stock-lab 오류 수정, lotto-lab 히트맵 기반 추천 기능 추가
This commit is contained in:
@@ -1,100 +0,0 @@
|
||||
# 🦙 Windows PC Ollama 연동 가이드
|
||||
|
||||
NAS(Docker)에 있는 `stock-lab` 서비스가 고성능 Windows PC의 Ollama를 사용하여 AI 분석을 수행하도록 설정하는 방법입니다.
|
||||
|
||||
## 1. Windows PC 설정 (AI 서버)
|
||||
|
||||
고성능 PC(9800X3D + 3070 Ti)에서 수행합니다.
|
||||
|
||||
### 1-1. Ollama 설치 및 준비
|
||||
1. [Ollama 공식 홈페이지](https://ollama.com/)에서 Windows용 Ollama를 다운로드하여 설치합니다.
|
||||
2. 명령 프롬프트(CMD)나 PowerShell을 열고 모델을 다운로드합니다.
|
||||
```powershell
|
||||
ollama pull llama3.1
|
||||
# 또는 gemma2 (9B)
|
||||
ollama pull gemma2
|
||||
```
|
||||
|
||||
### 1-2. 외부 접속 허용 설정 (중요 ⭐️)
|
||||
기본적으로 Ollama는 로컬(localhost)에서만 접속 가능합니다. NAS에서 접속하려면 이를 모든 IP(`0.0.0.0`)에서 접속 가능하게 변경해야 합니다.
|
||||
|
||||
1. **작업 관리자**를 열고 'Ollama' 프로세스가 있다면 **작업 끝내기**로 종료합니다. (트레이 아이콘 우클릭 -> Quit)
|
||||
2. **시스템 환경 변수 편집**을 엽니다. (윈도우 키 누르고 "환경 변수" 검색)
|
||||
3. **시스템 변수(S)** 섹션에서 `새로 만들기(W)...`를 클릭합니다.
|
||||
* 변수 이름: `OLLAMA_HOST`
|
||||
* 변수 값: `0.0.0.0`
|
||||
4. 확인을 눌러 저장하고, Ollama를 다시 실행합니다.
|
||||
|
||||
### 1-3. 방화벽 포트 개방
|
||||
Windows Defender 방화벽이 외부 접속을 막을 수 있습니다.
|
||||
|
||||
1. Powershell을 **관리자 권한**으로 실행합니다.
|
||||
2. 아래 명령어를 입력하여 11434 포트를 엽니다.
|
||||
```powershell
|
||||
New-NetFirewallRule -DisplayName "Ollama API" -Direction Inbound -LocalPort 11434 -Protocol TCP -Action Allow
|
||||
```
|
||||
(또는 `제어판 > Windows Defender 방화벽 > 고급 설정`에서 인바운드 규칙으로 TCP 11434 포트 허용을 수동으로 추가해도 됩니다.)
|
||||
|
||||
### 1-4. IP 주소 확인
|
||||
CMD에서 `ipconfig`를 입력하여 Windows PC의 IP 주소를 확인합니다.
|
||||
(예: `192.168.0.5`)
|
||||
|
||||
### 1-5. Windows AI 서버 실행 (파이썬 중계 서버) ⭐️
|
||||
NAS가 Windows의 Ollama를 직접 호출할 수도 있지만, 더 복잡한 로직(뉴스+잔고 결합 분석 등)을 수행하기 위해 작성한 `windows_ai_server.py`를 실행해야 합니다.
|
||||
|
||||
1. **Python 설치**: Windows에 Python이 설치되어 있어야 합니다. (없다면 [python.org](https://www.python.org/)에서 설치)
|
||||
2. **프로젝트 폴더 준비**:
|
||||
* 바탕화면 등에 적당한 폴더(예: `stock-ai`)를 만들고, 앞서 작성한 `windows_ai_server.py` 파일을 넣습니다.
|
||||
3. **라이브러리 설치**:
|
||||
* 해당 폴더에서 Shift+우클릭 -> "PowerShell 창 열기"
|
||||
* 다음 명령어로 필요한 패키지를 설치합니다.
|
||||
```powershell
|
||||
pip install fastapi uvicorn requests pydantic
|
||||
```
|
||||
4. **서버 실행**:
|
||||
* 같은 PowerShell 창에서 서버를 실행합니다.
|
||||
```powershell
|
||||
# NAS의 주소를 환경 변수로 설정 (본인의 NAS IP로 수정하세요)
|
||||
$env:NAS_API_URL="http://192.168.0.2:18500"
|
||||
|
||||
# 서버 실행 (0.0.0.0은 모든 IP 접속 허용을 의미)
|
||||
python -m uvicorn windows_ai_server:app --host 0.0.0.0 --port 8000 --reload
|
||||
```
|
||||
* **성공 시**: `Application startup complete.` 메시지가 뜨며 대기 상태가 됩니다. 창을 닫지 마세요.
|
||||
|
||||
---
|
||||
|
||||
## 2. NAS 설정 (Client)
|
||||
|
||||
Synology NAS의 `web-page-backend` 프로젝트에서 설정합니다.
|
||||
|
||||
### 2-1. .env 파일 수정
|
||||
`.env` 파일에 Windows PC의 주소를 입력합니다.
|
||||
|
||||
```bash
|
||||
# .env 파일
|
||||
# ... 기존 설정들 ...
|
||||
|
||||
# 윈도우 PC의 IP로 변경하세요 (http:// 포함, 포트 8000 포함)
|
||||
# 주의: Ollama(11434)가 아니라, 방금 띄운 Python 서버(8000)를 바라보게 해도 되고,
|
||||
# 단순 Ollama 호출만 필요하다면 11434로 해도 됩니다.
|
||||
# 여기서는 AI 서버(8000)를 통해 분석한다고 가정합니다.
|
||||
WINDOWS_AI_SERVER_URL=http://192.168.0.5:8000
|
||||
```
|
||||
|
||||
### 2-2. 컨테이너 재배포
|
||||
변경된 설정을 적용하기 위해 `stock-lab` 컨테이너를 다시 시작합니다.
|
||||
|
||||
```bash
|
||||
# NAS 터미널 (프로젝트 루트 경로)
|
||||
docker-compose up -d --build stock-lab
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 3. 테스트
|
||||
|
||||
브라우저나 API 도구를 사용하여 NAS의 주소로 분석 요청을 보냅니다.
|
||||
|
||||
* **요청**: `POST http://192.168.0.5:8000/analyze/portfolio` (Windows PC에서 직접 테스트)
|
||||
* **결과**: Windows PC의 터미널에 로그가 찍히며 GPU가 작동하고, JSON 응답이 옵니다.
|
||||
@@ -8,10 +8,6 @@ import requests
|
||||
from apscheduler.schedulers.background import BackgroundScheduler
|
||||
from pydantic import BaseModel
|
||||
|
||||
|
||||
|
||||
|
||||
|
||||
from .db import init_db, save_articles, get_latest_articles
|
||||
from .scraper import fetch_market_news, fetch_major_indices, fetch_overseas_news
|
||||
|
||||
@@ -33,7 +29,6 @@ WINDOWS_AI_SERVER_URL = os.getenv("WINDOWS_AI_SERVER_URL", "http://192.168.0.5:8
|
||||
|
||||
@app.on_event("startup")
|
||||
def on_startup():
|
||||
print(f"[StockLab] Startup. Windows AI Server URL: {WINDOWS_AI_SERVER_URL}")
|
||||
init_db()
|
||||
|
||||
# 매일 아침 8시 뉴스 스크랩 (NAS 자체 수행)
|
||||
@@ -52,9 +47,10 @@ def run_scraping_job():
|
||||
articles_kr = fetch_market_news()
|
||||
count_kr = save_articles(articles_kr)
|
||||
|
||||
# 2. 해외
|
||||
articles_world = fetch_overseas_news()
|
||||
count_world = save_articles(articles_world)
|
||||
# 2. 해외 (임시 차단)
|
||||
# articles_world = fetch_overseas_news()
|
||||
# count_world = save_articles(articles_world)
|
||||
count_world = 0
|
||||
|
||||
print(f"[StockLab] Saved {count_kr} domestic, {count_world} overseas articles.")
|
||||
|
||||
@@ -127,25 +123,7 @@ def order_stock(req: OrderRequest):
|
||||
)
|
||||
|
||||
|
||||
@app.get("/api/stock/analyze")
|
||||
def analyze_market():
|
||||
"""Windows PC를 통한 AI 시장 분석"""
|
||||
print(f"[Proxy] Analyzing Market at {WINDOWS_AI_SERVER_URL}...")
|
||||
try:
|
||||
# 빈 JSON Body 전송
|
||||
resp = requests.post(f"{WINDOWS_AI_SERVER_URL}/analyze/portfolio", json={}, timeout=120)
|
||||
|
||||
if resp.status_code != 200:
|
||||
print(f"[ProxyError] Analyze Error: {resp.status_code} {resp.text}")
|
||||
return JSONResponse(status_code=resp.status_code, content=resp.json())
|
||||
|
||||
return resp.json()
|
||||
except Exception as e:
|
||||
print(f"[ProxyError] Analyze Connection Failed: {e}")
|
||||
return JSONResponse(
|
||||
status_code=500,
|
||||
content={"error": "Connection Failed", "detail": str(e), "target": WINDOWS_AI_SERVER_URL}
|
||||
)
|
||||
|
||||
|
||||
@app.get("/api/version")
|
||||
def version():
|
||||
|
||||
Reference in New Issue
Block a user