配置系统

所有运行时设置都在 AmritaConfig 中——一个你创建一次并传给 create_agent() / ChatObject（或设为全局）的对象。

配置树

字段	用途
llm（LLMConfig）	模型设置：流式、温度、记忆摘要、thinking
function_config（FunctionConfig）	工具调用：上限、最小上下文、中间消息
builtin（BuiltinAgentConfig）	Agent 行为：工具调用模式、思考模式、停滞触发
cookie（CookieConfig）	Cookie 安全检测

全局 vs 每次调用

from amrita_core import minimal_init
from amrita_core.config import AmritaConfig, FunctionConfig, LLMConfig

config = AmritaConfig(
    function_config=FunctionConfig(agent_tool_call_limit=15),
    llm=LLMConfig(stream=True),
)
await minimal_init(config)  # 全局默认

agent = create_agent(..., config=config)  # 或按 agent

get_config() 返回全局配置；set_config() 替换它。

影响 Agent 行为的关键设置

设置	默认	效果
function_config.agent_tool_call_limit	—	每次运行的硬性工具轮次上限
builtin.tool_calling_mode	"agent"	"agent" / "rag" / "none"
builtin.agent_thought_mode	—	"reasoning" / "reasoning-required"（显式推理）
builtin.loop_reasoning_trigger	—	停滞检测：N 个相同工具签名 → 放弃
llm.enable_memory_abstract	False	长历史自动摘要
llm.memory_abstract_threshold	—	摘要的 token 阈值

Preset

ModelPreset 打包了端点 + 模型 + ThinkingConfig + 工具，由数据后端按会话 加载。create_agent() 根据你的 base_url / api_key / model 参数构建 一个；高级场景用 MultiPresetManager 按会话提供不同 preset （见数据层）。

下一步

事件系统——处理管线的钩子。