### 로컬 AI 서버 (Mac mini M4 Pro 64GB)

이 저장소는 Apple Silicon(M4 Pro, RAM 64GB) 환경에서 로컬 AI 모델을 실행해 API 서버로 활용하기 위한 기본 구성과 가이드를 제공합니다.

## 현재 설치 상태

- **러너**: Ollama 0.11.4 확인됨
- **Ollama 로컬 모델**:
  - qwen2.5:1.5b
  - mistral:7b
- **LM Studio 로컬 모델**:
  - gemma-3-4b-it

## 하드웨어 요약 (권장 기준)

- **칩셋**: Apple M4 Pro (Metal/ANE 가속 활용 가능)
- **메모리**: 64GB 통합 메모리
- **권장 동시성**: 1–3 세션(프롬프트 길이에 따라 조절)

## 권장 모델 (M4 Pro 64GB)

- **일반 대화/업무**
  - Llama 3.1 8B Instruct: 품질·속도 밸런스 좋음, 긴 문서 요약/대화에 적합
  - Qwen2.5 7B Instruct: 정보 회수/한글 대응 우수, 속도 양호
  - Mistral 7B Instruct: 경량/속도 지향, 기본 품질 안정적
  - Gemma 2 9B IT: 간결한 답변과 대화 품질 균형

- **코딩 보조**
  - Qwen2.5-Coder 7B: 코드 생성/수정/해설에 실용적, 메모리 요구도 낮음
  - DeepSeek-Coder 6.7B 또는 16B(Lite): 코드 품질 강점, 16B는 속도·메모리 여유 필요

- **초경량**
  - Phi-3.5/3.1 Mini(3–4B): 간단 질의응답/요약, 서버 부하가 낮음

- 참고: 14–32B급도 구동 가능하나(예: Qwen2.5 14B/32B), 긴 컨텍스트/동시성 시 메모리 여유가 적어질 수 있음. 70B급은 64GB 환경에서 가능하더라도 속도·안정성 상 비권장.

## 설치 (Ollama)

아래 명령으로 권장 모델을 내려받을 수 있습니다. 태그는 상황에 따라 업데이트될 수 있으니 `ollama run <model>` 시 안내를 확인하세요.

```bash
# 일반 대화
ollama pull llama3.1:8b-instruct
ollama pull qwen2.5:7b-instruct
ollama pull mistral:7b
ollama pull gemma2:9b-instruct

# 코딩 보조
ollama pull qwen2.5-coder:7b
ollama pull deepseek-coder:6.7b

# 초경량
ollama pull phi3:mini
```

이미 설치된 모델 확인:

```bash
ollama list
```

모델 실행(대화형 테스트):

```bash
ollama run qwen2.5:7b-instruct
```

## REST API로 바로 쓰기 (Ollama 내장 서버)

Ollama는 기본적으로 `http://localhost:11434`에서 API를 제공합니다.

```bash
# 단발성 텍스트 생성
curl http://localhost:11434/api/generate \
  -H "Content-Type: application/json" \
  -d '{
    "model": "qwen2.5:7b-instruct",
    "prompt": "한국어로 이 모델의 장점을 3가지로 요약해줘",
    "stream": false
  }'

# Chat 형식
curl http://localhost:11434/api/chat \
  -H "Content-Type: application/json" \
  -d '{
    "model": "llama3.1:8b-instruct",
    "messages": [
      {"role": "user", "content": "로컬 LLM 서버 운영 팁을 알려줘"}
    ],
    "stream": false
  }'
```

TIP: 긴 문서를 다루려면 `num_ctx`(컨텍스트 길이)와 `num_thread`를 모델/하드웨어에 맞춰 조정하세요. 과도하게 늘리면 속도와 메모리 사용량이 크게 증가합니다.

## 포트 정책

- **AI 서버 표준 포트**: 26000 이상 사용 권장 (예: 26000)
- 환경 변수 `AI_SERVER_PORT`로 조정 가능. 기본값 26000.

개발 서버 실행 스크립트(`scripts/dev_server.sh`)는 위 정책을 따릅니다.

## 레포지토리/데이터 정책

- **커밋 제외**: 문서 원본(PDF 등)과 런타임 산출물(추출 텍스트/인덱스)은 저장소에 커밋하지 않습니다.
  - `.gitignore`: `data/`, `*.pdf` 적용됨
- **재현 방법(로컬에서 데이터 생성)**:
  - PDF → 텍스트/토큰 산출: `scripts/venv_setup.sh` → `source .venv/bin/activate` → `python scripts/pdf_stats.py`
  - 텍스트 임베딩/인덱스 생성: Ollama 실행 후 `python scripts/embed_ollama.py`
  - 서버 기동: `scripts/dev_server.sh` (기본 포트 26000)

## 운영 워크플로(요약)

- **모델 정책(24/7 + 부스팅)**
  - 기본 상시: `BASE_MODEL`(권장: `qwen2.5:7b-instruct` 또는 `llama3.1:8b-instruct`)
  - 필요 시 부스팅: `BOOST_MODEL`(권장: `qwen2.5:14b-instruct`)으로 자동/강제 전환
  - 장문은 32k 컨텍스트 + RAG(인덱스 Top-k 주입)로 처리

- **Paperless 연동**
  - 문서 처리 완료 시(웹훅/잡) → 본문 텍스트 추출 → `/index/upsert`로 인덱스 갱신
  - 선택적으로 `/paperless/hook`에 문서 ID를 통지 후 서버가 Paperless API로 조회하도록 확장 가능

- **시놀로지 메일/오피스 연동**
  - 본문/첨부 텍스트를 `/index/upsert`로 누적(사전 색인)
  - 사용자 질의는 `/chat` 호출(`use_rag=true`, 필요 시 `force_boost=true`)
  - 자동 라우팅 규칙(기본):
    - 영어 비율이 높으면 `ENGLISH_MODEL`(기본 `llama3:8b-instruct`)
    - 그 외는 길이/강제 부스팅 기준으로 `BASE_MODEL`(7B) 또는 `BOOST_MODEL`(14B)

## API 개요(요약)

- 헬스: `GET /health`
- 검색: `POST /search` `{ query, top_k }`
- 챗: `POST /chat` `{ messages, use_rag, top_k, force_boost, options }`
- 인덱스 업서트: `POST /index/upsert` `{ rows:[{id,text,source}], embed }`
- 인덱스 리로드: `POST /index/reload`
- Paperless 훅 자리표시자: `POST /paperless/hook`

## API 개요 (Paperless/시놀로지 연동)

- 기본 베이스 모델(24/7): `BASE_MODEL` (기본: `qwen2.5:7b-instruct`)
- 온디맨드 부스팅 모델: `BOOST_MODEL` (기본: `qwen2.5:14b-instruct`)
- 임베딩(RAG): `EMBEDDING_MODEL` (기본: `nomic-embed-text`), 인덱스 파일 `INDEX_PATH` (기본: `data/index.jsonl`)
- 문서화: `http://localhost:26000/docs` (FastAPI 자동 문서)

### 헬스체크

```bash
curl -s http://localhost:26000/health
```

### 검색(Search, RAG용)

```bash
curl -s -X POST http://localhost:26000/search \
  -H 'Content-Type: application/json' \
  -d '{
    "query": "질문 내용",
    "top_k": 5
  }'
```

### 채팅(Chat, RAG/부스팅 자동)

```bash
curl -s -X POST http://localhost:26000/chat \
  -H 'Content-Type: application/json' \
  -d '{
    "messages": [
      {"role": "user", "content": "문서 내용 기반으로 요약해줘"}
    ],
    "use_rag": true,
    "top_k": 5,
    "force_boost": false,
    "options": {"num_ctx": 32768, "temperature": 0.3}
  }'
```

필드 설명:
- `use_rag`: 인덱스(`INDEX_PATH`)에서 상위 청크를 검색해 시스템 프롬프트로 주입
- `force_boost`: 강제로 부스팅 모델 사용(고난도/장문)
- `options`: Ollama 옵션(예: `num_ctx`, `temperature` 등)

### 인덱스 갱신(Upsert)

Paperless/시놀로지에서 추출한 본문 텍스트를 직접 인덱스에 추가합니다.

```bash
curl -s -X POST http://localhost:26000/index/upsert \
  -H 'Content-Type: application/json' \
  -d '{
    "rows": [
      {"id": "paperless:123", "text": "문서 본문 텍스트", "source": "paperless"}
    ],
    "embed": true
  }'
```

### 인덱스 리로드

```bash
curl -s -X POST http://localhost:26000/index/reload
```

### Paperless 훅(Webhook) 자리표시자

```bash
curl -s -X POST http://localhost:26000/paperless/hook \
  -H 'Content-Type: application/json' \
  -d '{"document_id": 123, "title": "문서제목", "tags": ["finance"]}'
```

해당 훅은 문서 도착을 통지받는 용도로 제공됩니다. 실제 본문 텍스트는 Paperless API로 조회해 `/index/upsert`로 추가하세요.

### Paperless 배치 동기화(`/paperless/sync`)

Paperless에서 다수 문서를 일괄 인덱싱합니다.

```bash
curl -s -X POST http://localhost:26000/paperless/sync \
  -H 'Content-Type: application/json' -H 'X-API-Key: <키>' \
  -d '{
    "page_size": 50,
    "ordering": "-created",
    "tags": null,
    "query": null,
    "limit": 200
  }'
```

## 시놀로지 메일/오피스 연동 가이드(요약)

- **검색/QA 호출 엔드포인트**: `http://<AI서버IP>:26000/search`, `http://<AI서버IP>:26000/chat`
- **권장 흐름**:
  - 메일/문서 본문 → `/index/upsert`로 인덱스 추가(임베딩 생성)
  - 사용자 질의 → `/chat` 호출(`use_rag=true`) → 관련 청크 Top-k 주입 후 응답
- **모델 라우팅**:
  - 기본: 베이스 모델(7B/8B)
  - 장문/고난도: `force_boost=true` 또는 메시지 길이에 따라 자동 부스팅(14B)

## 환경 변수

- `AI_SERVER_PORT`(기본 26000): 서버 포트
- `OLLAMA_HOST`(기본 `http://localhost:11434`): Ollama API 호스트
- `BASE_MODEL`(기본 `qwen2.5:7b-instruct`)
- `BOOST_MODEL`(기본 `qwen2.5:14b-instruct`)
- `ENGLISH_MODEL`(기본 `llama3:8b-instruct`): 영어 감지 시 라우팅 대상
- `ENGLISH_RATIO_THRESHOLD`(기본 `0.65`): 영어 비율 임계값(초과 시 영어 모델)
- `EMBEDDING_MODEL`(기본 `nomic-embed-text`)
- `INDEX_PATH`(기본 `data/index.jsonl`)
- `PAPERLESS_BASE_URL`, `PAPERLESS_TOKEN`(선택): Paperless API 연동 시 사용
- `API_KEY`(선택): 설정 시 모든 민감 엔드포인트 호출에 `X-API-Key` 헤더 필요
- `CORS_ORIGINS`(선택): CORS 허용 오리진(쉼표 구분), 미설정 시 `*`

`.env` 예시:

```bash
AI_SERVER_PORT=26000
OLLAMA_HOST=http://localhost:11434
BASE_MODEL=qwen2.5:7b-instruct
BOOST_MODEL=qwen2.5:14b-instruct
EMBEDDING_MODEL=nomic-embed-text
INDEX_PATH=data/index.jsonl
API_KEY=changeme
CORS_ORIGINS=http://localhost:5173,http://synology.local
```

OpenAI 호환 호출 예시:

```bash
curl -s -X POST http://localhost:26000/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "X-API-Key: changeme" \
  -d '{
    "model":"qwen2.5:14b-instruct",
    "messages":[{"role":"user","content":"이 서버 기능을 한 줄로 설명"}],
    "temperature":0.3
  }'
```

## 이 저장소 사용 계획

1) Ollama API를 감싸는 경량 서버(Express 또는 FastAPI) 추가
2) 표준화된 엔드포인트(`/v1/chat/completions`, `/v1/completions`) 제공
3) 헬스체크/모델 선택/리밋/로깅 옵션 제공

우선 본 문서로 설치/선택 가이드를 정리했으며, 다음 단계에서 서버 스켈레톤과 샘플 클라이언트를 추가할 예정입니다.