优化文档与测试脚本

run_api.sh

@@ -8,6 +8,8 @@ cd "$(dirname "$0")"
 
 # llama-server 所在目录（可在该目录下启动模型）
 LLAMA_BIN_DIR="${LLAMA_BIN_DIR:-$HOME/llama.cpp/build/bin}"
+# 强制关闭 thinking（传递给 Python 侧 LLM 客户端）
+export ENABLE_THINKING=false
 
 cleanup() {
     echo ""
@@ -18,8 +20,9 @@ cleanup() {
 trap cleanup SIGINT SIGTERM
 
 # 启动 Chat 模型 (8081)
+# --reasoning-budget 0：强制关闭 Qwen3 思考模式，否则会生成大量 <think> 导致首层 Router 极慢（数分钟）
 echo "=== 启动 LLM Chat 服务 (端口 8081) ==="
-(cd "$LLAMA_BIN_DIR" && ./llama-server -m ~/models/gguf/Qwen3/Qwen3-4B/Qwen3-4B-Q5_K_M.gguf --port 8081 --gpu_layers 36 --host 0.0.0.0) &
+(cd "$LLAMA_BIN_DIR" && ./llama-server -m ~/models/gguf/Qwen3/Qwen3-4B/Qwen3-4B-Q5_K_M.gguf --port 8081 --gpu_layers 36 --host 0.0.0.0 --ctx_size 16384 --reasoning-budget 0) &
 LLAMA_CHAT_PID=$!
 
 # 启动 Embedding 模型 (8090)
@@ -33,4 +36,4 @@ sleep 8
 
 # 启动 DronePlanning API (8000)
 echo "=== 启动 DronePlanning API (端口 8000) ==="
-python -m uvicorn main:app --reload --host 0.0.0.0 --port 8000
+PYTHONPATH="$(pwd)/src:$PYTHONPATH" python -m uvicorn main:app --reload --host 0.0.0.0 --port 8000