn die Tool-Anzahl REACT_TOOL_SELECTION_THRESHOLD überschreitet)
REACT_SELF_REFLECTION_INTERVALNein6Injizieren Sie alle N Tool-Calls einen Self-Reflection-Prompt, um dem Agent zu helfen, den Kurs zu korrigieren und Schleifen zu vermeiden
REACT_TOOL_OBS_TRUNCATIONNein8000Max. Zeichen pro Tool-Observation bei der Synthese der endgültigen Antwort. Höhere Werte bewahren mehr strukturierte Daten (JSON, Tabellen) auf Kosten von mehr Token
REACT_TOOL_RESULT_BUDGETNein40000Aggregiertes Token-Budget für alle Tool-Ergebnisse in einer einzelnen Sitzung. Wenn die Gesamtzahl der Tool-Result-Token diese Obergrenze überschreitet, werden neue Ergebnisse mit einer Benachrichtigung gekürzt. Verhindert Context-Überfluss durch große API-Responses (z. B. 5 Connector-Calls, die jeweils 8K zurückgeben). Setzen Sie auf 0, um die Obergrenze zu deaktivieren
REACT_COMPLETION_CHECK_SKIP_CHARSNein800Überspringen Sie den Post-Answer-Completion-Check-LLM-Call, wenn die endgültige Antwort des Agents diese Anzahl von Zeichen überschreitet. Lange detaillierte Antworten benötigen keine “Habe ich etwas übersehen?”-Verifikations-Roundtrip. Setzen Sie niedriger, um aggressiver zu überspringen; setzen Sie auf einen sehr großen Wert, um die Überprüfung immer auszuführen
REACT_CYCLE_DETECTION_THRESHOLDNein2Wenn dasselbe Tool mit identischen Argumenten diese Anzahl von Malen hintereinander aufgerufen wird, wird eine deterministische Warnung injiziert, die den Agent auffordert, einen anderen Ansatz zu versuchen. Im Gegensatz zu Self-Reflection (das sich auf die LLM-Erkennung der Schleife verlässt), ist dies eine Hash-basierte Überprüfung, die nicht umgangen werden kann. Gilt auch für DAG-Schritte
REACT_COMPLETION_CHECK_MIN_TOOLSNein3Minimale Anzahl von Tool-Calls, bevor die Completion-Checkliste ausgelöst wird. Einfache Aufgaben (1-2 Tool-Calls) überspringen die Verifizierung, um unnötige Latenz zu vermeiden. Setzen Sie auf 1 für immer aktivierte Verifizierung. Gilt auch für DAG-Schritte
REACT_TURN_PROFILE_ENABLEDNeintrueGeben Sie Pro-Turn-Phase-Level-Timing-Logs aus (memory_load, compact, tool_schema_build, llm_first_token, llm_total, tool_exec). Eine strukturierte Log-Zeile pro Turn. Setzen Sie auf false, um Profiling vollständig zu deaktivieren (null Overhead)
LLM_RATE_LIMIT_PER_USERNeintrueVerwenden Sie Pro-Benutzer-Schlüssel-Rate-Limit-Buckets anstelle eines einzelnen prozessweiten Buckets. Verhindert, dass ein lauter Benutzer alle anderen auf demselben Worker aushungert. Die zugrunde liegende Rate ist auf 60 Anfragen/Min und 100K Token/Min pro Bucket fest codiert — diese Einstellung kontrolliert nur, ob der Bucket gemeinsam genutzt wird (global) oder partitioniert wird (pro Benutzer). Setzen Sie auf false, um zum Legacy-Global-Bucket zurückzukehren (nicht empfohlen)

​
DAG-Planer

VariableErforderlichStandardBeschreibung
MAX_CONCURRENCYNein5Max parallele Schritte im DAG-Executor
DAG_STEP_MAX_ITERATIONSNein15Max Tool-Call-Iterationen innerhalb jedes DAG-Schritts
DAG_STEP_TIMEOUTNein600Timeout für Schrittausführung in Sekunden. Schritte, die diesen Wert überschreiten, werden als fehlgeschlagen markiert und ihre abhängigen Schritte werden kaskadierend übersprungen
DAG_MAX_REPLAN_ROUNDSNein3Max autonome Neuplanungsversuche, wenn das Ziel nicht erreicht wird. Benutzerunterbrechungen (Inject) sind unbegrenzt und zählen nicht gegen dieses Budget
DAG_REPLAN_STOP_CONFIDENCENein0.8Wiederholungen beenden, wenn die Konfidenz des Agenten, dass das Ziel nicht erreichbar ist, diesen Schwellenwert überschreitet (0.0 = nie früh beenden, 1.0 = bei jedem Fehler beenden)
DAG_VERIFY_TRUNCATIONNein2000Max Zeichen der Schrittausgabe, die an die Schrittverifikations-LLM zur Qualitätsprüfung gesendet werden
DAG_ANALYZER_TRUNCATIONNein10000Max Zeichen pro Schrittergebnis bei der Formatierung für den Post-Execution-Analyzer
DAG_REPLAN_RECENT_TRUNCATIONNein500Max Zeichen pro Schrittergebnis aus der letzten Runde beim Aufbau des Neuplanungskontexts
DAG_REPLAN_OLDER_TRUNCATIONNein200Max Zeichen pro Schrittergebnis aus älteren Runden beim Aufbau des Neuplanungskontexts. Ältere Runden werden aggressiver gekürzt, um Kontext zu sparen
DAG_TOOL_CACHENeintrueCache identischer Tool-Aufrufe innerhalb einer einzelnen DAG-Ausführung. Nur Tools, die explizit als cacheable markiert sind (schreibgeschützte Tools wie Suche, Wissensbeschaffung), werden gecacht. Auf false setzen, um das Caching vollständig zu deaktivieren
DAG_STEP_VERIFICATIONNeinfalseGenerische LLM-basierte Qualitätsprüfung nach jedem DAG-Schritt. Bei Fehler wird der Schritt einmal mit Feedback wiederholt. Standardmäßig aus — fügt auf jedem Schritt Latenz hinzu und ist selten erforderlich; die meisten Schrittergebnisse sind ohne erneute Überprüfung akzeptabel. Verwenden Sie dies nur, wenn Sie häufig niedrige Qualität der Schrittergebnisse beobachten
DAG_CITATION_VERIFICATIONNeintrueGenauigkeitsprüfung von Zitaten für Schritte in Spezialdomänen. Voraussetzung: Die Abfrage muss zunächst vom LLM-Domänenklassifizierer als Spezialdomäne klassifiziert werden (siehe ESCALATION_DOMAINS). Wenn die Domäne erkannt wird UND dieses Flag true ist, wird jeder abgeschlossene Schritt auf rechtliche/medizinische/finanzielle Zitate gescannt und auf Genauigkeit überprüft — um halluzinierte Artikelnummern, erfundene Fallreferenzen und falsche behördliche Zitate zu erkennen. Wenn die Domänenklassifizierung null zurückgibt (allgemeine Abfrage), wird die Zitatverifikation unabhängig von dieser Einstellung nicht ausgeführt
DAG_CITATION_VERIFY_TRUNCATIONNein6000Max Zeichen des Schrittergebnisses, die an den Zitatverifikationsprompt gesendet werden

​
Domain-Klassifizierung

Steuert die unabhängige LLM-basierte Domain-Erkennungsschicht, die vor der ReAct- und DAG-Ausführung ausgeführt wird. Wenn eine Abfrage als spezialisierte Domain klassifiziert wird, aktiviert das System Domain-bewusste Funktionen: Modellsteigerung auf Reasoning-Modell, Domain-spezifische SOP-Anweisungen und Zitierverifikation (nur DAG).
VariableErforderlichStandardBeschreibung
ESCALATION_DOMAINSNeinlegal,medical,financial,tax,compliance,patentKommagetrennte Liste spezialisierter Domains. Ein schnelles LLM klassifiziert jede Abfrage gegen diese Liste. Bei Übereinstimmung führt das System folgende Schritte durch: (1) Upgrade auf das Reasoning-Modell für höhere Genauigkeit, (2) Injektion von Domain-spezifischen SOP-Anweisungen (z. B. Zitate vor dem Schreiben per Suche verifizieren), (3) Aktivierung der Zitierverifikation für DAG-Schritte. Fügen Sie nach Bedarf benutzerdefinierte Domains hinzu (z. B. legal,education,construction)

​
Context Guard

Steuert die automatische Verwaltung des Kontextfensters, die verhindert, dass Gespräche das Limit des Modells überschreiten.
VariableErforderlichStandardBeschreibung
CONTEXT_GUARD_DEFAULT_BUDGETNein32000Standard-Token-Budget für die Verwaltung des Kontextfensters. Wenn das Gespräch diesen Wert überschreitet, werden ältere Nachrichten komprimiert
CONTEXT_GUARD_MAX_MSG_CHARSNein50000Hartes Zeichenlimit für jede einzelne Nachricht. Nachrichten, die diesen Wert überschreiten, werden als Sicherheitsmaßnahme gekürzt
CONTEXT_GUARD_KEEP_RECENTNein4Anzahl der neuesten Nachrichten, die bei der Komprimierung des Gesprächsverlaufs beibehalten werden

​
Agent-Arbeitsbereich

VariableErforderlichStandardBeschreibung
WORKSPACE_OFFLOAD_THRESHOLDNein8000Wenn eine Werkzeugausgabe diese Anzahl von Zeichen überschreitet, wird sie in einer Arbeitsbereichsdatei gespeichert und eine gekürzte Vorschau wird in den Gesprächskontext eingefügt
WORKSPACE_PREVIEW_CHARSNein2000Anzahl der Vorschauzeichen, die in gekürzten Arbeitsbereichsreferenzen enthalten sein sollen
WORKSPACE_CLEANUP_MAX_HOURSNein72Arbeitsbereichsdateien, die älter als diese Anzahl von Stunden sind, sind für die automatische Bereinigung berechtigt

​
System

VariableErforderlichStandardBeschreibung
SYSTEM_PROMPT_RESERVE——Entfernt. Subtrahierte zuvor eine feste 4K-Reserve vom Kontext-Budget für System-Prompts. Dies führte zu Doppelzählungen, da ContextGuard die System-Prompt bereits bei der Schätzung der Token der Nachrichtenliste berücksichtigt. Die Budget-Formel ist nun einfach context_size - max_output_tokens, und die tatsächliche Größe der System-Prompt wird dynamisch berücksichtigt

​
Web-Tools (Optional)

VariableErforderlichStandardBeschreibung
JINA_API_KEYNein—Jina API-Schlüssel. Fungiert als gemeinsamer Fallback für Suche, Abruf, Einbettung und Reranking, wenn kein servicespezifischer Schlüssel gesetzt ist. Erhalten Sie Ihren unter jina.ai
TAVILY_API_KEYNein—Tavily Search API-Schlüssel (automatisch ausgewählt, wenn gesetzt und WEB_SEARCH_PROVIDER nicht gesetzt ist)
BRAVE_API_KEYNein—Brave Search API-Schlüssel (automatisch ausgewählt, wenn gesetzt und WEB_SEARCH_PROVIDER nicht gesetzt ist)
EXA_API_KEYNein—Exa Search API-Schlüssel (automatisch ausgewählt, wenn gesetzt und WEB_SEARCH_PROVIDER nicht gesetzt ist). Erhalten Sie Ihren unter exa.ai
WEB_SEARCH_PROVIDERNeinjinaSuchanbieterwähler: jina / tavily / brave / exa
WEB_FETCH_PROVIDERNeinjina (wenn Schlüssel gesetzt, sonst httpx)Abrufsanbieter: jina (verwendet Jina Reader API) / httpx (direkte HTTP-Anfrage, kein API-Schlüssel erforderlich)
Schnellstart-Tipp: Das Setzen von nur JINA_API_KEY aktiviert Web-Suche, Web-Abruf, Einbettung und Reranking auf einmal – ein Schlüssel, vier Services. Sie können jeden Service einzeln mit den folgenden Variablen überschreiben.

​
RAG & Wissensdatenbank (Empfohlen)

​
Embedding

Embedding konvertiert Text in Vektoren für die Wissensdatenbank-Suche. FIM One verwendet den Standard-OpenAI-kompatiblen /v1/embeddings-Endpunkt, daher funktioniert er mit jedem Anbieter, der diese Schnittstelle bereitstellt — nicht nur Jina.
VariableErforderlichStandardBeschreibung
EMBEDDING_API_KEYNein(fällt auf JINA_API_KEY zurück)API-Schlüssel für den Embedding-Anbieter
EMBEDDING_BASE_URLNeinhttps://api.jina.ai/v1Basis-URL für den Embedding-Anbieter
EMBEDDING_MODELNeinjina-embeddings-v3Modellbezeichner
EMBEDDING_DIMENSIONNein1024Vektordimension
Anbieterbeispiele — setzen Sie einfach die drei Variablen, um zu wechseln:
AnbieterEMBEDDING_BASE_URLEMBEDDING_MODELEMBEDDING_DIMENSION
Jina (Standard)https://api.jina.ai/v1jina-embeddings-v31024
OpenAIhttps://api.openai.com/v1text-embedding-3-small1536
Voyagehttps://api.voyageai.com/v1voyage-31024
Ollama (lokal)http://localhost:11434/v1nomic-embed-text768
Das Ändern des Embedding-Modells oder der Dimension macht alle vorhandenen Wissensdatenbank-Vektoren ungültig. Alte Vektoren wurden in einem anderen Embedding-Raum berechnet — die Abrufgenauigkeit wird sich unmerklich verschlechtern. Sie müssen alle Wissensdatenbank-Indizes neu erstellen, nachdem Sie gewechselt haben.

​
Abruf

VariableErforderlichStandardBeschreibung
RETRIEVAL_MODENeingroundinggrounding (vollständige Pipeline mit Zitaten und Konfidenzscoring) oder simple (grundlegende RAG)

​
Reranker

Reranker bewertet abgerufene Dokumente neu, um die Relevanz zu verbessern. Drei Anbieter werden unterstützt — wählen Sie über RERANKER_PROVIDER oder lassen Sie das System automatisch aus verfügbaren API-Schlüsseln erkennen.
VariableErforderlichStandardBeschreibung
RERANKER_PROVIDERNein(automatische Erkennung)jina / cohere / openai. Falls nicht gesetzt: verwendet Cohere, wenn COHERE_API_KEY gesetzt ist, andernfalls Jina
RERANKER_MODELNeinjina-reranker-v2-base-multilingualModellkennung (gilt für Jina- und OpenAI-Anbieter)
COHERE_API_KEYNein—Cohere API-Schlüssel (wählt automatisch Cohere-Reranker aus, wenn gesetzt und RERANKER_PROVIDER nicht gesetzt ist)
COHERE_RERANKER_MODELNeinrerank-multilingual-v3.0Cohere-spezifisches Reranker-Modell
Jina verwendet JINA_API_KEY (aus Web Tools oben). OpenAI verwendet LLM_API_KEY / LLM_BASE_URL erneut — kein zusätzlicher Schlüssel erforderlich. Cohere benötigt seinen eigenen COHERE_API_KEY.
Reranker ist optional — die Wissensdatenbanksuche funktioniert ohne ihn mit Fusion-Scoring. Embedding wird empfohlen für Wissensdatenbankfunktionen.

​
Vektorspeicher

VariableErforderlichStandardBeschreibung
VECTOR_STORE_DIRNein./data/vector_storeVerzeichnis für LanceDB-Vektorspeicherdaten (dateibasiert, keine externen Dienste)

​
Code-Ausführung

VariableErforderlichStandardBeschreibung
CODE_EXEC_BACKENDNeinlocallocal (direkte Host-Ausführung) oder docker (isolierte Container)
DOCKER_PYTHON_IMAGENeinpython:3.11-slimDocker-Image für Python-Ausführung
DOCKER_NODE_IMAGENeinnode:20-slimDocker-Image für Node.js-Ausführung
DOCKER_SHELL_IMAGENeinpython:3.11-slimDocker-Image für Shell-Ausführung
DOCKER_MEMORYNein(Docker-Standard)RAM-Limit pro Container (z. B. 256m, 512m, 1g)
DOCKER_CPUSNein(Docker-Standard)CPU-Kontingent pro Container (z. B. 0.5, 1.0)
SANDBOX_TIMEOUTNein120Standard-Ausführungs-Timeout in Sekunden
DOCKER_HOST_DATA_DIRNein(nicht gesetzt)Host-seitiger absoluter Pfad des ./data Volume-Mounts. Erforderlich für DooD-Bereitstellungen (Docker-outside-of-Docker); docker-compose.yml setzt dies automatisch über ${PWD}/data.
Sicherheit: Der local-Modus führt von KI generierte Code direkt auf dem Host aus. Für internetgestützte oder Multi-User-Bereitstellungen sollten Sie immer CODE_EXEC_BACKEND=docker setzen.

​
Werkzeug-Artefakte

Größenlimits für Dateien, die durch Werkzeugausführung erstellt werden (Code-Ausführung, Template-Rendering, Bildgenerierung).
VariableErforderlichStandardBeschreibung
MAX_ARTIFACT_SIZENein10485760 (10 MB)Maximale Größe einer einzelnen Artefaktdatei in Bytes
MAX_ARTIFACTS_TOTALNein52428800 (50 MB)Maximale Gesamtgröße der Artefakte pro Sitzung in Bytes

​
Dokumentverarbeitung (Optional)

Steuert, wie hochgeladene PDF-/DOCX-Dateien für die LLM-Verarbeitung verarbeitet werden. Vision-fähige Modelle (GPT-4o, Claude 3/4, Gemini) können PDF-Seiten als gerenderte Bilder für höhere Genauigkeit empfangen.
VariableErforderlichStandardBeschreibung
DOCUMENT_PROCESSING_MODENeinautoauto (Vision, falls Modell unterstützt), vision (Seiten immer rendern), text (nur Text extrahieren)
DOCUMENT_VISION_DPINein150DPI für PDF-Seitenrendering. Höher = bessere Qualität, mehr Token
DOCUMENT_VISION_MAX_PAGESNein20Maximale Anzahl von Seiten, die pro PDF als Bilder gerendert werden
Hinweis: Die Vision-Unterstützung pro Modell wird über den supports_vision-Schalter in Admin → Models konfiguriert. Wenn nicht explizit festgelegt, erkennt das System die Vision-Fähigkeit automatisch anhand des Modellnamens.

​
Bildgenerierung (Optional)

VariableErforderlichStandardBeschreibung
IMAGE_GEN_PROVIDERNeingooglegoogle (Gemini native API) oder openai (OpenAI-kompatible /v1/images/generations)
IMAGE_GEN_API_KEYNein—Google AI Studio Schlüssel (google) oder Proxy/OpenAI API Schlüssel (openai)
IMAGE_GEN_MODELNeingemini-3.1-flash-image-previewBildgenerierungsmodell (z. B. dall-e-3, gemini-nano-banana-2)
IMAGE_GEN_BASE_URLNein(pro Anbieter)Google: https://generativelanguage.googleapis.com/v1beta; OpenAI: https://api.openai.com/v1

​
E-Mail (SMTP) (Empfohlen)

Registriert das email_send Built-in-Tool automatisch, wenn SMTP_HOST, SMTP_USER und SMTP_PASS alle gesetzt sind.
VariableErforderlichStandardBeschreibung
SMTP_HOSTBed.—SMTP-Server-Hostname
SMTP_PORTNein465SMTP-Port
SMTP_SSLNeinsslTLS-Modus: ssl (Port 465) / tls (STARTTLS, Port 587) / "" (unverschlüsselt)
SMTP_USERBed.—SMTP-Benutzername
SMTP_PASSBed.—SMTP-Passwort
SMTP_FROMNein(verwendet SMTP_USER)Absenderadresse im From-Header
SMTP_FROM_NAMENein—Anzeigename im From-Header
SMTP_REPLY_TONein—Reply-To-Adresse; Antworten gehen hierher statt zu SMTP_FROM
SMTP_ALLOWED_DOMAINSNein—Kommagetrennte Domain-Allowlist (z. B. example.com,corp.io); blockiert Empfänger außerhalb der aufgelisteten Domains
SMTP_ALLOWED_ADDRESSESNein—Kommagetrennte Exact-Address-Allowlist; kombiniert mit SMTP_ALLOWED_DOMAINS; beide nicht gesetzt, um jeden Empfänger zuzulassen (nicht empfohlen für gemeinsame Postfächer)

​
Konnektoren

VariableErforderlichStandardBeschreibung
CONNECTOR_RESPONSE_MAX_CHARSNein50000Maximale Anzahl von Zeichen für Antworten von Nicht-Array-JSON-/Klartext-Konnektoren
CONNECTOR_RESPONSE_MAX_ITEMSNein10Maximale Array-Elemente, die beibehalten werden, wenn die Konnektor-Antwort ein JSON-Array ist
CREDENTIAL_ENCRYPTION_KEYNein(nicht gesetzt)Fernet-Verschlüsselungsschlüssel für Konnektor-Anmeldedaten-Blobs. Wenn gesetzt, werden Auth-Token in connector_credentials im Ruhezustand verschlüsselt. Wenn nicht gesetzt, werden Anmeldedaten als einfaches JSON gespeichert (abwärtskompatibel). Das Ändern dieses Schlüssels macht alle vorhandenen verschlüsselten Anmeldedaten ungültig.
CONNECTOR_TOOL_MODENeinprogressiveWie Konnektor-Tools für Agenten verfügbar gemacht werden. progressive: einzelnes ConnectorMetaTool mit discover/execute-Unterbefehlen (~30 Token/Konnektor). classic: ein Tool pro Aktion (Legacy, ~250 Token/Aktion).
DATABASE_TOOL_MODENeinprogressiveWie Datenbank-Konnektor-Tools für Agenten verfügbar gemacht werden. progressive: einzelnes DatabaseMetaTool mit list_tables/discover/query-Unterbefehlen. legacy: ein Tool pro Aktion pro Datenbank-Konnektor (3 Tools jeweils).
MCP_TOOL_MODENeinprogressiveWie MCP-Server-Tools für Agenten verfügbar gemacht werden. progressive: einzelnes MCPServerMetaTool mit discover/call-Unterbefehlen. legacy: ein Tool pro MCP-Server-Aktion (ursprüngliche einzelne Tools).

​
Plattform

VariableErforderlichStandardBeschreibung
DATABASE_URLNeinsqlite+aiosqlite:///./data/fim_one.dbDatenbankverbindungszeichenfolge. SQLite (keine Konfiguration erforderlich): sqlite+aiosqlite:///./data/fim_one.db. PostgreSQL (Produktion): postgresql+asyncpg://user:pass@localhost:5432/fim_one. Docker Compose konfiguriert PostgreSQL automatisch.
JWT_SECRET_KEYNeinCHANGE_MEGeheimer Schlüssel zum Signieren von JWT-Token. Der Platzhalterwert CHANGE_ME (oder ein anderer Legacy-Standard) löst beim ersten Start die automatische Generierung eines sicheren 256-Bit-Zufallsschlüssels aus, der in .env zurückgeschrieben wird. Legen Sie diesen in der Produktion explizit fest, um Token über Neustarts und Replikationen hinweg gültig zu halten.
CORS_ORIGINSNein—Kommagetrennte Liste zusätzlicher zulässiger CORS-Ursprünge neben den Standard-Localhost-Einträgen. Erforderlich, wenn das Frontend auf einer Nicht-Localhost-Domain ausgeführt wird (z. B. https://app.example.com).
UPLOADS_DIRNein./uploadsVerzeichnis für hochgeladene Dateien
MAX_UPLOAD_SIZE_MBNein50Maximale Dateigröße beim Upload in Megabyte (Backend-Durchsetzung)
NEXT_PUBLIC_MAX_UPLOAD_SIZE_MBNein50Maximale Dateigröße beim Upload in der Frontend-UI. Build-Zeit-Variable — muss mit MAX_UPLOAD_SIZE_MB übereinstimmen.
MCP_SERVERSNein—JSON-Array von MCP-Serverkonfigurationen (erfordert uv sync --extra mcp)
ALLOW_STDIO_MCPNeinfalseErlaube stdio MCP-Server. Setzen Sie auf true nur für vertrauenswürdige lokale Bereitstellungen
ALLOWED_STDIO_COMMANDSNeinnpx,uvx,node,python,python3,deno,bunKommagetrennte Liste zulässiger Basisbefehle für stdio MCP-Server. Wirksam nur, wenn ALLOW_STDIO_MCP=true
LOG_LEVELNeinINFOProtokollierungsstufe: DEBUG / INFO / WARNING / ERROR / CRITICAL
REDIS_URLNein—Redis-Verbindungs-URL für Worker-übergreifendes Interrupt-Relay. Erforderlich, wenn WORKERS>1 — ohne diese können Mid-Stream-Interrupt-/Inject-Anfragen einen anderen Worker treffen und stillschweigend fehlschlagen. Wird von Docker Compose automatisch konfiguriert.
WORKERSNein1Uvicorn-Worker-Prozesse. 1 ist sicher und benötigt keine externen Dienste. Für Multi-Worker-Produktion verwenden Sie PostgreSQL (SQLite ist Single-Writer). SQLite funktioniert für lokale Entwicklung unter leichter Last. Authentifizierung, OAuth und Dateivorgänge sind vollständig Multi-Worker-sicher (JWT-basiert). Docker Compose konfiguriert automatisch sowohl PostgreSQL als auch Redis.
Multi-Worker-Checkliste (WORKERS>1):
  • Stopp (Streaming abbrechen) — funktioniert immer, keine zusätzliche Konfiguration erforderlich (Signal wird über die gleiche TCP-Verbindung übertragen).
  • Inject (Mid-Stream-Folgeanfrage) — erfordert REDIS_URL. Ohne Redis kann die Inject-Anfrage auf einem anderen Worker landen, der keine Kenntnis von der laufenden Ausführung hat, was zu stillschweigendem Fehlschlag führt.
  • Produktion: verwenden Sie PostgreSQL (DATABASE_URL). Die Single-Writer-Sperre von SQLite kann unter gleichzeitigen Schreibvorgängen zu Konflikten führen.
  • Lokale Entwicklung: SQLite + Multi-Worker ist für leichte Nutzung in Ordnung; fügen Sie einfach REDIS_URL hinzu, wenn Sie die Inject-Funktion verwenden.

​
Workflow Run Retention

Background cleanup task that automatically purges old workflow runs. Per-workflow overrides (configured in the workflow settings UI) take priority over these global defaults.
VariableRequiredDefaultDescription
WORKFLOW_RUN_MAX_AGE_DAYSNo30Delete workflow runs older than this many days
WORKFLOW_RUN_MAX_PER_WORKFLOWNo100Keep at most this many runs per workflow (oldest deleted first)
WORKFLOW_RUN_CLEANUP_INTERVAL_HOURSNo24How often the background cleanup task runs, in hours

​
Channel Confirmation Request Expiry

Background sweeper that marks stale pending approval requests (produced by channel hooks like FeishuGateHook or the Approval Playground) as expired. Ensures a click days later on a forgotten card doesn’t flip agent state that has already been torn down.
VariableRequiredDefaultDescription
CHANNEL_CONFIRMATION_TTL_MINUTESNo1440Pending confirmations older than this are auto-expired (default: 24 hours)
CHANNEL_CONFIRMATION_SWEEP_INTERVAL_SECONDSNo600How often the expiry sweeper runs (default: every 10 minutes)

​
OAuth (Optional)

Wenn sowohl CLIENT_ID als auch CLIENT_SECRET für einen Anbieter gesetzt sind, zeigt die Anmeldeseite automatisch die entsprechende OAuth-Schaltfläche an.
VariableErforderlichStandardBeschreibung
GITHUB_CLIENT_IDNein—GitHub OAuth App Client ID. Erstellen Sie diese unter github.com/settings/developers → OAuth Apps
GITHUB_CLIENT_SECRETNein—GitHub OAuth App Client Secret
GOOGLE_CLIENT_IDNein—Google OAuth Client ID. Erstellen Sie diese unter console.cloud.google.com/apis/credentials
GOOGLE_CLIENT_SECRETNein—Google OAuth Client Secret
DISCORD_CLIENT_IDNein—Discord OAuth2 Client ID. Erstellen Sie diese unter discord.com/developers
DISCORD_CLIENT_SECRETNein—Discord OAuth2 Client Secret
FEISHU_APP_IDNein—Feishu (Lark) App ID. Erstellen Sie diese unter open.feishu.cn. Erfordert die Berechtigung contact:user.email:readonly
FEISHU_APP_SECRETNein—Feishu (Lark) App Secret
FRONTEND_URLProdhttp://localhost:3000Wo der Browser nach Abschluss von OAuth landet. Muss in der Produktion gesetzt werden (z. B. https://yourdomain.com)
API_BASE_URLProdhttp://localhost:8000Extern erreichbare Backend-URL, wird zum Erstellen von OAuth-Callback-URLs verwendet. Muss in der Produktion gesetzt werden
NEXT_PUBLIC_API_URLProd(automatisch erkannt als <hostname>:8000)Browser-seitige API-Basis-URL für OAuth-Umleitungen. Dies ist eine Frontend-Build-Zeit-Variable — setzen Sie diese in frontend/.env.local für lokale Entwicklung oder übergeben Sie sie als Docker-Build-Argument für benutzerdefinierte Produktionsbereitstellungen. Die automatische Erkennung funktioniert für Standard-Reverse-Proxy-Setups (Port 80/443).
Prod = lokal optional (Standardwerte funktionieren), aber erforderlich für jede Bereitstellung mit Internetzugriff.

​
OAuth-Callback-URLs zum Registrieren bei jedem Anbieter

Das Backend konstruiert Callback-URLs als: {API_BASE_URL}/api/auth/oauth/{provider}/callback
AnbieterZu registrierende Callback-URL
GitHubhttps://yourdomain.com/api/auth/oauth/github/callback
Googlehttps://yourdomain.com/api/auth/oauth/google/callback
Discordhttps://yourdomain.com/api/auth/oauth/discord/callback

​
Cloudflare Tunnel (Optional)

Leiten Sie den gesamten Datenverkehr über Cloudflares Netzwerk um, anstatt Ports direkt freizulegen. Eliminiert die Notwendigkeit für Nginx, SSL-Zertifikate und offene Firewall-Regeln. Siehe den Abschnitt Production Deployment für Setupanweisungen.
Benutzer in Festlandchina: Cloudflare Free/Pro/Business-Pläne haben keine PoPs in Festlandchina. Der Datenverkehr wird zu Overseas-Edges weitergeleitet, was häufig zu 502-Fehlern führt. Verwenden Sie dies nicht, wenn Ihre primären Benutzer in Festlandchina sind, es sei denn, Sie haben Cloudflare Enterprise mit China Network.
VariableErforderlichStandardBeschreibung
CLOUDFLARE_TUNNEL_TOKENJa (bei Verwendung von Tunnel)—Token von Cloudflare Zero Trust → Networks → Tunnels → Ihr Tunnel → Configure. Beginnt mit eyJ.... Erforderlich durch den cloudflared Sidecar in docker-compose.tunnel.yml.

​
Analytics (Optional)

Alle Analytics-Anbieter sind optional. Legen Sie eine beliebige Kombination fest — alle aktiven Anbieter werden gleichzeitig geladen. Lassen Sie alle leer, um Analytics vollständig zu deaktivieren (empfohlen für lokale Entwicklung).
VariableErforderlichStandardBeschreibung
NEXT_PUBLIC_GA_MEASUREMENT_IDNein—Google Analytics 4 Measurement ID (z. B. G-XXXXXXXXXX). Rufen Sie Ihre ID unter analytics.google.com ab
NEXT_PUBLIC_UMAMI_SCRIPT_URLNein—Umami Analytics Script URL (z. B. https://your-umami.com/script.js). Selbst gehostete, datenschutzfreundliche Alternative — umami.is
NEXT_PUBLIC_UMAMI_WEBSITE_IDNein—Umami Website ID. Erforderlich, wenn NEXT_PUBLIC_UMAMI_SCRIPT_URL gesetzt ist
NEXT_PUBLIC_PLAUSIBLE_DOMAINNein—Plausible Analytics Domain (z. B. yourdomain.com). Leichtgewichtig, datenschutzfreundlich — plausible.io
NEXT_PUBLIC_PLAUSIBLE_SCRIPT_URLNeinhttps://plausible.io/js/script.jsBenutzerdefinierte Plausible Script URL für selbst gehostete Instanzen
Alle NEXT_PUBLIC_* Analytics-Variablen sind Build-Zeit — Änderungen erfordern einen Frontend-Rebuild, um wirksam zu werden.