로컬 AI 서버 완벽 구축 가이드 (서버,웍스테이션 · RTX 3060대 이상)

┌──────────────────────────────────────────────────────────────┐
│               Dell R730 (192.168.1.100)                       │
│  Ubuntu 24.04 LTS · RTX 3060 12GB · 128GB RAM                │
│                                                               │
│  ① 네이티브 systemd                                          │
│  └─ Ollama :11434  (GPU 직접 접근, 최고 성능)                │
│                                                               │
│  ② 단일 docker-compose.yml  (/mnt/data/docker-compose.yml)  │
│  ├─ Portainer    :9000 / :9443                               │
│  ├─ Watchtower   (포트 없음, 자동 업데이트)                  │
│  ├─ Open WebUI   :3001                                       │
│  ├─ ComfyUI      :8188  (RTX 3060 최적화)                   │
│  ├─ n8n          :5678                                       │
│  ├─ Meilisearch  :7700                                       │
│  └─ Cloudflared  (포트 없음, 외부 터널)                      │
│                                                               │
│  ③ 공식 단독 docker compose                                  │
│  ├─ Dify         :3002  (/mnt/data/01_ai/dify/)             │
│  └─ Firecrawl    :3003  (/mnt/data/02_automation/firecrawl/)│
│                                                               │
│  모두 ai-common-net (172.20.0.0/16) 공유                    │
└──────────────────────────────────────────────────────────────┘
          ↕ 내부망 (192.168.1.x)
┌──────────────────────────────────────────────────────────────┐
│              Synology DS925+ (192.168.1.250)                  │
│  유지: WordPress · MariaDB · Redis · Nginx                   │
│  추가: Synology Drive Server (Obsidian vault 동기화)          │
└──────────────────────────────────────────────────────────────┘

/mnt/data/
├── docker-compose.yml          ← ② 통합 compose (7개 서비스)
├── .env                        ← 공통 환경변수 (chmod 600)
│
├── 00_infra/
│   └── portainer/data/         ← Portainer DB
│
├── 01_ai/
│   ├── ollama/models/          ← ① Ollama 모델 (네이티브)
│   ├── open-webui/data/        ← Open WebUI 대화 기록
│   ├── dify/                   ← ③ Dify 공식 (git clone)
│   │   ├── docker-compose.yml  ← Dify 공식 파일
│   │   ├── .env
│   │   └── volumes/
│   └── comfyui/
│       ├── models/             ← 체크포인트·LoRA·VAE
│       ├── workflows/          ← 저장된 워크플로우
│       ├── output/             ← 생성된 이미지
│       ├── input/              ← 입력 이미지
│       ├── temp/               ← 임시 파일
│       ├── custom_nodes/       ← 플러그인
│       ├── user/               ← 설정 파일
│       └── dot-cache/          ← pip·HF 캐시
│
├── 02_automation/
│   ├── n8n/data/               ← 워크플로우·자격증명
│   ├── meilisearch/data/       ← 검색 인덱스
│   └── firecrawl/              ← ③ Firecrawl 공식 (git clone)
│       ├── docker-compose.yml
│       └── .env
│
└── backups/                    ← 백업 디렉토리

sudo apt update && sudo apt upgrade -y

sudo apt install -y   curl wget git vim htop net-tools   build-essential software-properties-common   ca-certificates gnupg lsb-release   apt-transport-https unzip jq   ufw fail2ban

# 타임존 설정 (한국)
sudo timedatectl set-timezone Asia/Seoul
timedatectl status

# 아래 항목 찾아서 변경 (# 제거 후 값 수정)
PermitRootLogin no          # root 직접 로그인 금지
MaxAuthTries 3              # 로그인 시도 3회 제한
ClientAliveInterval 300     # 5분 비활성 시 연결 확인

# 저장 후 SSH 재시작
sudo systemctl restart sshd

sudo ufw default deny incoming
sudo ufw default allow outgoing
sudo ufw allow 22/tcp                      # SSH
sudo ufw allow from 192.168.1.0/24        # 내부망 전체 허용
sudo ufw --force enable
sudo ufw status verbose

sudo fallocate -l 16G /swapfile
sudo chmod 600 /swapfile          # 루트만 읽기/쓰기 가능 (보안)
sudo mkswap /swapfile
sudo swapon /swapfile

# 재부팅 시 자동 마운트
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab

# 스왑 사용 우선순위 낮춤 (RAM 우선)
echo 'vm.swappiness=10' | sudo tee -a /etc/sysctl.conf
sudo sysctl -p

free -h   # 확인

# 디스크 목록 확인 (데이터용 디스크 찾기)
lsblk
# 예) /dev/sdb 가 데이터 디스크인 경우

# 포맷 (처음 사용 시만 — 기존 데이터 있으면 skip)
sudo mkfs.ext4 /dev/sdb

# 마운트 포인트 생성 및 권한 설정
sudo mkdir -p /mnt/data
sudo chown $USER:$USER /mnt/data    # 현재 사용자 소유로 설정

# UUID로 fstab 등록 (재부팅 시 자동 마운트)
UUID=$(sudo blkid -s UUID -o value /dev/sdb)
echo "UUID=$UUID /mnt/data ext4 defaults,nofail 0 2" | sudo tee -a /etc/fstab
sudo mount -a

df -h /mnt/data   # 마운트 확인

# 추천 드라이버 확인 (RTX 3060 → 보통 nvidia-driver-570 추천)
ubuntu-drivers devices

# 자동 설치 (추천 드라이버 자동 선택)
sudo ubuntu-drivers install

# 재부팅 (필수)
sudo reboot

nvidia-smi
# 정상 출력 예시:
# +-------------------------+
# | NVIDIA-SMI 570.xx       |
# | RTX 3060  42C  12288MiB |
# +-------------------------+

# RTX 3060 확인 포인트:
# - 드라이버 버전: 570.xx 이상
# - CUDA 버전: 12.8 이상
# - Memory: 12288MiB (12GB)

wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2404/x86_64/cuda-keyring_1.1-1_all.deb
sudo dpkg -i cuda-keyring_1.1-1_all.deb
sudo apt update
sudo apt install -y cuda-toolkit-12-8

# PATH 등록
echo 'export PATH=/usr/local/cuda/bin:$PATH' >> ~/.bashrc
echo 'export LD_LIBRARY_PATH=/usr/local/cuda/lib64:$LD_LIBRARY_PATH' >> ~/.bashrc
source ~/.bashrc

# 확인
nvcc --version   # release 12.8 출력 확인

# 임시 다운로드 파일 제거
rm cuda-keyring_1.1-1_all.deb

# Persistence Mode 활성화 (모델 로딩 시간 단축)
sudo nvidia-smi -pm 1

# 재부팅 시 자동 실행 등록
sudo tee /etc/systemd/system/nvidia-pm.service << 'EOF'
[Unit]
Description=NVIDIA Persistence Mode
After=multi-user.target

[Service]
Type=oneshot
ExecStart=/usr/bin/nvidia-smi -pm 1
RemainAfterExit=yes

[Install]
WantedBy=multi-user.target
EOF

sudo systemctl enable --now nvidia-pm.service
sudo systemctl status nvidia-pm.service

# 기존 Docker 완전 제거
for pkg in docker.io docker-doc docker-compose podman-docker containerd runc; do
  sudo apt remove -y $pkg 2>/dev/null || true
done

# 공식 GPG 키 & 저장소 추가
sudo install -m 0755 -d /etc/apt/keyrings
curl -fsSL https://download.docker.com/linux/ubuntu/gpg |   sudo gpg --dearmor -o /etc/apt/keyrings/docker.gpg
sudo chmod a+r /etc/apt/keyrings/docker.gpg

echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/docker.gpg]   https://download.docker.com/linux/ubuntu $(lsb_release -cs) stable" |   sudo tee /etc/apt/sources.list.d/docker.list > /dev/null

# Docker Engine 설치
sudo apt update
sudo apt install -y   docker-ce docker-ce-cli containerd.io   docker-buildx-plugin docker-compose-plugin

# 현재 사용자를 docker 그룹에 추가
sudo usermod -aG docker $USER

# Docker 자동 시작
sudo systemctl enable --now docker

# 그룹 적용 (재로그인 없이 현재 세션에 적용)
newgrp docker << 'NEWGRP'
docker --version
docker compose version
NEWGRP

curl -fsSL https://nvidia.github.io/libnvidia-container/gpgkey |   sudo gpg --dearmor -o /usr/share/keyrings/nvidia-container-toolkit-keyring.gpg

curl -s -L https://nvidia.github.io/libnvidia-container/stable/deb/nvidia-container-toolkit.list |   sed 's#deb https://#deb [signed-by=/usr/share/keyrings/nvidia-container-toolkit-keyring.gpg] https://#g' |   sudo tee /etc/apt/sources.list.d/nvidia-container-toolkit.list

sudo apt update
sudo apt install -y nvidia-container-toolkit

# Docker와 통합
sudo nvidia-ctk runtime configure --runtime=docker
sudo systemctl restart docker

# GPU 컨테이너 동작 확인
docker run --rm --gpus all nvidia/cuda:12.8.0-base-ubuntu24.04 nvidia-smi
# RTX 3060 정보가 출력되면 성공

sudo tee /etc/docker/daemon.json << 'EOF'
{
  "log-driver": "json-file",
  "log-opts": {
    "max-size": "10m",
    "max-file": "3"
  },
  "default-runtime": "nvidia",
  "runtimes": {
    "nvidia": {
      "path": "nvidia-container-runtime",
      "runtimeArgs": []
    }
  },
  "storage-driver": "overlay2"
}
EOF

sudo systemctl restart docker
docker info | grep -E "Storage Driver|Default Runtime"
# Storage Driver: overlay2
# Default Runtime: nvidia

mkdir -p /mnt/data/00_infra/portainer/data
mkdir -p /mnt/data/01_ai/ollama/models
mkdir -p /mnt/data/01_ai/open-webui/data
mkdir -p /mnt/data/01_ai/comfyui/{models,workflows,output,input,temp,custom_nodes,user,dot-cache}
mkdir -p /mnt/data/02_automation/n8n/data
mkdir -p /mnt/data/02_automation/n8n-postgres/data
mkdir -p /mnt/data/02_automation/meilisearch/data
mkdir -p /mnt/data/backups/staging

# 구조 확인
find /mnt/data -type d | sort

# 전체 소유자를 현재 사용자로 설정
sudo chown -R $USER:$USER /mnt/data
chmod -R 755 /mnt/data

# n8n: node 유저(uid:1000)가 쓸 수 있도록
sudo chown -R 1000:1000 /mnt/data/02_automation/n8n/data
chmod 700 /mnt/data/02_automation/n8n/data

# Meilisearch: uid 1000
sudo chown -R 1000:1000 /mnt/data/02_automation/meilisearch/data

# n8n-postgres: 공식 postgres 이미지는 컨테이너 내부에서 initdb 시
# 자체적으로 권한을 설정하므로 별도 chown 불필요 (기본 755로 생성된 상태 그대로 둠)

# Ollama 모델 경로 (Ollama 설치 완료 후 실행)
# → Section 06 완료 후 아래 명령 실행
# sudo chown -R ollama:ollama /mnt/data/01_ai/ollama/

cat > /mnt/data/.env << 'EOF'
# ── 서버 정보 ────────────────────────────────
HOST_IP=192.168.1.100
TZ=Asia/Seoul

# ── API 키 ───────────────────────────────────
ANTHROPIC_API_KEY=sk-ant-여기에입력
GEMINI_API_KEY=AIzaSy여기에입력

# ── Open WebUI ───────────────────────────────
WEBUI_SECRET_KEY=

# ── n8n ──────────────────────────────────────
N8N_ENCRYPTION_KEY=
N8N_DB_PASSWORD=

# ── Meilisearch ──────────────────────────────
MEILI_MASTER_KEY=

# ── Cloudflared ──────────────────────────────
CLOUDFLARE_TOKEN=여기에터널토큰입력
EOF

# 키 자동 생성 (위 빈 값들 채우기)
WEBUI_KEY=$(openssl rand -hex 32)
N8N_KEY=$(openssl rand -hex 24)
N8N_DB_PASS=$(openssl rand -hex 16)
MEILI_KEY=$(openssl rand -hex 24)

sed -i "s/^WEBUI_SECRET_KEY=$/WEBUI_SECRET_KEY=$WEBUI_KEY/" /mnt/data/.env
sed -i "s/^N8N_ENCRYPTION_KEY=$/N8N_ENCRYPTION_KEY=$N8N_KEY/" /mnt/data/.env
sed -i "s/^N8N_DB_PASSWORD=$/N8N_DB_PASSWORD=$N8N_DB_PASS/" /mnt/data/.env
sed -i "s/^MEILI_MASTER_KEY=$/MEILI_MASTER_KEY=$MEILI_KEY/" /mnt/data/.env

# 보안 설정 (소유자만 읽기/쓰기)
chmod 600 /mnt/data/.env

echo "생성된 N8N_ENCRYPTION_KEY: $N8N_KEY"
echo "→ 이 값은 절대 분실 금지! 변경 시 모든 자격증명 재입력 필요"

# 공식 설치 스크립트 (ollama 시스템 계정 자동 생성)
curl -fsSL https://ollama.com/install.sh | sh

# 설치 확인
ollama --version
systemctl status ollama

sudo mkdir -p /etc/systemd/system/ollama.service.d

sudo tee /etc/systemd/system/ollama.service.d/override.conf << 'EOF'
[Service]
# 내부망 모든 IP에서 접근 허용 (Docker 컨테이너 포함)
Environment="OLLAMA_HOST=0.0.0.0:11434"

# 모델 저장 경로 변경 (/mnt/data 로 통합)
Environment="OLLAMA_MODELS=/mnt/data/01_ai/ollama/models"

# RTX 3060 12GB 기준
# NUM_PARALLEL=2: 동시 추론 2개 (12GB 기준 적정)
# MAX_LOADED_MODELS=1: 동시 로드 모델 1개 (VRAM 보호)
# KEEP_ALIVE=30m: 30분 미사용 시 언로드
Environment="OLLAMA_NUM_PARALLEL=2"
Environment="OLLAMA_MAX_LOADED_MODELS=1"
Environment="OLLAMA_KEEP_ALIVE=30m"

# RTX 3060 지정 (GPU 0)
Environment="CUDA_VISIBLE_DEVICES=0"
EOF

sudo systemctl daemon-reload
sudo systemctl restart ollama
sudo systemctl status ollama

# Docker는 기본적으로 172.16.0.0/12 대역(172.16.x.x ~ 172.31.x.x)을 사용합니다.
# ai-common-net(172.20.0.0/16)뿐 아니라 Dify·Firecrawl처럼 별도 compose
# 프로젝트가 임의로 할당받는 172.18.x, 172.19.x 등도 전부 이 안에 포함되므로,
# 대역 하나로 통째로 열어두면 앞으로 어떤 서비스가 추가돼도 다시 설정할 필요가 없습니다.
sudo ufw allow from 172.16.0.0/12 to any port 11434

sudo ufw status
# 11434  ALLOW  172.16.0.0/12   ← 이 한 줄만 있으면 충분

# Ollama 설치 시 생성된 ollama 시스템 계정이 모델 폴더를 소유해야 함
sudo chown -R ollama:ollama /mnt/data/01_ai/ollama/
sudo chmod -R 755 /mnt/data/01_ai/ollama/

# 확인
ls -la /mnt/data/01_ai/ollama/
# drwxr-xr-x ollama ollama models/

# 임베딩 먼저 (작은 파일, 빠름)
ollama pull nomic-embed-text
ollama pull bge-m3

# 주력 LLM (큰 파일, 시간 소요)
ollama pull gemma4:12b     # 6.6GB
ollama pull qwen3:14b      # 9GB (선택)

# 설치 확인
ollama list

# 빠른 테스트
ollama run gemma4:12b "안녕! 간단히 자기소개 해줘" --verbose

# ① --verbose로 토큰 생성 속도 확인
ollama run gemma4:12b "1부터 10까지 세어줘" --verbose
# 마지막에 나오는 "eval rate" 항목 확인
# GPU 정상:  eval rate: 40~80 tokens/s  (RTX 3060 12GB 기준)
# CPU로 폴백: eval rate: 3~8 tokens/s   → 비정상! GPU 인식 실패

# ② 추론 중 실제 GPU 사용률 확인 (별도 터미널에서 동시 실행)
watch -n 1 nvidia-smi --query-gpu=utilization.gpu,memory.used --format=csv
# 추론 중 utilization.gpu가 50~100%로 튀어야 정상
# 0%에 머물러 있으면 CPU로만 돌고 있다는 뜻 → OLLAMA_NUM_GPU 설정 확인

# ③ 동시 요청 처리 확인 (OLLAMA_NUM_PARALLEL=2 적용 확인)
for i in 1 2; do
  curl -s http://localhost:11434/api/generate -d "{\"model\":\"gemma4:12b\",\"prompt\":\"테스트 $i\",\"stream\":false}" &
done
wait
# 두 응답이 모두 정상적으로 돌아오면 병렬 처리 정상 동작

# /mnt/data/docker-compose.yml
# 통합 서비스: Portainer · Watchtower · Open WebUI · ComfyUI · n8n · Meilisearch · Cloudflared

x-logging: &default-logging
  driver: "json-file"
  options:
    max-size: "10m"
    max-file: "3"

services:

  # ────────────────────────────────────────────────────────────
  # Portainer — 컨테이너 관리 Web UI
  # ────────────────────────────────────────────────────────────
  portainer:
    image: portainer/portainer-ce:latest
    container_name: portainer
    restart: unless-stopped
    ports:
      - "9000:9000"
      - "9443:9443"
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock
      - /mnt/data/00_infra/portainer/data:/data
    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      # Portainer는 Watchtower 자동 업데이트 제외 (수동 관리)
      - "com.centurylinklabs.watchtower.enable=false"

  # ────────────────────────────────────────────────────────────
  # Watchtower — 컨테이너 자동 업데이트 (매일 새벽 4시)
  # ────────────────────────────────────────────────────────────
  watchtower:
    image: containrrr/watchtower:latest
    container_name: watchtower
    restart: unless-stopped
    volumes:
      - /var/run/docker.sock:/var/run/docker.sock
    environment:
      # Docker API 버전 명시 (불일치 오류 방지)
      - DOCKER_API_VERSION=1.45
      # 업데이트 후 구 이미지 자동 삭제
      - WATCHTOWER_CLEANUP=true
      # 중지된 컨테이너는 업데이트 제외
      - WATCHTOWER_INCLUDE_STOPPED=false
      # 매일 새벽 4시 실행 (cron 형식)
      - WATCHTOWER_SCHEDULE=0 0 4 * * *
      - TZ=Asia/Seoul
    networks:
      - ai-common-net
    logging: *default-logging

  # ────────────────────────────────────────────────────────────
  # Open WebUI — Ollama Web UI (ChatGPT 스타일)
  # Ollama는 네이티브 설치 → host.docker.internal:11434 으로 접근
  # ────────────────────────────────────────────────────────────
  open-webui:
    image: ghcr.io/open-webui/open-webui:main
    container_name: open-webui
    restart: unless-stopped
    ports:
      - "3001:8080"
    volumes:
      - /mnt/data/01_ai/open-webui/data:/app/backend/data
    environment:
      # 네이티브 Ollama 접근 (host.docker.internal 사용)
      - OLLAMA_BASE_URL=http://host.docker.internal:11434
      - WEBUI_SECRET_KEY=${WEBUI_SECRET_KEY}
      - DEFAULT_LOCALE=ko-KR
      - ENABLE_RAG_WEB_SEARCH=true
      - ENABLE_IMAGE_GENERATION=true
      # ComfyUI 이미지 생성 연동
      - COMFYUI_BASE_URL=http://comfyui:8188
      - TZ=Asia/Seoul
    # 네이티브 Ollama 접근을 위한 host 추가
    extra_hosts:
      - "host.docker.internal:host-gateway"
    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      - "com.centurylinklabs.watchtower.enable=true"

  # ────────────────────────────────────────────────────────────
  # ComfyUI — AI 이미지 생성 (RTX 3060 12GB 최적화)
  # ────────────────────────────────────────────────────────────
  comfyui:
    image: yanwk/comfyui-boot:cu128-slim
    # cu128: 설치된 CUDA 12.8에 정확히 일치
    container_name: comfyui
    runtime: nvidia
    restart: unless-stopped
    ports:
      - "8188:8188"
    environment:
      # ── GPU 설정 ─────────────────────────────────────────────
      - NVIDIA_VISIBLE_DEVICES=0
      - NVIDIA_DRIVER_CAPABILITIES=compute,utility,video
      # RTX 3060 Ampere 아키텍처 명시 (compute 8.6)
      - TORCH_CUDA_ARCH_LIST=8.6
      # CUDA 모듈 지연 로딩 (시작 2~3초 단축)
      - CUDA_MODULE_LOADING=LAZY

      # ── ComfyUI 실행 옵션 ────────────────────────────────────
      # --cuda-malloc     RTX 30xx VRAM 단편화 30% 감소
      # --fast            불필요한 안전 검사 제거
      # --highvram        12GB: SDXL(6.5GB)·FLUX GGUF Q4(7~8GB) 상주
      # --preview-method latent2rgb  VAE 없이 빠른 프리뷰
      # --cache-none      워크플로우 전환 시 VRAM 즉시 해제 (OOM 방지)
      - CLI_ARGS=--listen 0.0.0.0 --port 8188 --cuda-malloc --fast --preview-method latent2rgb --highvram --cache-none

      # ── PyTorch 메모리 최적화 (RTX 3060 12GB 기준) ──────────
      # gc threshold 0.85: VRAM 85%(10.2GB) 시 GC 실행
      # max_split_size 256: 12GB 기준 최적 블록 크기
      # expandable_segments: PyTorch 2.x 동적 세그먼트 (단편화 감소)
      - PYTORCH_CUDA_ALLOC_CONF=garbage_collection_threshold:0.85,max_split_size_mb:256,expandable_segments:True

      - GIT_CONFIG_GLOBAL_SAFE_DIRECTORY=/root/ComfyUI
      - TZ=Asia/Seoul
      - PYTHONUNBUFFERED=1

    volumes:
      # yanwk cu128-slim 내부 경로: /root/ComfyUI
      - /mnt/data/01_ai/comfyui/models:/root/ComfyUI/models
      - /mnt/data/01_ai/comfyui/workflows:/root/ComfyUI/user/default/workflows
      - /mnt/data/01_ai/comfyui/output:/root/ComfyUI/output
      - /mnt/data/01_ai/comfyui/input:/root/ComfyUI/input
      - /mnt/data/01_ai/comfyui/temp:/root/ComfyUI/temp
      - /mnt/data/01_ai/comfyui/custom_nodes:/root/ComfyUI/custom_nodes
      - /mnt/data/01_ai/comfyui/user:/root/ComfyUI/user
      # pip·HuggingFace 캐시 영속화 (재생성 시 재다운로드 방지)
      - /mnt/data/01_ai/comfyui/dot-cache:/root/.cache

    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              device_ids: ['0']        # --gpus all 보다 명시적
              capabilities: [gpu]
        limits:
          cpus: '16.0'
          memory: 64G
          # R730 128GB 기준: Wan 2.2 오프로딩 + FLUX GGUF 처리 여유

    # Wan 2.2 비디오 생성 시 공유 메모리 OOM 방지
    shm_size: '16g'
    ulimits:
      memlock:
        soft: -1
        hard: -1                       # GPU 메모리 전송 최적화
      nofile:
        soft: 65536
        hard: 65536                    # 대량 모델 파일 처리

    healthcheck:
      test: ["CMD-SHELL", "curl -sf http://localhost:8188/system_stats > /dev/null || exit 1"]
      interval: 30s
      timeout: 15s
      retries: 5
      # 첫 실행: Manager 설치 + custom_nodes 의존성 설치 여유
      start_period: 180s

    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      # ComfyUI는 자동 업데이트 제외 (워크플로우 호환성 관리)
      - "com.centurylinklabs.watchtower.enable=false"

  # ────────────────────────────────────────────────────────────
  # n8n-postgres — n8n 전용 DB (SQLite 기본값 대신 Postgres 권장)
  # 동시 워크플로우 실행이 많아지면 SQLite는 "database is locked" 발생 가능
  # ────────────────────────────────────────────────────────────
  n8n-postgres:
    image: postgres:15-alpine
    container_name: n8n-pg-db
    restart: unless-stopped
    ports:
      - "127.0.0.1:15434:5432"        # 외부 접속용, 로컬호스트로만 제한 (Dify 15432·Firecrawl 15433과 겹치지 않음)
    volumes:
      - /mnt/data/02_automation/n8n-postgres/data:/var/lib/postgresql/data
    environment:
      - POSTGRES_USER=n8n
      - POSTGRES_PASSWORD=${N8N_DB_PASSWORD}
      - POSTGRES_DB=n8n
    healthcheck:
      test: ["CMD-SHELL", "pg_isready -U n8n"]
      interval: 10s
      timeout: 5s
      retries: 5
    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      - "com.centurylinklabs.watchtower.enable=true"

  # ────────────────────────────────────────────────────────────
  # n8n — 워크플로우 자동화
  # ────────────────────────────────────────────────────────────
  n8n:
    image: n8nio/n8n:latest
    container_name: n8n
    restart: unless-stopped
    depends_on:
      n8n-postgres:
        condition: service_healthy
    ports:
      - "5678:5678"
    volumes:
      # n8n은 내부에서 node 유저(uid:1000)로 실행
      # → 사전에 chown 1000:1000 필요 (Section 05 참조)
      - /mnt/data/02_automation/n8n/data:/home/node/.n8n
    environment:
      # 최초 생성 후 절대 변경 금지 (변경 시 모든 자격증명 무효화)
      - N8N_ENCRYPTION_KEY=${N8N_ENCRYPTION_KEY}
      - N8N_HOST=${HOST_IP}
      - N8N_PORT=5678
      - N8N_PROTOCOL=http
      - WEBHOOK_URL=http://${HOST_IP}:5678
      - GENERIC_TIMEZONE=Asia/Seoul
      - N8N_LOG_LEVEL=info
      # 실행 이력 자동 정리 (7일 보존)
      - EXECUTIONS_DATA_PRUNE=true
      - EXECUTIONS_DATA_MAX_AGE=168
      # ── DB: Postgres 사용 (서비스명 n8n-postgres로 접근, container_name 아님) ──
      - DB_TYPE=postgresdb
      - DB_POSTGRESDB_HOST=n8n-postgres
      - DB_POSTGRESDB_PORT=5432
      - DB_POSTGRESDB_DATABASE=n8n
      - DB_POSTGRESDB_USER=n8n
      - DB_POSTGRESDB_PASSWORD=${N8N_DB_PASSWORD}
      # N8N_RUNNERS_ENABLED는 최신 버전에서 deprecated (기본 내장되어 더 이상 불필요)
    # 네이티브 Ollama, NAS SSH 등 호스트 서비스 접근
    extra_hosts:
      - "host.docker.internal:host-gateway"
    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      - "com.centurylinklabs.watchtower.enable=true"

  # ────────────────────────────────────────────────────────────
  # Meilisearch — 고속 검색 엔진
  # ────────────────────────────────────────────────────────────
  meilisearch:
    image: getmeili/meilisearch:latest
    container_name: meilisearch
    restart: unless-stopped
    ports:
      - "7700:7700"
    volumes:
      # Meilisearch는 uid 1000으로 실행
      # → 사전에 chown 1000:1000 필요 (Section 05 참조)
      - /mnt/data/02_automation/meilisearch/data:/meili_data
    environment:
      - MEILI_MASTER_KEY=${MEILI_MASTER_KEY}
      - MEILI_ENV=production
      - TZ=Asia/Seoul
    networks:
      - ai-common-net
    logging: *default-logging
    labels:
      - "com.centurylinklabs.watchtower.enable=true"

  # ────────────────────────────────────────────────────────────
  # Cloudflared — 공인 IP 없이 외부 안전 접속
  # network_mode: host → 내부 서비스에 직접 접근 가능
  # ────────────────────────────────────────────────────────────
  cloudflared:
    image: cloudflare/cloudflared:latest
    container_name: cloudflared
    restart: unless-stopped
    network_mode: host
    command: tunnel --no-autoupdate run --token ${CLOUDFLARE_TOKEN}
    environment:
      - TZ=Asia/Seoul
    logging: *default-logging
    labels:
      - "com.centurylinklabs.watchtower.enable=false"

# ────────────────────────────────────────────────────────────────
# 네트워크 정의 — Dify·Firecrawl이 external로 참조
# ────────────────────────────────────────────────────────────────
networks:
  ai-common-net:
    name: ai-common-net
    driver: bridge
    ipam:
      config:
        - subnet: 172.20.0.0/16

# 반드시 docker-compose.yml이 있는 폴더에서 실행
cd /mnt/data

# 백그라운드 실행
docker compose up -d

# 로그 확인 (전체)
docker compose logs -f

# 개별 서비스 로그
docker compose logs -f comfyui
docker compose logs -f n8n

# 전체 상태 확인
docker compose ps

# Ollama가 Open WebUI를 거치지 않고 직접 응답하는지 먼저 확인
curl http://localhost:11434/api/generate -d '{
  "model": "gemma4:12b",
  "prompt": "1+1은?",
  "stream": false
}'
# 성공: {"response":"2입니다...", ...} 형태의 JSON 응답
# 실패: "model not found" → ollama pull gemma4:12b 먼저 실행
# 실패: connection refused → systemctl status ollama 확인

# Open WebUI 컨테이너가 Ollama에 도달하는지 확인
# (open-webui 이미지엔 curl·wget이 없음 → python3로 테스트)
docker exec open-webui python3 -c "import urllib.request; print(urllib.request.urlopen('http://host.docker.internal:11434/api/tags').read().decode())"
# 모델 목록 JSON이 나오면 정상 — 빈 응답/에러면 extra_hosts 설정 확인

# GPU가 실제로 잡히는지 ComfyUI 내부에서 확인
docker exec comfyui python3 -c "import torch; print('CUDA 사용 가능:', torch.cuda.is_available()); print('GPU:', torch.cuda.get_device_name(0))"
# 성공: CUDA 사용 가능: True / GPU: NVIDIA GeForce RTX 3060
# 실패 시: docker compose logs comfyui 에서 "CUDA error" 검색

# 시스템 상태 API로 확인 (모델 로드 없이 가벼운 체크)
curl -s http://localhost:8188/system_stats | python3 -m json.tool
# vram_total이 12000MB 근처로 나오면 GPU 인식 정상

# 큐 상태 확인 (워크플로우 실행 가능 상태인지)
curl -s http://localhost:8188/queue | python3 -m json.tool
# {"queue_running":[],"queue_pending":[]} 이면 대기 중 = 정상

# n8n이 Postgres에 실제로 붙어있는지 확인
# (주의: docker logs에서 "database" 문자열 grep은 신뢰도 낮음 —
#  마이그레이션 로그에 이 단어가 안 들어가는 경우가 많아 비어있어도 정상일 수 있음)
docker exec n8n env | grep DB_
# DB_TYPE=postgresdb, DB_POSTGRESDB_HOST=n8n-postgres 등이 보여야 정상
# DB_TYPE이 안 보이면 .env 치환 누락 또는 docker compose up -d 재실행 필요

# 진짜 에러가 있는지 확인 (이게 더 의미 있는 체크)
docker logs n8n 2>&1 | grep -iE "error|ECONNREFUSED|fail"
# 아무것도 안 나오면 정상, postgres 관련 에러가 보이면 실제 문제

# n8n-pg-db에 실제 테이블이 생성됐는지 직접 확인 (가장 확실한 방법)
docker exec n8n-pg-db psql -U n8n -d n8n -c "\dt" | head -10
# workflow_entity, credentials_entity 등의 테이블이 보이면 정상

# 헬스 체크 엔드포인트 확인
curl -s http://localhost:5678/healthz
# {"status":"ok"} 응답 확인

# 간단한 워크플로우를 직접 실행해서 테스트 (Webhook 트리거 예시)
# n8n UI에서 Webhook 노드 하나만 있는 워크플로우를 만들고 Publish 한 뒤:
# curl -X POST http://localhost:5678/webhook/test-path
# 워크플로우 실행 탭에 "Success" 기록이 보이면 정상

MEILI_KEY=$(grep MEILI_MASTER_KEY /mnt/data/.env | cut -d= -f2)

# 1. 헬스 체크
curl -s http://localhost:7700/health
# {"status":"available"}

# 2. 테스트 문서 추가
curl -s -X POST 'http://localhost:7700/indexes/test/documents' \
  -H "Authorization: Bearer $MEILI_KEY" \
  -H 'Content-Type: application/json' \
  -d '[{"id":1,"title":"RTX 3060 홈랩 구축기"}]'

# 3. 실제 검색 — 결과가 나와야 인덱싱까지 제대로 동작한 것
sleep 1   # 인덱싱 반영 대기
curl -s -X POST 'http://localhost:7700/indexes/test/search' \
  -H "Authorization: Bearer $MEILI_KEY" \
  -H 'Content-Type: application/json' \
  -d '{"q":"홈랩"}' | python3 -m json.tool
# hits 배열에 방금 넣은 문서가 보이면 정상

# 4. 테스트 인덱스 정리
curl -s -X DELETE 'http://localhost:7700/indexes/test' -H "Authorization: Bearer $MEILI_KEY"

# Portainer가 docker.sock에 제대로 접근하는지 확인
curl -s http://localhost:9000/api/status
# {"Version":"2.x.x", ...} 정상 응답

# 브라우저에서: 로그인 후 Containers 메뉴 클릭
# → 지금까지 만든 모든 컨테이너(7개 + Dify/Firecrawl 등)가 목록에 보이면
#   docker.sock 마운트가 정상 동작 중인 것

# 터널이 Cloudflare 엣지와 정상 연결됐는지 로그로 확인
docker compose logs --tail=20 cloudflared | grep -E "Registered tunnel|connection.*registered"
# "Registered tunnel connection" 메시지가 4개(커넥션 4개) 보이면 정상

# 현재 적용된 라우팅 규칙 확인
docker compose logs cloudflared 2>&1 | grep "Updated to new configuration" | tail -1
# hostname별 service 매핑이 의도한 대로인지 눈으로 확인

# 터미널 1: VRAM 사용량 1초마다 출력
watch -n 1 nvidia-smi --query-gpu=memory.used,memory.total,utilization.gpu --format=csv

# 터미널 2: Ollama로 모델 로드
ollama run gemma4:12b "긴 글 하나 써줘" &

# 터미널 1 화면에서 VRAM이 약 6~7GB로 올라가는지 확인
# → 이 상태에서 ComfyUI로 SDXL 이미지 생성을 시도하면 OOM 발생 여부 확인
#   (의도된 동작 확인용 테스트이니 실제 운영에서는 동시 사용 자제)

one.dash.cloudflare.com → Networks → Tunnels → 기존 터널
→ Public Hostname 추가
  Subdomain: n8n
  Domain:    본인 도메인
  Service Type: HTTP   ← HTTPS 아님! (Cloudflare가 외부 HTTPS를 대신 처리)
  URL:       localhost:5678

# n8n 서비스의 environment 블록을 도메인 기준으로 변경
  n8n:
    environment:
      - N8N_PROTOCOL=https
      - N8N_HOST=n8n.본인도메인.com
      - WEBHOOK_URL=https://n8n.본인도메인.com/
      # N8N_SECURE_COOKIE=false 를 넣었었다면 이제 제거 (HTTPS라 정상 동작)

# 환경변수 변경 → 재시작이 아니라 재생성 필요
docker compose up -d --force-recreate n8n

# 확인
curl -I https://n8n.본인도메인.com

https://api.telegram.org/bot내토큰/getWebhookInfo

1. Security → Bots → "Bot Fight Mode" 끄기
   (커스텀 규칙과 별개로 독립적으로 차단하는 기능이라 따로 꺼야 함)

2. 그래도 안 되면 Security → WAF → Custom rules → Create rule
   조건: URI Path contains "/webhook/"
   동작: Skip (Bot Fight Mode 포함 전부 체크)

3. ⭐ 가장 흔히 놓치는 부분 — 규칙 우선순위(맨 위로 올리기)
   규칙을 추가만 하고 순서를 안 올리면, 다른 규칙(특히 Bot Fight Mode나
   WAF 매니지드 룰)이 먼저 평가되어 여전히 막힙니다.
   규칙 목록에서 방금 만든 규칙을 드래그해서 1순위로 올리세요.

# Dify를 /mnt/data/01_ai/dify/ 경로에 설치
git clone https://github.com/langgenius/dify.git /mnt/data/01_ai/dify

cd /mnt/data/01_ai/dify/docker

# 환경변수 파일 생성
cp .env.example .env

# ── 도메인 (단일 도메인 — 브라우저가 접근하는 주소 전부 통일) ──
DOMAIN="https://dify.도메인.com"
sed -i "s|^CONSOLE_API_URL=.*|CONSOLE_API_URL=${DOMAIN}|" .env
sed -i "s|^CONSOLE_WEB_URL=.*|CONSOLE_WEB_URL=${DOMAIN}|" .env
sed -i "s|^SERVICE_API_URL=.*|SERVICE_API_URL=${DOMAIN}|" .env
sed -i "s|^APP_API_URL=.*|APP_API_URL=${DOMAIN}|" .env
sed -i "s|^APP_WEB_URL=.*|APP_WEB_URL=${DOMAIN}|" .env
sed -i "s|^FILES_URL=.*|FILES_URL=${DOMAIN}|" .env
sed -i "s|^ENDPOINT_URL_TEMPLATE=.*|ENDPOINT_URL_TEMPLATE=${DOMAIN}/e/{hook_id}|" .env
sed -i "s|^NEXT_PUBLIC_SOCKET_URL=.*|NEXT_PUBLIC_SOCKET_URL=wss://dify.도메인.com|" .env

# ── 내부 전용 (Sandbox·Plugin이 컨테이너간 직접 통신) ──
sed -i "s|^INTERNAL_FILES_URL=.*|INTERNAL_FILES_URL=http://api:5001|" .env

# ── 보안 키 ──
SECRET=$(openssl rand -base64 42)
sed -i "s|^SECRET_KEY=.*|SECRET_KEY=${SECRET}|" .env
sed -i "s|^INIT_PASSWORD=.*|INIT_PASSWORD=원하는비밀번호로직접교체|" .env

# ── DB — 변수명 주의: POSTGRES_PASSWORD가 아니라 DB_PASSWORD ──
DB_PASS=$(openssl rand -hex 16)
sed -i "s|^DB_PASSWORD=.*|DB_PASSWORD=${DB_PASS}|" .env

# ── Redis ──
REDIS_PASS=$(openssl rand -hex 16)
sed -i "s|^REDIS_PASSWORD=.*|REDIS_PASSWORD=${REDIS_PASS}|" .env

# ── 벡터스토어 (Qdrant) ──
sed -i "s|^VECTOR_STORE=.*|VECTOR_STORE=qdrant|" .env
sed -i "s|^QDRANT_URL=.*|QDRANT_URL=http://qdrant:6333|" .env
QDRANT_KEY=$(openssl rand -hex 16)
sed -i "s|^QDRANT_API_KEY=.*|QDRANT_API_KEY=${QDRANT_KEY}|" .env

# ── 프로필 (qdrant 컨테이너 + postgresql 컨테이너 + 협업 websocket 켜기) ──
sed -i "s|^COMPOSE_PROFILES=.*|COMPOSE_PROFILES=qdrant,postgresql,collaboration|" .env

# ── nginx 포트 (3003은 Firecrawl 전용이므로 회피) ──
sed -i "s|^EXPOSE_NGINX_PORT=.*|EXPOSE_NGINX_PORT=3002|" .env
sed -i "s|^EXPOSE_NGINX_SSL_PORT=.*|EXPOSE_NGINX_SSL_PORT=8443|" .env

# ── 적용 확인 (placeholder가 그대로 남아있으면 안 됨) ──
grep '\$(' .env
grep -E "^(CONSOLE_API_URL|DB_PASSWORD|REDIS_PASSWORD|VECTOR_STORE|QDRANT_URL|COMPOSE_PROFILES|EXPOSE_NGINX_PORT|EXPOSE_NGINX_SSL_PORT)=" .env

# ── DB 3종: container_name + 외부 포트(127.0.0.1 한정) ──────────

# db_postgres 서비스 블록을 찾아서 (grep -n "^  db_postgres:" docker-compose.yaml)
# image 바로 아래에 container_name과 ports 추가:

  db_postgres:
    image: postgres:15-alpine
    container_name: dify-pg-db        # [추가]
    ports:                            # [추가]
      - "127.0.0.1:15432:5432"        # 외부 접속용, 로컬호스트로만 제한

# redis 서비스 블록 (grep -n "^  redis:" docker-compose.yaml)
  redis:
    image: redis:6-alpine
    container_name: dify-redis-db     # [추가]
    ports:                            # [추가]
      - "127.0.0.1:16379:6379"        # 외부 접속용, 로컬호스트로만 제한

# qdrant 서비스 블록 (grep -n "^  qdrant:" docker-compose.yaml)
  qdrant:
    image: langgenius/qdrant:v1.8.3
    container_name: dify-qdrant-db    # [추가]
    ports:                            # [추가]
      - "127.0.0.1:16333:6333"        # 외부 접속용, 로컬호스트로만 제한

# ── api/worker 4종: container_name만 추가 (anchor 자체는 손대지 않음) ──
# 각 서비스 블록에서 <<: *shared-api-worker-config 바로 아래에 한 줄씩만 추가
# (container_name은 networks와 달리 anchor 동작에 전혀 영향 안 줌 — 안전)

  api:
    <<: *shared-api-worker-config
    container_name: dify-api          # [추가]

  api_websocket:
    <<: *shared-api-worker-config
    container_name: dify-api-websocket   # [추가]

  worker:
    <<: *shared-api-worker-config
    container_name: dify-worker        # [추가]

  worker_beat:
    <<: *shared-api-worker-config
    container_name: dify-worker-beat   # [추가]

# ── 나머지 단일 서비스들도 동일하게 ──────────────────────────────
# web:            container_name: dify-web
# sandbox:        container_name: dify-sandbox
# plugin_daemon:  container_name: dify-plugin-daemon
# ssrf_proxy:     container_name: dify-ssrf-proxy
# certbot:        container_name: dify-certbot
# (각 서비스 블록의 image 줄 바로 아래에 한 줄씩 추가하면 됩니다)

# api 서비스 블록 — anchor 적용 바로 아래에 user: root + extra_hosts 추가
  api:
    <<: *shared-api-worker-config
    container_name: dify-api
    user: root              # ⭕ [추가] anchor의 비root 설정을 이 서비스에서만 덮어씀
    extra_hosts:             # ⭕ [추가] host.docker.internal이 Linux에서 자동 해석 안 됨
      - "host.docker.internal:host-gateway"
    image: langgenius/dify-api:1.14.2
    environment:
      MODE: api
      SENTRY_DSN: ${API_SENTRY_DSN:-}
      # ... (이하 기존 환경변수 그대로) ...
    volumes:
      - ./volumes/app/storage:/app/api/storage
      # - ./volumes/home_dify:/home/dify   ← ❌ 이 줄은 마운트하지 않음 (주석 처리 유지)

# api_websocket / worker / worker_beat 도 같은 anchor를 쓰므로
# 동일한 permission·네트워크 문제를 겪을 가능성이 높습니다 — 똑같이 추가 권장
  api_websocket:
    <<: *shared-api-worker-config
    container_name: dify-api-websocket
    user: root              # [추가]
    extra_hosts:             # [추가]
      - "host.docker.internal:host-gateway"

  worker:
    <<: *shared-api-worker-config
    container_name: dify-worker
    user: root              # [추가]
    extra_hosts:             # [추가] — Ollama 모델 호출은 worker에서도 발생
      - "host.docker.internal:host-gateway"

  worker_beat:
    <<: *shared-api-worker-config
    container_name: dify-worker-beat
    user: root              # [추가]
    extra_hosts:             # [추가]
      - "host.docker.internal:host-gateway"

# ── plugin_daemon: anchor를 안 쓰는 별도 블록 — 가장 빠뜨리기 쉬운 곳 ──
# (Ollama 등 모델 공급자 연동·검증을 실제로 처리하는 컨테이너)
# grep -n "^  plugin_daemon:" docker-compose.yaml 으로 위치 찾기
  plugin_daemon:
    container_name: dify-plugin-daemon   # ⭕ [추가]
    extra_hosts:                          # ⭕ [추가] — 이게 핵심으로 빠지기 쉬운 부분
      - "host.docker.internal:host-gateway"
    # ... 기존 image/environment/volumes 등은 그대로 ...

# ⓪ 진짜 에러가 어느 컨테이너에서 나는지 먼저 확인
docker logs dify-api 2>&1 | grep -iE "error|fail" | tail -20
# "Error in stream response for plugin" / "PluginInvokeError" 가 보이면
# → 아래는 dify-api가 아니라 plugin_daemon을 대상으로 진행

# ① plugin_daemon 컨테이너 안에서 호스트 Ollama가 실제로 보이는지 확인
docker compose down && docker compose up -d   # extra_hosts는 recreate 필요
docker exec dify-plugin-daemon curl -s http://host.docker.internal:11434/api/tags
# 모델 목록 JSON이 나오면 성공 → Dify 관리자 화면에서 같은 주소로 등록하면 됨

# ② 그래도 타임아웃이면 방화벽이 원인 — UFW 규칙 확인
sudo ufw status | grep 11434
# "11434  ALLOW  172.16.0.0/12" 가 없으면 Section 06③ 명령어 다시 실행

# ③ ①②를 다 했는데도 안 되면 — plugin_daemon의 게이트웨이 IP 직접 알아내서 우회
# (api/worker와 plugin_daemon은 같은 default 네트워크라 보통 게이트웨이가 같지만,
#  다를 수도 있으니 plugin_daemon 기준으로 다시 확인하는 게 정확합니다)
docker inspect dify-plugin-daemon | grep -E '"Gateway"|"IPAddress"'
# "Gateway": "172.18.0.1" 같은 값이 나옴 (환경마다 다른 대역일 수 있음)

docker exec dify-plugin-daemon curl -s http://172.18.0.1:11434/api/tags
# 여기서 모델 목록이 나오면, Dify Base URL에 host.docker.internal 대신
# 이 게이트웨이 IP를 직접 입력 (예: http://172.18.0.1:11434)

# nginx 서비스 블록 찾기 (grep -n "^  nginx:" docker-compose.yaml)
# image 바로 아래, ports 아래에 추가:

  nginx:
    image: nginx:latest
    container_name: dify-nginx        # [추가] 고정 이름 — n8n 등에서 내부 호출 시 사용
    restart: always
    ports:
      - "${EXPOSE_NGINX_PORT:-80}:${NGINX_PORT:-80}"
      - "${EXPOSE_NGINX_SSL_PORT:-443}:${NGINX_SSL_PORT:-443}"
    networks:                         # [추가]
      - default                       # Dify 내부 통신 유지
      - ai-common-net                 # 통합본(n8n 등) 통신용 추가

# 파일 맨 아래 networks: 섹션에 ai-common-net 추가
# (ssrf_proxy_network, milvus, opensearch-net 옆에 같이 작성)

networks:
  ssrf_proxy_network:
    driver: bridge
    internal: true
  milvus:
    driver: bridge
  opensearch-net:
    driver: bridge
    internal: true
  ai-common-net:                      # [추가]
    external: true
    name: ai-common-net

docker compose up -d

# 상태 확인 (전체 서비스 healthy 대기 ~60초)
docker compose ps

# 컨테이너 이름이 의도대로 붙었는지 확인
docker ps --format "table {{.Names}}\t{{.Ports}}" | grep dify

# 접속: http://192.168.1.100:3002 (또는 https://dify.도메인.com)
# 최초 접속 → 관리자 이메일 + INIT_PASSWORD 로 로그인

# Ollama 연동 설정
# 관리자 → 설정 → 모델 공급자 → Ollama
# Base URL: http://host.docker.internal:11434 로 먼저 시도
# 타임아웃 시 → 실제로 연결을 시도하는 건 plugin_daemon 컨테이너입니다
#               ④번에서 plugin_daemon에 extra_hosts 추가했는지 먼저 확인
#               (api/worker에만 추가하고 빠뜨리기 쉬운 부분)
# 그래도 안 되면 → UFW 172.16.0.0/12 확인 → 안 되면 plugin_daemon의
#                  게이트웨이 IP 직접 알아내서 http://172.18.0.1:11434 식으로 입력
#                  (④번 진단 명령어·마지막 경고 참고)
# (plugin_daemon 컨테이너에서 호스트 Ollama에 접근)

# n8n에서 호출 시 (ai-common-net으로 내부 직접 통신, 포트는 80!)
# URL: http://dify-nginx/v1/workflows/run
docker exec -it n8n wget -qO- --server-response http://dify-nginx/ 2>&1 | head -5

curl -s http://localhost:11434/api/tags | python3 -m json.tool | grep -A6 '"name"'
# 각 모델의 "capabilities" 배열을 확인:
#   "tools"      포함 → Function Call: Yes
#   "vision"     포함 → Vision Support: Yes
#   "embedding"만 있음 → LLM이 아니라 Text Embedding 타입으로 등록

docker exec -it n8n wget -qO- --server-response http://dify-nginx/ 2>&1 | head -5

# dify-pg-db에 실제 테이블이 생성됐는지 확인
docker exec dify-pg-db psql -U postgres -d dify -c "\dt" | head -15

QDRANT_KEY=$(grep QDRANT_API_KEY /mnt/data/01_ai/dify/docker/.env | cut -d= -f2)
curl -s http://localhost:16333/collections -H "api-key: $QDRANT_KEY"

# container_name을 dify-api로 고정했으므로 이름이 항상 동일함 (-1 접미사 없음)
docker logs dify-api 2>&1 | grep -iE "error|fail" | tail -20
# 별다른 에러 없이 비어있으면 정상

# 1. Dify 관리자 화면에서 챗봇 앱 하나 생성 후 API 키 발급
#    (스튜디오 → "앱 만들기" 패널 → "빈 상태로 시작"
#     → 앱 유형 선택 화면에서 "초보자용 기본 앱 유형" 펼치기 (챗봇은 기본으로 안 보임)
#     → "챗봇" 선택 → 앱 이름 입력 → 만들기
#     → 만들어진 앱 안에서 좌측 사이드바 "API 액세스" 클릭
#       (※ "설정" 메뉴는 없음 — 사이드바는 오케스트레이트/API 액세스/로그 및
#          어노테이션/모니터링 4개뿐. "설정"이라고 안내한 건 잘못된 정보였음)
#     → 우측 상단 "API 키" 버튼 클릭 → 키 생성)

API_KEY="app-여기에발급받은키"

# 2. 실제 대화 API 호출
# API 액세스 화면 상단에 표시된 Base URL을 그대로 써도 됩니다
# (예: https://dify.도메인.com/v1 — 외부에서 테스트할 때 더 직관적)
curl -X POST http://localhost:3002/v1/chat-messages \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "inputs": {},
    "query": "안녕, 너는 어떤 모델을 쓰고 있어?",
    "response_mode": "blocking",
    "user": "test-user"
  }'
# answer 필드에 응답 텍스트가 오면 Ollama 연동까지 전부 정상 동작 확인된 것
# 에러 시: "model_currently_not_support" → 모델 공급자 설정에서 Ollama 모델이
#          실제로 선택(저장)되어 있는지 재확인

cd /mnt/data/01_ai/dify
git pull
cd docker
docker compose pull
docker compose up -d
# → 통합 compose와 독립적으로 업데이트 가능
# 주의: git pull로 docker-compose.yaml이 덮어써지면 ③④에서 추가한
#       container_name·ports·networks 설정이 사라질 수 있으니
#       업데이트 후 grep으로 재확인하세요.
docker ps --format "table {{.Names}}\t{{.Ports}}" | grep dify

1. "HTTP Header Auth" 검색해서 선택
2. Name: Authorization
3. Value: Bearer app-⑥-1에서발급받은키
4. 저장 후, "Dify 챗봇 호출" 노드의 Credential 칸에서 이 자격증명 선택

나:  /post Ollama로 로컬 LLM 서버 구축하기|ai-lab|Ollama,Docker,RTX3060

봇:  ✅ 블로그 초안 생성 완료!
     📝 제목: Ollama로 로컬 LLM 서버 구축하기

     ## Ollama로 로컬 LLM 서버 구축하기

     ### 서론
     최근 개인 서버에 LLM을 직접 돌리는 사례가 늘고 있습니다...

     ### RTX 3060에서 Ollama 설치하기
     ...

     ### Docker와의 연동
     ...

     ### 결론
     ...

git clone https://github.com/firecrawl/firecrawl.git /mnt/data/02_automation/firecrawl

cd /mnt/data/02_automation/firecrawl

# .env.example은 루트가 아니라 apps/api/ 안에 있음
# 그런데 .env 파일은 "두 군데 다" 필요합니다 (②번에서 이유 설명)
cp apps/api/.env.example apps/api/.env
cp apps/api/.env.example .env

# ── 포트: PORT(호스트)와 INTERNAL_PORT(컨테이너)는 서로 다른 변수입니다 ──
# docker-compose.yaml 117번 줄: "${PORT:-3003}:${INTERNAL_PORT:-3002}"
# PORT를 3002로 잘못 적으면 Dify nginx(3002)와 충돌해서 up 자체가 실패합니다
PORT=3003
INTERNAL_PORT=3002

# ── DB — 반드시 직접 값 채우기 ──
POSTGRES_USER=firecrawl
POSTGRES_DB=firecrawl
POSTGRES_PASSWORD=직접생성한비밀번호로교체

PG_PASS=$(openssl rand -hex 16)
sed -i "s/^POSTGRES_PASSWORD=.*/POSTGRES_PASSWORD=$PG_PASS/" .env

BULL_KEY=$(openssl rand -hex 16)
echo "BULL_AUTH_KEY=$BULL_KEY" >> .env

# 확인 (placeholder가 남아있지 않은지)
grep -E "^PORT=|^INTERNAL_PORT=|^POSTGRES_PASSWORD=|^BULL_AUTH_KEY=" .env

# 아래 항목 확인 및 수정 (여기 PORT는 ②번 루트 .env의 PORT와는 별개 스코프)
USE_DB_AUTHENTICATION=false          # 개인 홈랩: 인증 불필요
PORT=3002                            # 컨테이너 내부용, 그대로 둬도 됨
HOST=0.0.0.0
NUM_WORKERS_PER_QUEUE=4              # R730 CPU 여유 있음

# ②번 루트 .env와 동일한 값으로 맞춰주기
BULL_AUTH_KEY=②번에서생성한값그대로
POSTGRES_USER=firecrawl
POSTGRES_PASSWORD=②번에서생성한값그대로
POSTGRES_DB=firecrawl

# redis 서비스 블록 (grep -n "^  redis:" docker-compose.yaml)
  redis:
    image: redis:alpine
    container_name: firecrawl-redis-db   # [추가]
    ports:                               # [추가]
      - "127.0.0.1:16380:6379"           # Dify의 16379와 겹치지 않게

# nuq-postgres 서비스 블록
  nuq-postgres:
    build: apps/nuq-postgres
    container_name: firecrawl-pg-db      # [추가]
    ports:                               # [추가]
      - "127.0.0.1:15433:5432"           # Dify의 15432와 겹치지 않게

# rabbitmq 서비스 블록 (예전 가이드에 빠져있던 부분)
  rabbitmq:
    image: rabbitmq:3-management
    container_name: firecrawl-rabbitmq   # [추가]

# foundationdb 서비스 블록 (실험적 큐 백엔드, 기본은 대기상태)
  foundationdb:
    image: foundationdb/foundationdb:7.3.63
    container_name: firecrawl-foundationdb       # [추가]

  foundationdb-init:
    image: foundationdb/foundationdb:7.3.63
    container_name: firecrawl-foundationdb-init  # [추가]

# api 서비스 블록 (container_name + ai-common-net 연결 — extra_hosts는 이미 기본 포함)
  api:
    <<: *common-service
    container_name: firecrawl-api   # [추가]
    networks:                       # [추가] — backend는 원래 있던 것, default·ai-common-net 추가
      - default
      - ai-common-net
      - backend

grep -n "3002\|3003" docker-compose.yaml
# 117번째 줄 근처: "${PORT:-3003}:${INTERNAL_PORT:-3002}" 확인

grep -E "^PORT=|^INTERNAL_PORT=" .env
# PORT=3003 / INTERNAL_PORT=3002 로 나와야 정상

docker compose build
docker compose up -d

# 컨테이너 이름 확인
docker ps --format "table {{.Names}}\t{{.Ports}}" | grep firecrawl

# 동작 확인 — 두 엔드포인트 다 시도 (버전에 따라 둘 중 하나만 있을 수 있음)
curl -I http://localhost:3003/test
curl -I http://localhost:3003/is-alive
# "Hello, world!" 또는 even 404("Cannot GET ...")여도 정상입니다
# 핵심은 Connection refused/timeout이 아니라 HTTP 응답 자체가 왔다는 것
# (404는 그 경로가 없다는 뜻일 뿐, 서버는 정상적으로 요청을 받고 응답한 상태)

# 실제 크롤 테스트
curl -X POST http://localhost:3003/v1/scrape \
  -H "Content-Type: application/json" \
  -d '{"url":"https://agibop.com","formats":["markdown"]}'
# 성공: {"success":true,"data":{"markdown":"...agibop.com 페이지 내용..."}}
# 실패: success:false → playwright 서비스 로그 확인
#       docker compose logs playwright-service --tail=30

# 패키지에 포함된 nuq.sql을 DB에 직접 주입
cat apps/nuq-postgres/nuq.sql | docker exec -i firecrawl-pg-db psql -U postgres -d postgres

# 멈췄던 서비스 재기동
docker compose up -d

# 정상화 확인 — 이제 테이블이 보여야 함
docker exec firecrawl-pg-db psql -U firecrawl -d firecrawl -c "\dt"

# nuq-postgres에 큐 테이블이 생성됐는지 확인
docker exec firecrawl-pg-db psql -U firecrawl -d firecrawl -c "\dt" | head -10

# redis 연결 확인
docker exec firecrawl-redis-db redis-cli ping
# PONG 응답이면 정상

# 크롤 작업이 실제로 큐에 들어가고 처리되는지 비동기 방식으로 확인
JOB=$(curl -s -X POST http://localhost:3003/v1/crawl \
  -H "Content-Type: application/json" \
  -d '{"url":"https://agibop.com","limit":3}')
echo "$JOB"
JOB_ID=$(echo "$JOB" | python3 -c "import sys,json;print(json.load(sys.stdin)['id'])")

# 잠시 후 진행 상태 조회 — completed로 바뀌면 큐 처리까지 정상 동작 확인
sleep 5
curl -s http://localhost:3003/v1/crawl/$JOB_ID | python3 -m json.tool

curl -fsSL https://get.docker.com | sudo sh
sudo usermod -aG docker $USER
newgrp docker

mkdir -p ~/openclaw && cd ~/openclaw

cat > docker-compose.yml << 'EOF'
services:
  openclaw:
    image: openclaw/openclaw:latest
    # 운영 환경에서는 latest 대신 버전 고정 권장 (예: openclaw/openclaw:2026.5.0)
    container_name: openclaw
    restart: unless-stopped
    ports:
      # 127.0.0.1로만 바인딩 — 외부·내부망 어디서도 직접 접근 불가
      - "127.0.0.1:18789:18789"
    volumes:
      - ./state:/root/.openclaw
      - /etc/localtime:/etc/localtime:ro
    environment:
      - ANTHROPIC_API_KEY=${ANTHROPIC_API_KEY}
      - OPENCLAW_TZ=Asia/Seoul
    shm_size: "1gb"
    cap_add:
      - SYS_ADMIN          # 브라우저 자동화(헤드리스 Chrome)에 필요
    deploy:
      resources:
        limits:
          memory: 4G
          cpus: "2"
    healthcheck:
      test: ["CMD", "openclaw", "gateway", "status"]
      interval: 30s
      timeout: 5s
      retries: 3
      start_period: 30s
EOF

echo "ANTHROPIC_API_KEY=sk-ant-여기에입력" > .env
chmod 600 .env

docker compose up -d

# 온보딩 마법사 실행 (LLM 공급자·메신저 연동을 대화형으로 설정)
docker compose exec openclaw openclaw onboard

# 상태 확인
docker compose exec openclaw openclaw gateway status

# npm으로 CLI 설치 (Node.js 18+ 필요)
npm install -g openclaw

# CLI에서 원격 Gateway 접속 설정
# (Gateway가 127.0.0.1로만 열려있으므로 SSH 터널 필수)
ssh -L 18789:localhost:18789 user@별도서버주소 -N &

openclaw config set gateway.url http://localhost:18789

# 연결 확인
openclaw status

# 이 가이드 Section 07 ④에서 만든 것과는 별개의 새 봇 토큰 사용 권장
# (n8n 워크플로우 봇과 OpenClaw 봇을 분리해야 책임 범위가 명확해짐)
docker compose exec openclaw openclaw plugins enable telegram

# BotFather 토큰 입력 프롬프트가 뜨면 입력
# 이후 텔레그램에서 해당 봇에게 자연어로 작업 요청 가능

나:  내일 날씨 확인하고 우산 챙겨야 하는지 알려줘

봇:  웹에서 확인했습니다. 내일 서울 강수확률 70%,
     오후에 비가 예상되니 우산을 챙기시는 게 좋겠습니다.

나:  이 PDF 파일에서 표만 뽑아서 정리해줘 [파일 첨부]

봇:  PDF에서 표 3개를 추출해 정리했습니다. (파일 첨부)

# NAS SSH 접속
ssh [email protected]

# 실행 중인 서비스 확인
docker ps --format "table {{.Names}}	{{.Status}}"

# MariaDB 연결 테스트 (MySQL이 아닌 MariaDB!)
docker exec -it mariadb mariadb -u root -p -e "SHOW DATABASES;"
# wordpress 데이터베이스 확인

# WordPress 접속 테스트
curl -I https://agibop.com
# HTTP/2 200 응답 확인

mkdir -p /volume1/obsidian-vault/1.\ blog-content/{posts,templates,attachments,ready,published,scripts,logs}

chmod -R 755 /volume1/obsidian-vault

# 확인 — 공백 이스케이프가 제대로 됐는지, logs 등 7개 폴더가 정확한 위치에 생겼는지
ls -la "/volume1/obsidian-vault/1. blog-content/"



touch /volume1/obsidian-vault/1.\ blog-content/.env
chmod 600 /volume1/obsidian-vault/1.\ blog-content/.env

# .env 내용 작성
vi /volume1/obsidian-vault/1.\ blog-content/.env

# .env 내용 붙여넣기
# ── [1] 시놀로지 NAS 및 네트워크 설정 ───────────────────
NAS_IP=192.168.1.250           # 시놀로지 NAS의 내부 IP 주소
TZ=Asia/Seoul                  # 타임존 설정

# ── [2] MariaDB (wp-db) 접속 정보 ─────────────────────
# 앞선 단계에서 확인한 워드프레스 DB 접속용 정보입니다.
DB_HOST=192.168.1.250          # 혹은 Docker 내부망인 wp-db
DB_PORT=3306
DB_NAME=wordpress
DB_USER=wordpress
DB_PASSWORD=여기에_wordpress_유저_비밀번호_입력

# 만약 스크립트에서 root 권한이 필요하다면 아래도 추가 (선택)
DB_ROOT_PASSWORD=여기에_마스터키_비밀번호_입력

# ── [3] 워드프레스 REST API 설정 ──────────────────────
# n8n이 워드프레스에 글을 직접 발행할 때 사용하는 인증 정보입니다.
# (워드프레스 관리자 페이지 > 사용자 > 프로필에서 생성한 '애플리케이션 비밀번호')
WP_URL=https://agibop.com
WP_USERNAME=agibop           # 워드프레스 관리자 로그인 ID
WP_APPLICATION_PASSWORD=xxxx xxxx xxxx xxxx xxxx

# ── [4] 외부 AI 공급자 API 키 (n8n 워크플로우용) ─────────
# 로컬 LLM(Ollama) 외에 외부 AI를 믹스해서 쓸 경우 입력합니다.
OPENAI_API_KEY=sk-proj-여기에입력
GEMINI_API_KEY=AIzaSy여기에입력
ANTHROPIC_API_KEY=sk-ant-여기에입력

# ── [5] 기타 자동화 도구 연동 (선택) ───────────────────
# R730 서버에 구축한 AI 도구들과 n8n이 통신할 때 사용합니다.
AI_SERVER_IP=192.168.1.100
OLLAMA_BASE_URL=http://192.168.1.100:11434
FIRECRAWL_API_URL=http://192.168.1.100:3003

# .env에 적어둔 WP_USERNAME / WP_APPLICATION_PASSWORD 그대로 사용
curl -X POST https://agibop.com/wp-json/wp/v2/posts \
  -u "agibop:xxxx xxxx xxxx xxxx xxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "title": "자동화 테스트 글 (삭제 예정)",
    "content": "n8n 연동 테스트용 임시 글입니다.",
    "status": "draft"
  }'
# 성공: {"id":123, "link":"https://agibop.com/?p=123", ...} 응답
# 실패: 401 Unauthorized → 애플리케이션 비밀번호 재발급 필요
# 실패: 403 Forbidden → 워드프레스 보안 플러그인이 REST API 차단 중인지 확인

# 테스트 글 삭제 (위 응답의 id 사용)
curl -X DELETE "https://agibop.com/wp-json/wp/v2/posts/123?force=true" \
  -u "agibop:xxxx xxxx xxxx xxxx xxxx"

1. n8n에서 새 워크플로우 생성 → "SSH" 노드 하나만 추가 (Execute Command 노드 아님 — 그건 자격증명 없이 n8n 로컬에서 실행되는 별개 노드)
2. Credential: NAS-SSH 선택
3. Resource: Command → Operation: Execute
4. Command: echo "NAS 연결 성공 $(date)" >> /volume1/obsidian-vault/1.\ blog-content/logs/test.log
5. 노드에 마우스 올리면 나오는 "Execute step" 아이콘(▶) 클릭 → 즉시 1회 실행
6. 결과 패널에 에러 없이 초록색 체크가 뜨면 성공

# NAS에서 직접 확인
ssh [email protected] "cat '/volume1/obsidian-vault/1. blog-content/logs/test.log'"
# 방금 넣은 타임스탬프가 보이면 n8n→NAS SSH 경로 전체가 정상 동작 확인된 것

#!/bin/bash
echo "=== R730 홈랩 서비스 상태 $(date '+%Y-%m-%d %H:%M') ==="

echo ""
echo "▶ GPU (RTX 3060 12GB)"
nvidia-smi --query-gpu=name,temperature.gpu,memory.used,memory.total,utilization.gpu --format=csv,noheader,nounits | awk -F',' '{printf "  %s | %sC | VRAM:%s/%sMiB | %s%%\n",$1,$2,$3,$4,$5}'

echo ""
echo "▶ Ollama (네이티브 systemd)"
if systemctl is-active --quiet ollama; then
  echo "  ✅ 실행 중"
  ollama list 2>/dev/null | tail -n +2 | awk '{print "  모델: "$1" ("$3$4")"}'
else
  echo "  ❌ 중지됨 → sudo systemctl start ollama"
fi

echo ""
echo "▶ 통합 Docker Compose (/mnt/data)"
cd /mnt/data
for svc in portainer watchtower open-webui comfyui n8n n8n-postgres meilisearch cloudflared; do
  status=$(docker inspect -f '{{.State.Status}}' $svc 2>/dev/null || echo "없음")
  health=$(docker inspect -f '{{.State.Health.Status}}' $svc 2>/dev/null)
  if [ "$status" = "running" ]; then
    [ -n "$health" ] && icon="✅($health)" || icon="✅"
  else
    icon="❌($status)"
  fi
  echo "  $icon $svc"
done

echo ""
echo "▶ Dify (공식 단독)"
cd /mnt/data/01_ai/dify/docker
docker compose ps --format "  {{.Name}}: {{.State}}" 2>/dev/null
docker ps --format "  └ {{.Names}}: {{.Ports}}" | grep -E "dify-(pg|redis|qdrant)-db"

echo ""
echo "▶ Firecrawl (공식 단독)"
cd /mnt/data/02_automation/firecrawl
docker compose ps --format "  {{.Name}}: {{.State}}" 2>/dev/null
docker ps --format "  └ {{.Names}}: {{.Ports}}" | grep -E "firecrawl-(pg|redis)-db"

echo ""
echo "▶ 시스템 리소스"
echo "  RAM: $(free -h | awk '/Mem:/{print $3"/"$2}')"
echo "  /mnt/data: $(df -h /mnt/data | awk 'NR==2{print $3"/"$2" ("$5")"}')"

cat > /mnt/data/backups/backup.sh << 'EOF'
#!/bin/bash
# set -e를 안 씁니다 — 한 단계(예: firecrawl) 실패해도
# 나머지(n8n·dify·qdrant 등) 백업은 계속 진행되도록 의도적으로 뺐습니다.
STAGE=/mnt/data/backups/staging
FAILED=()
mkdir -p "$STAGE"/{postgres,configs,volumes}

echo "[$(date)] 백업 시작..."

# 실패해도 다음 줄로 넘어가게 하는 헬퍼 함수
run_step() {
  local desc="$1"; shift
  if ! "$@"; then
    echo "[$(date)] ⚠️ 실패: $desc"
    FAILED+=("$desc")
  fi
}

# ── ① Postgres 3종 덤프 (매번 덮어쓰기, 하나 실패해도 나머지 계속) ──
# set -o pipefail: pg_dump가 실패해도 gzip만 성공하면 "성공"으로 오판하는 것 방지
run_step "n8n DB"       bash -c 'set -o pipefail; docker exec n8n-pg-db pg_dump -U n8n n8n | gzip > "'"$STAGE"'/postgres/n8n.sql.gz"'
run_step "dify DB"      bash -c 'set -o pipefail; docker exec dify-pg-db pg_dump -U postgres dify | gzip > "'"$STAGE"'/postgres/dify.sql.gz"'
run_step "firecrawl DB" bash -c 'set -o pipefail; docker exec firecrawl-pg-db pg_dump -U firecrawl firecrawl | gzip > "'"$STAGE"'/postgres/firecrawl.sql.gz"'

# ── ② 핵심 설정 파일 (.env 4종 + n8n 암호화 키) ─────────
run_step ".env 파일들" tar -czf "$STAGE/configs/env-files.tar.gz" \
  /mnt/data/.env \
  /mnt/data/01_ai/dify/docker/.env \
  /mnt/data/02_automation/firecrawl/.env

run_step "n8n 데이터" tar -czf "$STAGE/configs/n8n-data.tar.gz" /mnt/data/02_automation/n8n/data

# ── ③ Qdrant 벡터DB + Open WebUI + ComfyUI 워크플로우 ──
run_step "Qdrant" tar -czf "$STAGE/volumes/dify-qdrant.tar.gz" \
  /mnt/data/01_ai/dify/docker/volumes/qdrant
run_step "Open WebUI" tar -czf "$STAGE/volumes/open-webui.tar.gz" /mnt/data/01_ai/open-webui/data
run_step "ComfyUI 워크플로우" tar -czf "$STAGE/volumes/comfyui-workflows.tar.gz" /mnt/data/01_ai/comfyui/workflows

# ── ④ NAS로 "최신 상태" 동기화 (버전관리는 안 함 — 하이퍼백업이 함) ──
run_step "NAS 동기화" rsync -az --delete "$STAGE/" [email protected]:/volume1/backups/r730/latest/

if [ ${#FAILED[@]} -eq 0 ]; then
  echo "[$(date)] ✅ 백업 완료 (전체 성공) → NAS /volume1/backups/r730/latest/"
else
  echo "[$(date)] ⚠️ 백업 완료 (일부 실패: ${FAILED[*]}) — 위 항목들 따로 점검 필요"
fi
EOF

chmod +x /mnt/data/backups/backup.sh

ssh [email protected] "mkdir -p /volume1/backups/r730/latest"

# 비밀번호 없이 rsync 되도록 SSH 키 등록 (최초 1회)
ssh-keygen -t ed25519 -f ~/.ssh/r730_to_nas -N ""
ssh-copy-id -i ~/.ssh/r730_to_nas.pub [email protected]

# 테스트
ssh -i ~/.ssh/r730_to_nas [email protected] "echo 연결 성공"

# crontab -e 실행 후 한 줄만 추가 (하이퍼 백업은 DSM이 자체 스케줄러로 실행)
0 3 * * * /mnt/data/backups/backup.sh >> /mnt/data/backups/backup.log 2>&1

crontab -l

# 수동 테스트
/mnt/data/backups/backup.sh
cat /mnt/data/backups/backup.log

# 1. NAS 또는 하이퍼백업 복원으로 가져온 n8n.sql.gz 위치에서
gunzip -c n8n.sql.gz | docker exec -i n8n-pg-db psql -U n8n -d n8n

# 2. n8n 재시작
cd /mnt/data && docker compose restart n8n

# .env 복원 시
tar -xzf env-files.tar.gz -C /

# 1. Ollama (재부팅 시 자동, 수동 시작 시)
sudo systemctl start ollama

# 2. 통합 compose (ai-common-net 생성)
cd /mnt/data && docker compose up -d

# 3. Dify (ai-common-net 참조)
cd /mnt/data/01_ai/dify/docker && docker compose up -d

# 4. Firecrawl (ai-common-net 참조)
cd /mnt/data/02_automation/firecrawl && docker compose up -d

통합 docker-compose.yml     → ai-common-net 정의 (소유)
  ├── Portainer             → ai-common-net 사용
  ├── Open WebUI            → ai-common-net 사용
  ├── ComfyUI               → ai-common-net 사용
  ├── n8n                   → ai-common-net 사용
  ├── Meilisearch           → ai-common-net 사용
  └── Cloudflared           → network_mode: host (별도)

Dify docker-compose.yaml     → ai-common-net: external: true 참조 (nginx만 연결)
Firecrawl docker-compose.yaml → ai-common-net: external: true 참조 (api만 연결)

실행 순서 (본문에서 이미 이 순서로 안내됨):
  1. cd /mnt/data && docker compose up -d    ← 네트워크 생성됨
  2. cd /mnt/data/01_ai/dify && docker compose up -d
  3. cd /mnt/data/02_automation/firecrawl && docker compose up -d

docker network ls | grep ai-common-net
docker network inspect ai-common-net | grep -E "Name|Subnet"

# 어떤 컨테이너가 실제로 연결돼 있는지 한눈에 확인
docker network inspect ai-common-net --format '{{range .Containers}}{{.Name}}{{"\n"}}{{end}}'