1

server/config.yml

@@ -108,7 +108,7 @@ training:
   workdir: /Users/zhangbin/yolo-workdir   # 训练机工作目录（train_server.py / yolov8s.pt / yolov8n.pt 所在）
   venvPython: /Users/zhangbin/yolo-venv/bin/python
   datasetDir: datasets  # 训练机数据集根目录（相对 workdir，yolo/<name> 为子目录）
-  timeoutMinutes: 240   # 训练超时判死（started_at 起算；实测 100 张约 3 分钟，千图级约 1 小时）
+  timeoutMinutes: 0     # 训练超时判死（started_at 起算；0 = 不限时，2026-09-10 用户定案训练时长不受限。存活探测失败仍按进程退出判死）
   # 双档位（2026-09-03 用户定案）：s 档(高识别,默认)与 n 档(高性能)各自基座/分辨率；
   # 一次「开始训练」按档位各建一条任务（请求 variants 可限定单档）；epochs/batch/device 双档共用。
   # n 档未配置（modelN/imgszN 缺一）时发起含 n 档的请求报错
@@ -121,10 +121,13 @@ training:
   device: "mps"         # GPU 编号（cpu 用 cpu；M1 本机用 mps，训练机切回时改回 "0"）
 
 # RF-DETR 预标注服务（管理端标注工作台）：需从服务器可达，未配置时预标注接口返回「标注服务未配置」
+# 2026-09-10 本机架构：检测=local-ai(18082, rfdetr-xlarge)；VLM=omlx(18081, 多模态 MLX 模型)
 localAi:
-  baseUrl: "http://192.168.3.210:18080"           # 如 http://127.0.0.1:18080（local-ai 兼容 /v1/detection）
+  baseUrl: "http://127.0.0.1:18082"               # local-ai（/v1/detection，LaunchAgent 自启 ~/localai/start.sh）
   model: rfdetr-xlarge
-  vlmModel: qwen3-vl-8b  # VLM 藏匿位补检模型（Qwen3-VL-8B 多模态 GGUF+mmproj，2026-09-02 起与 z-image/rfdetr 三模型共存）
+  vlmBaseUrl: "http://127.0.0.1:18081"            # omlx（OpenAI 兼容 /v1/chat/completions；空则回落 baseUrl）
+  vlmApiKey: "wenwu901"                           # omlx api_key（~/.omlx/settings.json auth 节点）
+  vlmModel: Qwen3.5-9B-MLX-4bit  # VLM 模型（omlx 多模态 MLX 4bit；备选 gemma-4-E4B-mlx-4bit，空闲 10 分钟自动卸载）
   threshold: 0.2        # 候选置信度下限：0.2 以下直接丢弃（不入库）；0.08 实测过低——COCO 通用 rfdetr 对类鸟纹理在 0.08~0.2 区间输出大量噪声候选
   confConfirmed: 0.5    # 置信度 ≥ 0.5 视为确认(class 0 真目标)；0.2~0.49 落疑似(class 1)待人工复核（2026-09-02 RNPHE_257 实测调定：误检可达 0.46~0.5 且与真目标仅差 ~0.1，误检落 class 0 会污染训练正样本）
   overlapThreshold: 0.3  # 重叠去重阈值（交叠/较小框面积，NMS 风格；RF-DETR 同目标常输出一大一小两框，minIoU 比 IoU 更能命中）