# autoSMART OpenAI Configuration

# AI prediction engine settings

[openai]

# API Configuration

api_key = sk-your-openai-api-key-here

api_endpoint = https://api.openai.com/v1

model = gpt-4

max_tokens = 2048

temperature = 0.1              # Low temperature for consistent predictions

# Request limits and retry

max_requests_per_hour = 100

retry_attempts = 3

retry_delay = 5                # seconds between retries

request_timeout = 60           # seconds

[prediction]

# Prediction parameters

prediction_window_days = 30    # Predict failures within 30 days

confidence_threshold = 0.7     # Minimum confidence for alerts

historical_data_days = 90      # Use 90 days of historical data

minimum_readings = 10          # Minimum readings before prediction

# AI prompt configuration

system_prompt = "You are an expert HDD failure prediction system. Analyze SMART data and provide failure probability with reasoning."

include_context = true         # Include disk model, age, environment

include_trends = true          # Include trend analysis in prompts

[analysis]

# Analysis frequency

full_analysis_hours = 24       # Full AI analysis every 24 hours

quick_check_hours = 6          # Quick check every 6 hours

emergency_check_minutes = 30   # Emergency analysis for critical values

# Batch processing

batch_size = 10                # Analyze 10 disks per batch

batch_delay = 2                # seconds between batch requests

[features]

# Feature engineering for AI

enable_trend_analysis = true

enable_anomaly_detection = true

enable_correlation_analysis = true

enable_environmental_factors = true

# Advanced features

enable_model_specific_analysis = true  # Different analysis per HDD model

enable_failure_clustering = true       # Group similar failure patterns

enable_seasonal_adjustment = true      # Account for seasonal temperature changes