1. Mengapa Membangun Server AI Privat?
Mengirim data sensitif ke API AI pihak ketiga seperti OpenAI, Anthropic, atau Google menimbulkan risiko yang tidak dapat diterima oleh banyak organisasi. Server AI privat menjaga setiap byte data tetap berada dalam kendali Anda -- pada hardware yang Anda miliki atau sewa secara eksklusif -- dengan nol panggilan API eksternal.
Kedaulatan Data
Prompt, dokumen, dan output model Anda tidak pernah meninggalkan infrastruktur Anda. Tanpa logging pihak ketiga, tanpa pelatihan pada data Anda, tanpa risiko kebocoran data melalui endpoint API yang tidak Anda kendalikan.
Kepatuhan Regulasi
Penuhi persyaratan kepatuhan GDPR, HIPAA, SOC 2, dan spesifik industri dengan menjaga pemrosesan AI tetap dalam batas data Anda. Tanpa kekhawatiran transfer data lintas batas.
Keterprediksian Biaya
Biaya bulanan tetap terlepas dari penggunaan. Tanpa kejutan tagihan per-token, tanpa perubahan rate limit mendadak, tanpa kenaikan harga dari penyedia API. Jalankan inferensi tanpa batas 24/7 dengan tarif tetap.
Tanpa Rate Limit
Proses sebanyak mungkin permintaan yang dapat ditangani hardware Anda. Tanpa batas token-per-menit, tanpa antrean permintaan di sisi penyedia, tanpa penurunan performa saat jam sibuk.
Risiko API Cloud: Ketika Anda mengirim data ke penyedia AI cloud, Anda kehilangan kendali. Bahkan dengan jaminan kontraktual, data Anda melintasi jaringan yang tidak Anda kelola, berada pada server yang tidak Anda kendalikan, dan tunduk pada postur keamanan penyedia. Untuk industri yang teregulasi -- layanan kesehatan, keuangan, hukum, pertahanan -- ini sering kali tidak dapat diterima.
Mengapa Mac Mini M4? Arsitektur memori terpadu Apple Silicon memungkinkan Anda menjalankan model berparameter 7B-70B pada satu perangkat yang mengonsumsi daya di bawah 15W. Bandwidth memori M4 (hingga 120 GB/s) memberi makan bobot model ke GPU secara efisien, menghasilkan 30-40 token/detik untuk model 7B -- cukup cepat untuk chat real-time. Mulai dari $85/bln untuk hardware khusus, ini adalah cara paling hemat biaya untuk membangun server AI privat.
2. Gambaran Umum Arsitektur
Stack server AI privat terdiri dari lima lapisan, masing-masing berjalan secara lokal pada Mac Mini M4 Anda. Tidak diperlukan layanan eksternal.
Arsitektur Sistem
# Port mapping summary for the full stack:
#
# Port 443 - nginx (HTTPS, public-facing)
# Port 80 - nginx (HTTP, redirects to HTTPS)
# Port 11434 - Ollama (LLM inference, internal only)
# Port 3000 - Open WebUI (chat interface, proxied via nginx)
# Port 8000 - RAG API (FastAPI, proxied via nginx)
# Port 8200 - ChromaDB (vector database, internal only)
# Port 51820 - WireGuard VPN (optional, for remote access)
3. Langkah 1: Setup Server
Mulailah dengan menyediakan Mac Mini M4 Anda dan mengonfigurasi akses jarak jauh yang aman. Jika Anda menggunakan My Remote Mac, akses SSH disediakan secara bawaan.
Konfigurasi SSH
# Connect to your Mac Mini M4 via SSH
ssh admin@your-mac-mini.myremotemac.com
# Generate an SSH key pair (if you don't have one)
ssh-keygen -t ed25519 -C "ai-server-admin" -f ~/.ssh/id_ai_server
# Copy your public key to the server
ssh-copy-id -i ~/.ssh/id_ai_server.pub admin@your-mac-mini.myremotemac.com
# Configure SSH client for easier access
cat <<EOF >> ~/.ssh/config
Host ai-server
HostName your-mac-mini.myremotemac.com
User admin
IdentityFile ~/.ssh/id_ai_server
ForwardAgent no
ServerAliveInterval 60
ServerAliveCountMax 3
EOF
# Now connect with just:
ssh ai-server
Pembaruan Sistem & Persiapan
# Update macOS to latest version
sudo softwareupdate --install --all --agree-to-license
# Install Homebrew (package manager)
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# Install essential tools
brew install wget curl jq htop python@3.12 git
# Create a dedicated directory for AI services
mkdir -p ~/ai-server/{models,data,logs,config}
mkdir -p ~/ai-server/rag/{documents,vectorstore}
# Set up Python virtual environment for AI tools
python3.12 -m venv ~/ai-server/venv
source ~/ai-server/venv/bin/activate
pip install --upgrade pip setuptools wheel
Buat Pengguna Layanan Khusus (Opsional)
# Create a dedicated user for AI services (principle of least privilege)
sudo dscl . -create /Users/aiservice
sudo dscl . -create /Users/aiservice UserShell /bin/zsh
sudo dscl . -create /Users/aiservice RealName "AI Service Account"
sudo dscl . -create /Users/aiservice UniqueID 550
sudo dscl . -create /Users/aiservice PrimaryGroupID 20
sudo dscl . -create /Users/aiservice NFSHomeDirectory /Users/aiservice
sudo mkdir -p /Users/aiservice
sudo chown aiservice:staff /Users/aiservice
# Grant access to the AI server directory
sudo chown -R aiservice:staff ~/ai-server
4. Langkah 2: Instal Ollama & Model
Ollama adalah tulang punggung server AI privat Anda. Ia mengelola pengunduhan model, kuantisasi, dan menyediakan API yang kompatibel dengan OpenAI -- semuanya berjalan secara lokal tanpa panggilan eksternal.
Instal Ollama
# Download and install Ollama
curl -fsSL https://ollama.com/install.sh | sh
# Verify installation
ollama --version
# ollama version 0.5.4
# Start the Ollama server (runs on localhost:11434 by default)
ollama serve &
Tarik Model untuk Berbagai Kasus Penggunaan
# General-purpose assistant (recommended starting point)
ollama pull llama3:8b # 4.7 GB - fits 16GB RAM
# Instruction-following and reasoning
ollama pull mistral:7b # 4.1 GB - excellent for RAG
# Code generation and analysis
ollama pull codellama:7b # 3.8 GB - code-specific model
ollama pull codellama:13b # 7.4 GB - better code quality (needs 24GB)
# Embedding model for RAG pipeline
ollama pull nomic-embed-text # 274 MB - text embeddings
# Verify all models are downloaded
ollama list
# NAME SIZE MODIFIED
# llama3:8b 4.7 GB 2 minutes ago
# mistral:7b 4.1 GB 5 minutes ago
# codellama:7b 3.8 GB 8 minutes ago
# nomic-embed-text 274 MB 10 minutes ago
# Test a model interactively
ollama run llama3:8b "What are the benefits of self-hosted AI?"
Konfigurasikan Ollama sebagai Layanan Persisten
# Create a launchd plist for Ollama to start on boot
cat <<'EOF' > ~/Library/LaunchAgents/com.ollama.server.plist
<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE plist PUBLIC "-//Apple//DTD PLIST 1.0//EN"
"http://www.apple.com/DTDs/PropertyList-1.0.dtd">
<plist version="1.0">
<dict>
<key>Label</key>
<string>com.ollama.server</string>
<key>ProgramArguments</key>
<array>
<string>/usr/local/bin/ollama</string>
<string>serve</string>
</array>
<key>EnvironmentVariables</key>
<dict>
<key>OLLAMA_HOST</key>
<string>127.0.0.1:11434</string>
<key>OLLAMA_KEEP_ALIVE</key>
<string>-1</string>
<key>OLLAMA_NUM_PARALLEL</key>
<string>4</string>
</dict>
<key>RunAtLoad</key>
<true/>
<key>KeepAlive</key>
<true/>
<key>StandardOutPath</key>
<string>/Users/admin/ai-server/logs/ollama.log</string>
<key>StandardErrorPath</key>
<string>/Users/admin/ai-server/logs/ollama-error.log</string>
</dict>
</plist>
EOF
# Load the service
launchctl load ~/Library/LaunchAgents/com.ollama.server.plist
# Verify Ollama is running
curl -s http://localhost:11434/api/tags | jq '.models[].name'
# "llama3:8b"
# "mistral:7b"
# "codellama:7b"
# "nomic-embed-text"
Penting: Perhatikan bahwa OLLAMA_HOST diatur ke 127.0.0.1:11434 (hanya localhost). Ini memastikan Ollama tidak dapat diakses langsung dari jaringan. Semua akses eksternal akan melalui reverse proxy nginx yang dikonfigurasi di Langkah 5.
5. Langkah 3: Bangun Pipeline RAG
Retrieval-Augmented Generation (RAG) memungkinkan AI Anda menjawab pertanyaan berdasarkan dokumen Anda sendiri -- wiki perusahaan, kontrak hukum, dokumentasi teknis -- tanpa mengirim data tersebut ke penyedia cloud. Di sini kami membangun pipeline RAG lengkap dengan ChromaDB dan LangChain.
Instal Dependensi
# Activate the virtual environment
source ~/ai-server/venv/bin/activate
# Install RAG pipeline dependencies
pip install \
langchain==0.1.20 \
langchain-community==0.0.38 \
langchain-chroma==0.1.0 \
chromadb==0.4.24 \
sentence-transformers==2.7.0 \
pypdf==4.2.0 \
docx2txt==0.8 \
fastapi==0.111.0 \
uvicorn==0.29.0 \
python-multipart==0.0.9 \
pydantic==2.7.1
Pipeline Ingesti Dokumen
# ~/ai-server/rag/ingest.py
"""
Document ingestion pipeline for the private RAG system.
Loads PDFs, DOCX, and text files, splits them into chunks,
generates embeddings via Ollama, and stores them in ChromaDB.
"""
import os
import sys
from pathlib import Path
from langchain_community.document_loaders import (
PyPDFLoader,
Docx2txtLoader,
TextLoader,
DirectoryLoader,
)
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain_community.embeddings import OllamaEmbeddings
from langchain_chroma import Chroma
# Configuration
DOCUMENTS_DIR = os.path.expanduser("~/ai-server/rag/documents")
VECTORSTORE_DIR = os.path.expanduser("~/ai-server/rag/vectorstore")
OLLAMA_BASE_URL = "http://localhost:11434"
EMBEDDING_MODEL = "nomic-embed-text"
CHUNK_SIZE = 1000
CHUNK_OVERLAP = 200
def load_documents(directory: str):
"""Load all supported document types from a directory."""
documents = []
path = Path(directory)
# Load PDFs
for pdf_file in path.glob("**/*.pdf"):
loader = PyPDFLoader(str(pdf_file))
documents.extend(loader.load())
print(f" Loaded: {pdf_file.name} ({len(loader.load())} pages)")
# Load DOCX files
for docx_file in path.glob("**/*.docx"):
loader = Docx2txtLoader(str(docx_file))
documents.extend(loader.load())
print(f" Loaded: {docx_file.name}")
# Load text files
for txt_file in path.glob("**/*.txt"):
loader = TextLoader(str(txt_file))
documents.extend(loader.load())
print(f" Loaded: {txt_file.name}")
# Load markdown files
for md_file in path.glob("**/*.md"):
loader = TextLoader(str(md_file))
documents.extend(loader.load())
print(f" Loaded: {md_file.name}")
return documents
def create_vectorstore(documents):
"""Split documents into chunks and store embeddings in ChromaDB."""
# Split documents into chunks
text_splitter = RecursiveCharacterTextSplitter(
chunk_size=CHUNK_SIZE,
chunk_overlap=CHUNK_OVERLAP,
length_function=len,
separators=["\n\n", "\n", ". ", " ", ""],
)
chunks = text_splitter.split_documents(documents)
print(f"\nSplit {len(documents)} documents into {len(chunks)} chunks")
# Create embeddings using Ollama (runs locally!)
embeddings = OllamaEmbeddings(
model=EMBEDDING_MODEL,
base_url=OLLAMA_BASE_URL,
)
# Store in ChromaDB
vectorstore = Chroma.from_documents(
documents=chunks,
embedding=embeddings,
persist_directory=VECTORSTORE_DIR,
collection_name="private_docs",
)
print(f"Stored {len(chunks)} chunks in ChromaDB at {VECTORSTORE_DIR}")
return vectorstore
if __name__ == "__main__":
print("=== Private RAG Document Ingestion ===\n")
print(f"Loading documents from: {DOCUMENTS_DIR}")
docs = load_documents(DOCUMENTS_DIR)
print(f"\nTotal documents loaded: {len(docs)}")
if not docs:
print("No documents found. Add files to ~/ai-server/rag/documents/")
sys.exit(1)
print("\nCreating vector store...")
create_vectorstore(docs)
print("\nIngestion complete!")
API Kueri RAG
# ~/ai-server/rag/api.py
"""
RAG Query API - FastAPI service for document Q&A.
Retrieves relevant chunks from ChromaDB and generates
answers using Ollama. Everything runs locally.
"""
from fastapi import FastAPI, UploadFile, File, HTTPException
from fastapi.middleware.cors import CORSMiddleware
from pydantic import BaseModel
from typing import Optional, List
import os
import shutil
from langchain_community.embeddings import OllamaEmbeddings
from langchain_chroma import Chroma
from langchain_community.llms import Ollama
from langchain.chains import RetrievalQA
from langchain.prompts import PromptTemplate
# Configuration
VECTORSTORE_DIR = os.path.expanduser("~/ai-server/rag/vectorstore")
DOCUMENTS_DIR = os.path.expanduser("~/ai-server/rag/documents")
OLLAMA_BASE_URL = "http://localhost:11434"
EMBEDDING_MODEL = "nomic-embed-text"
LLM_MODEL = "mistral:7b"
app = FastAPI(
title="Private RAG API",
description="Self-hosted document Q&A with zero cloud dependencies",
version="1.0.0",
)
app.add_middleware(
CORSMiddleware,
allow_origins=["*"],
allow_methods=["*"],
allow_headers=["*"],
)
# Initialize components
embeddings = OllamaEmbeddings(
model=EMBEDDING_MODEL,
base_url=OLLAMA_BASE_URL,
)
vectorstore = Chroma(
persist_directory=VECTORSTORE_DIR,
embedding_function=embeddings,
collection_name="private_docs",
)
llm = Ollama(
model=LLM_MODEL,
base_url=OLLAMA_BASE_URL,
temperature=0.3,
num_ctx=4096,
)
# Custom prompt template
PROMPT_TEMPLATE = """Use the following context to answer the question.
If you cannot find the answer in the context, say "I don't have enough
information in the provided documents to answer this question."
Context:
{context}
Question: {question}
Answer:"""
prompt = PromptTemplate(
template=PROMPT_TEMPLATE,
input_variables=["context", "question"],
)
qa_chain = RetrievalQA.from_chain_type(
llm=llm,
chain_type="stuff",
retriever=vectorstore.as_retriever(
search_type="similarity",
search_kwargs={"k": 4},
),
chain_type_kwargs={"prompt": prompt},
return_source_documents=True,
)
class QueryRequest(BaseModel):
question: str
model: Optional[str] = "mistral:7b"
num_results: Optional[int] = 4
class QueryResponse(BaseModel):
answer: str
sources: List[dict]
model: str
@app.post("/query", response_model=QueryResponse)
async def query_documents(request: QueryRequest):
"""Query your private documents using RAG."""
try:
result = qa_chain.invoke({"query": request.question})
sources = [
{
"content": doc.page_content[:200] + "...",
"source": doc.metadata.get("source", "unknown"),
"page": doc.metadata.get("page", None),
}
for doc in result.get("source_documents", [])
]
return QueryResponse(
answer=result["result"],
sources=sources,
model=request.model,
)
except Exception as e:
raise HTTPException(status_code=500, detail=str(e))
@app.post("/upload")
async def upload_document(file: UploadFile = File(...)):
"""Upload a document for ingestion into the RAG pipeline."""
allowed_types = [".pdf", ".docx", ".txt", ".md"]
ext = os.path.splitext(file.filename)[1].lower()
if ext not in allowed_types:
raise HTTPException(
status_code=400,
detail=f"Unsupported file type. Allowed: {allowed_types}",
)
file_path = os.path.join(DOCUMENTS_DIR, file.filename)
with open(file_path, "wb") as buffer:
shutil.copyfileobj(file.file, buffer)
return {"message": f"Uploaded {file.filename}", "path": file_path}
@app.get("/health")
async def health_check():
"""Health check endpoint."""
return {"status": "healthy", "model": LLM_MODEL, "vectorstore": "chromadb"}
# Run: uvicorn api:app --host 127.0.0.1 --port 8000 --workers 2
Jalankan Pipeline RAG
# Step 1: Add your documents
cp /path/to/your/documents/*.pdf ~/ai-server/rag/documents/
cp /path/to/your/documents/*.docx ~/ai-server/rag/documents/
# Step 2: Run ingestion
cd ~/ai-server/rag
python ingest.py
# === Private RAG Document Ingestion ===
# Loading documents from: /Users/admin/ai-server/rag/documents
# Loaded: company-handbook.pdf (45 pages)
# Loaded: api-documentation.md
# Loaded: compliance-policy.docx
# Total documents loaded: 47
# Split 47 documents into 312 chunks
# Stored 312 chunks in ChromaDB
# Step 3: Start the RAG API server
uvicorn api:app --host 127.0.0.1 --port 8000 --workers 2 &
# Step 4: Test with a query
curl -s http://localhost:8000/query \
-H "Content-Type: application/json" \
-d '{"question": "What is our company vacation policy?"}' | jq .
# {
# "answer": "According to the company handbook, employees receive...",
# "sources": [...],
# "model": "mistral:7b"
# }
6. Langkah 4: Deploy Open WebUI
Open WebUI menyediakan antarmuka mirip ChatGPT yang rapi untuk berinteraksi dengan model lokal Anda. Ia terhubung langsung ke Ollama dan mendukung percakapan, pembuatan gambar, dan unggahan dokumen -- semuanya berjalan secara privat pada Mac Mini Anda.
Instal Docker
# Install Docker Desktop for Mac (Apple Silicon native)
brew install --cask docker
# Start Docker Desktop
open -a Docker
# Verify Docker is running
docker --version
# Docker version 26.1.0, build 9714adc
docker compose version
# Docker Compose version v2.27.0
Docker Compose untuk Open WebUI
# ~/ai-server/docker-compose.yml
version: '3.8'
services:
open-webui:
image: ghcr.io/open-webui/open-webui:main
container_name: open-webui
restart: unless-stopped
ports:
- "127.0.0.1:3000:8080"
environment:
# Connect to Ollama running on the host
- OLLAMA_BASE_URL=http://host.docker.internal:11434
# Disable telemetry and external connections
- ENABLE_SIGNUP=false
- ENABLE_COMMUNITY_SHARING=false
- WEBUI_AUTH=true
- WEBUI_SECRET_KEY=your-strong-secret-key-change-this
# Data privacy settings
- ENABLE_OPENAI_API=false
- ENABLE_OLLAMA_API=true
- SAFE_MODE=true
volumes:
- open-webui-data:/app/backend/data
extra_hosts:
- "host.docker.internal:host-gateway"
# Optional: ChromaDB as a persistent service
chromadb:
image: chromadb/chroma:latest
container_name: chromadb
restart: unless-stopped
ports:
- "127.0.0.1:8200:8000"
volumes:
- chromadb-data:/chroma/chroma
environment:
- IS_PERSISTENT=TRUE
- ANONYMIZED_TELEMETRY=FALSE
volumes:
open-webui-data:
chromadb-data:
Luncurkan dan Konfigurasikan
# Start the services
cd ~/ai-server
docker compose up -d
# Check that containers are running
docker compose ps
# NAME STATUS PORTS
# open-webui Up 2 minutes 127.0.0.1:3000->8080/tcp
# chromadb Up 2 minutes 127.0.0.1:8200->8000/tcp
# View logs
docker compose logs -f open-webui
# Open WebUI is now accessible at http://localhost:3000
# On first visit, create an admin account (this account is local only)
# Verify Ollama connectivity from Open WebUI
curl -s http://localhost:3000/api/config | jq '.ollama'
# To update Open WebUI later:
docker compose pull && docker compose up -d
Catatan Privasi: Open WebUI dikonfigurasi dengan ENABLE_OPENAI_API=false dan ENABLE_COMMUNITY_SHARING=false untuk memastikan tidak ada data yang dikirim ke layanan eksternal. Pengaturan ENABLE_SIGNUP=false mencegah pengguna tidak sah membuat akun. Semua percakapan disimpan secara lokal dalam volume Docker.
7. Langkah 5: API Gateway dengan nginx
nginx berfungsi sebagai titik masuk tunggal untuk semua layanan. Ia menangani terminasi SSL/TLS, rate limiting, autentikasi, dan merutekan traffic ke Ollama, Open WebUI, dan API RAG.
Instal dan Konfigurasikan nginx
# Install nginx
brew install nginx
# Generate a self-signed SSL certificate (or use Let's Encrypt)
mkdir -p ~/ai-server/config/ssl
openssl req -x509 -nodes -days 365 -newkey rsa:2048 \
-keyout ~/ai-server/config/ssl/server.key \
-out ~/ai-server/config/ssl/server.crt \
-subj "/CN=ai-server.local/O=Private AI/C=US"
Konfigurasi nginx
# /opt/homebrew/etc/nginx/nginx.conf
worker_processes auto;
error_log /Users/admin/ai-server/logs/nginx-error.log;
events {
worker_connections 1024;
}
http {
include mime.types;
default_type application/octet-stream;
# Logging
access_log /Users/admin/ai-server/logs/nginx-access.log;
# Rate limiting zones
limit_req_zone $binary_remote_addr zone=api:10m rate=30r/m;
limit_req_zone $binary_remote_addr zone=chat:10m rate=60r/m;
limit_req_zone $binary_remote_addr zone=upload:10m rate=5r/m;
# Connection limits
limit_conn_zone $binary_remote_addr zone=addr:10m;
# SSL settings
ssl_protocols TLSv1.2 TLSv1.3;
ssl_ciphers HIGH:!aNULL:!MD5;
ssl_prefer_server_ciphers on;
ssl_session_cache shared:SSL:10m;
ssl_session_timeout 10m;
# Security headers
add_header X-Frame-Options DENY always;
add_header X-Content-Type-Options nosniff always;
add_header X-XSS-Protection "1; mode=block" always;
add_header Strict-Transport-Security "max-age=31536000; includeSubDomains" always;
add_header Content-Security-Policy "default-src 'self'" always;
# Redirect HTTP to HTTPS
server {
listen 80;
server_name ai-server.local;
return 301 https://$host$request_uri;
}
# Main HTTPS server
server {
listen 443 ssl;
server_name ai-server.local;
ssl_certificate /Users/admin/ai-server/config/ssl/server.crt;
ssl_certificate_key /Users/admin/ai-server/config/ssl/server.key;
# Client body size limit (for document uploads)
client_max_body_size 50M;
# Open WebUI (chat interface)
location / {
limit_req zone=chat burst=20 nodelay;
limit_conn addr 10;
proxy_pass http://127.0.0.1:3000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
proxy_set_header X-Forwarded-Proto $scheme;
# WebSocket support for streaming
proxy_http_version 1.1;
proxy_set_header Upgrade $http_upgrade;
proxy_set_header Connection "upgrade";
proxy_read_timeout 300s;
}
# Ollama API (for programmatic access)
location /ollama/ {
limit_req zone=api burst=10 nodelay;
limit_conn addr 5;
# Basic auth for API access
auth_basic "Private AI API";
auth_basic_user_file /Users/admin/ai-server/config/.htpasswd;
rewrite ^/ollama/(.*) /$1 break;
proxy_pass http://127.0.0.1:11434;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_read_timeout 300s;
}
# RAG API
location /rag/ {
limit_req zone=api burst=10 nodelay;
limit_conn addr 5;
auth_basic "Private AI API";
auth_basic_user_file /Users/admin/ai-server/config/.htpasswd;
rewrite ^/rag/(.*) /$1 break;
proxy_pass http://127.0.0.1:8000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
proxy_read_timeout 120s;
}
# Document upload endpoint
location /rag/upload {
limit_req zone=upload burst=3 nodelay;
auth_basic "Private AI API";
auth_basic_user_file /Users/admin/ai-server/config/.htpasswd;
rewrite ^/rag/(.*) /$1 break;
proxy_pass http://127.0.0.1:8000;
proxy_set_header Host $host;
proxy_set_header X-Real-IP $remote_addr;
}
# Health check (no auth required)
location /health {
proxy_pass http://127.0.0.1:8000/health;
}
# Deny access to hidden files
location ~ /\. {
deny all;
}
}
}
Siapkan Autentikasi dan Mulai
# Install htpasswd utility
brew install httpd
# Create API credentials
htpasswd -c ~/ai-server/config/.htpasswd api-user
# Enter a strong password when prompted
# Test nginx configuration
nginx -t
# nginx: configuration file /opt/homebrew/etc/nginx/nginx.conf test is successful
# Start nginx
brew services start nginx
# Test HTTPS access
curl -k https://localhost/health
# {"status": "healthy", "model": "mistral:7b", "vectorstore": "chromadb"}
# Test API access with authentication
curl -k -u api-user:your-password \
https://localhost/ollama/api/tags | jq '.models[].name'
# Test RAG query through nginx
curl -k -u api-user:your-password \
https://localhost/rag/query \
-H "Content-Type: application/json" \
-d '{"question": "What is our data retention policy?"}'
8. Hardening Keamanan
Server AI privat hanya seaman titik masuknya yang paling lemah. Bagian ini membahas konfigurasi firewall, hardening SSH, akses VPN, dan deteksi intrusi untuk menciptakan postur keamanan berlapis (defense-in-depth).
Firewall macOS dengan pf
# ~/ai-server/config/pf.rules
#
# Packet Filter rules for private AI server
# Only allow SSH, HTTPS, and WireGuard VPN from outside
# Define macros
ext_if = "en0"
vpn_if = "utun1"
# Default: block everything
block all
# Allow loopback traffic
pass quick on lo0 all
# Allow established connections
pass in quick on $ext_if proto tcp from any to any flags A/A
# Allow SSH (port 22) - restrict to known IPs if possible
pass in on $ext_if proto tcp from any to any port 22
# Allow HTTPS (port 443) through nginx
pass in on $ext_if proto tcp from any to any port 443
# Allow HTTP (port 80) for redirect to HTTPS
pass in on $ext_if proto tcp from any to any port 80
# Allow WireGuard VPN (port 51820)
pass in on $ext_if proto udp from any to any port 51820
# Allow all traffic on VPN interface
pass on $vpn_if all
# Allow all outbound traffic
pass out on $ext_if all
# Block everything else inbound (implicit from "block all")
# Internal services (11434, 3000, 8000, 8200) are NOT exposed
# --- Load these rules ---
# sudo pfctl -f ~/ai-server/config/pf.rules
# sudo pfctl -e # Enable pf
# sudo pfctl -sr # Show active rules
Autentikasi Hanya-Kunci SSH
# Harden SSH configuration
# Edit /etc/ssh/sshd_config (requires sudo)
# Disable password authentication (key-only)
PasswordAuthentication no
ChallengeResponseAuthentication no
UsePAM no
# Disable root login
PermitRootLogin no
# Only allow specific users
AllowUsers admin
# Use strong key exchange algorithms
KexAlgorithms curve25519-sha256,curve25519-sha256@libssh.org
HostKeyAlgorithms ssh-ed25519,rsa-sha2-512,rsa-sha2-256
Ciphers chacha20-poly1305@openssh.com,aes256-gcm@openssh.com
# Reduce login grace time and max attempts
LoginGraceTime 30
MaxAuthTries 3
MaxSessions 5
# Disable unused features
X11Forwarding no
AllowTcpForwarding no
AllowAgentForwarding no
# Restart SSH
# sudo launchctl stop com.openssh.sshd
# sudo launchctl start com.openssh.sshd
WireGuard VPN untuk Akses Jarak Jauh yang Aman
# Install WireGuard
brew install wireguard-tools
# Generate server keys
wg genkey | tee ~/ai-server/config/wg-server-private.key | \
wg pubkey > ~/ai-server/config/wg-server-public.key
# Generate client keys
wg genkey | tee ~/ai-server/config/wg-client-private.key | \
wg pubkey > ~/ai-server/config/wg-client-public.key
# Server configuration
cat <<EOF > ~/ai-server/config/wg0.conf
[Interface]
PrivateKey = $(cat ~/ai-server/config/wg-server-private.key)
Address = 10.66.66.1/24
ListenPort = 51820
PostUp = echo "WireGuard started"
PostDown = echo "WireGuard stopped"
[Peer]
# Client 1 - Your workstation
PublicKey = $(cat ~/ai-server/config/wg-client-public.key)
AllowedIPs = 10.66.66.2/32
PersistentKeepalive = 25
EOF
# Client configuration (copy to your workstation)
cat <<EOF > ~/ai-server/config/wg-client.conf
[Interface]
PrivateKey = $(cat ~/ai-server/config/wg-client-private.key)
Address = 10.66.66.2/24
DNS = 1.1.1.1
[Peer]
PublicKey = $(cat ~/ai-server/config/wg-server-public.key)
Endpoint = your-mac-mini.myremotemac.com:51820
AllowedIPs = 10.66.66.0/24
PersistentKeepalive = 25
EOF
# Start WireGuard on the server
sudo wg-quick up ~/ai-server/config/wg0.conf
# Verify connection
sudo wg show
# interface: utun1
# public key:
# listening port: 51820
#
# peer:
# allowed ips: 10.66.66.2/32
Monitoring Percobaan Login (setara fail2ban)
# ~/ai-server/scripts/monitor-ssh.sh
#!/bin/bash
# Simple SSH brute-force detection and blocking for macOS
# Run via cron every 5 minutes
LOG_FILE="/var/log/system.log"
BLOCK_THRESHOLD=5
BLOCK_FILE="$HOME/ai-server/config/blocked_ips.txt"
# Find IPs with failed SSH attempts in the last 10 minutes
failed_ips=$(log show --predicate 'process == "sshd" AND eventMessage CONTAINS "Failed"' \
--last 10m 2>/dev/null | \
grep -oE '([0-9]{1,3}\.){3}[0-9]{1,3}' | \
sort | uniq -c | sort -rn)
echo "$failed_ips" | while read count ip; do
if [ "$count" -ge "$BLOCK_THRESHOLD" ] && [ -n "$ip" ]; then
# Check if already blocked
if ! grep -q "$ip" "$BLOCK_FILE" 2>/dev/null; then
echo "$(date): Blocking $ip ($count failed attempts)" >> ~/ai-server/logs/security.log
echo "$ip" >> "$BLOCK_FILE"
# Add pf block rule
echo "block in quick from $ip to any" | sudo pfctl -f - -a "blocked/$ip" 2>/dev/null
fi
fi
done
# Make executable and add to crontab:
# chmod +x ~/ai-server/scripts/monitor-ssh.sh
# crontab -e
# */5 * * * * ~/ai-server/scripts/monitor-ssh.sh
Checklist Keamanan:
- Autentikasi hanya-kunci SSH diaktifkan, kata sandi dinonaktifkan
- Semua layanan AI diikat hanya ke localhost (127.0.0.1)
- nginx adalah satu-satunya layanan yang menghadap publik (port 80/443)
- Firewall pf memblokir semua traffic masuk yang tidak esensial
- WireGuard VPN untuk administrasi jarak jauh yang aman
- Rate limiting pada semua endpoint API
- Basic auth pada endpoint Ollama dan API RAG
- Deteksi brute-force otomatis dan pemblokiran IP
- Header keamanan (HSTS, CSP, X-Frame-Options) pada semua respons
9. Analisis Biaya
Argumen paling meyakinkan untuk server AI privat adalah biaya. API AI cloud menagih per token, dan biaya meningkat pesat dalam skala besar. Mac Mini M4 menyediakan inferensi tanpa batas dengan tarif bulanan tetap.
API OpenAI vs. Mac Mini M4 Privat
Perbandingan mengasumsikan harga GPT-3.5-Turbo ($0.50/1M token input, $1.50/1M token output) vs. Mac Mini M4 khusus yang menjalankan Llama 3 8B. Permintaan rata-rata: 500 token input + 300 token output.
| Permintaan Bulanan | Biaya API OpenAI | Biaya Mac Mini M4 | Penghematan |
|---|---|---|---|
| 1,000 | $0.70 | $85 | -$74.30 (API cheaper) |
| 10,000 | $7.00 | $85 | -$68.00 (API cheaper) |
| 100,000 | $70.00 | $85 | ~Break-even |
| 500,000 | $350.00 | $85 | $275 (79% savings) |
| 1,000,000 | $700.00 | $85 | $625 (89% savings) |
Perbandingan Setara GPT-4
Untuk kualitas setara GPT-4, bandingkan GPT-4-Turbo ($10/1M input, $30/1M output) vs. Mac Mini M4 Pro 48GB yang menjalankan Llama 3 70B.
| Permintaan Bulanan | Biaya GPT-4 Turbo | Biaya Mac Mini M4 Pro | Penghematan |
|---|---|---|---|
| 10,000 | $140.00 | $179 | ~Break-even |
| 100,000 | $1,400.00 | $179 | $1,221 (87% savings) |
| 1,000,000 | $14,000.00 | $179 | $13,821 (99% savings) |
Lebih dari Sekadar Biaya: Nilai sesungguhnya dari server AI privat bukan hanya penghematan finansial. Ini adalah hilangnya ketergantungan pada vendor, jaminan privasi data, dan kebebasan untuk beriterasi tanpa mengkhawatirkan tagihan API. Biaya Anda tetap datar baik Anda menjalankan 100 permintaan atau 10 juta.
10. Penskalaan
Satu Mac Mini M4 dapat menangani 2-4 permintaan bersamaan untuk model 7B. Ketika Anda membutuhkan lebih banyak throughput atau menginginkan spesialisasi model, penskalaan secara horizontal dengan beberapa Mac Mini sangatlah mudah.
Arsitektur Multi-Node
Node 1: Chat Umum
Mac Mini M4 16GB
Llama 3 8B untuk percakapan serbaguna, dukungan pelanggan, dan pembuatan konten.
$85/mo
Node 2: Asisten Kode
Mac Mini M4 24GB
CodeLlama 13B untuk tugas pembuatan kode, review, dan refactoring.
$95/mo
Node 3: RAG & Penalaran
Mac Mini M4 Pro 48GB
Llama 3 70B untuk analisis dokumen kompleks, riset hukum, dan tugas penalaran mendalam.
$179/mo
Load Balancing dengan nginx
# nginx upstream configuration for multi-node load balancing
# Define upstream groups by model type
upstream ollama_general {
# Round-robin across general chat nodes
server 10.66.66.10:11434; # Node 1
server 10.66.66.11:11434; # Node 1 replica (if needed)
keepalive 8;
}
upstream ollama_code {
server 10.66.66.20:11434; # Node 2 - Code models
keepalive 4;
}
upstream ollama_reasoning {
server 10.66.66.30:11434; # Node 3 - Large models
keepalive 4;
}
# Model routing based on request path
server {
listen 443 ssl;
server_name ai-cluster.local;
# Route general chat requests
location /v1/chat/ {
proxy_pass http://ollama_general;
proxy_read_timeout 300s;
}
# Route code generation requests
location /v1/code/ {
proxy_pass http://ollama_code;
proxy_read_timeout 300s;
}
# Route reasoning/analysis requests
location /v1/reasoning/ {
proxy_pass http://ollama_reasoning;
proxy_read_timeout 600s;
}
}
Skrip Perutean Model
# ~/ai-server/scripts/model_router.py
"""
Intelligent model router that directs requests to the appropriate
Mac Mini node based on the requested model and current load.
"""
from fastapi import FastAPI, Request
import httpx
import asyncio
app = FastAPI()
NODES = {
"general": {
"url": "http://10.66.66.10:11434",
"models": ["llama3:8b", "mistral:7b"],
},
"code": {
"url": "http://10.66.66.20:11434",
"models": ["codellama:7b", "codellama:13b"],
},
"reasoning": {
"url": "http://10.66.66.30:11434",
"models": ["llama3:70b", "mixtral:8x7b"],
},
}
def get_node_for_model(model: str) -> str:
"""Find which node hosts the requested model."""
for node_name, config in NODES.items():
if model in config["models"]:
return config["url"]
# Default to general node
return NODES["general"]["url"]
@app.post("/v1/chat/completions")
async def route_chat(request: Request):
body = await request.json()
model = body.get("model", "llama3:8b")
target_url = get_node_for_model(model)
async with httpx.AsyncClient(timeout=300) as client:
response = await client.post(
f"{target_url}/v1/chat/completions",
json=body,
)
return response.json()
@app.get("/v1/models")
async def list_all_models():
"""Aggregate model lists from all nodes."""
all_models = []
async with httpx.AsyncClient(timeout=10) as client:
for node_name, config in NODES.items():
try:
resp = await client.get(f"{config['url']}/api/tags")
models = resp.json().get("models", [])
for m in models:
m["node"] = node_name
all_models.extend(models)
except Exception:
pass
return {"models": all_models}
# Run: uvicorn model_router:app --host 0.0.0.0 --port 8080
11. Pertanyaan yang Sering Diajukan
Apakah server AI yang di-host sendiri benar-benar privat jika saya menyewa hardware-nya?
Ya. Ketika Anda menyewa Mac Mini khusus dari My Remote Mac, Anda mendapatkan akses eksklusif ke hardware fisik. Tidak ada pelanggan lain yang berbagi mesin Anda. Semua data disimpan pada SSD server Anda, terenkripsi saat diam (at rest). Kunci SSH memastikan hanya Anda yang memiliki akses. Ketika Anda mengakhiri langganan, drive dihapus secara aman. Ini secara fundamental berbeda dari VM cloud bersama di mana penyewa lain berjalan pada host fisik yang sama.
Bisakah saya memenuhi kepatuhan GDPR dan HIPAA dengan setup ini?
Server AI privat memenuhi persyaratan teknis inti GDPR (data tetap dalam kendali Anda, tanpa pemrosesan pihak ketiga tanpa persetujuan) dan HIPAA (PHI tidak ditransmisikan ke penyedia AI cloud). Namun, kepatuhan penuh juga memerlukan kontrol organisasi, audit logging, kebijakan enkripsi, dan berpotensi BAA dengan penyedia hosting Anda. Gunakan setup ini sebagai fondasi teknis dan bekerja samalah dengan tim kepatuhan Anda untuk gambaran lengkapnya.
Bagaimana kualitas model lokal dibandingkan dengan GPT-4 atau Claude?
Untuk tugas spesifik yang terdefinisi dengan baik (Q&A dokumen, pembuatan kode, peringkasan, klasifikasi), model open-source seperti Llama 3 8B dan Mistral 7B mencapai 85-95% dari kualitas GPT-3.5. Llama 3 70B mendekati kualitas GPT-4 pada banyak benchmark. Kesenjangan kualitas menyempit dengan pipeline RAG, di mana mengambil konteks yang tepat lebih penting daripada kemampuan mentah model. Untuk penulisan kreatif umum atau penalaran multi-langkah yang kompleks, model cloud terdepan masih memiliki keunggulan.
Apa yang terjadi jika server mati?
Semua layanan dikonfigurasi dengan KeepAlive (Ollama via launchd) dan restart: unless-stopped (kontainer Docker). Jika Mac Mini dimulai ulang, semua layanan restart secara otomatis. Untuk beban kerja produksi, pertimbangkan menjalankan dua Mac Mini dengan load balancing nginx untuk ketersediaan tinggi. Infrastruktur My Remote Mac mencakup monitoring 24/7 serta daya dan konektivitas jaringan redundan.
Bisakah saya menggunakan setup ini dengan alat yang sudah ada seperti Cursor, Continue.dev, atau VS Code?
Tentu saja. Karena Ollama menyediakan API yang kompatibel dengan OpenAI, alat apa pun yang dapat terhubung ke endpoint OpenAI dapat menggunakan server privat Anda. Di Cursor atau Continue.dev, arahkan base URL API ke https://your-server/ollama/v1 dengan kredensial basic auth Anda. Ekstensi VS Code seperti Continue, Cody, dan Tabby semuanya mendukung endpoint kustom. Kode Anda tidak pernah meninggalkan server Anda.
Bagaimana cara memperbarui model ketika versi baru dirilis?
Memperbarui model hanya butuh satu perintah: ollama pull llama3:8b akan mengunduh versi terbaru. Versi lama tetap disimpan hingga Anda menghapusnya secara eksplisit dengan ollama rm. Anda dapat menguji versi model baru bersama versi yang sudah ada dan beralih di produksi dengan nol downtime dengan memperbarui nama model dalam panggilan API atau konfigurasi nginx Anda.
Bagaimana dengan lisensi model? Bisakah saya menggunakan Llama 3 secara komersial?
Llama 3 dirilis di bawah Meta Llama 3 Community License yang mengizinkan penggunaan komersial untuk organisasi dengan kurang dari 700 juta pengguna aktif bulanan. Model Mistral dirilis di bawah lisensi Apache 2.0 (sepenuhnya permisif). CodeLlama mengikuti Llama 2 Community License. Selalu periksa lisensi spesifik untuk setiap model yang Anda deploy, tetapi bagi sebagian besar bisnis, model-model ini dapat digunakan secara bebas di produksi.
Panduan Terkait
Menjalankan LLM di Mac Mini M4
Panduan terperinci untuk menjalankan Llama, Mistral, dan Phi dengan Ollama, llama.cpp, dan MLX. Termasuk benchmark.
Panduan Deployment CoreML
Deploy model CoreML pada server Mac Mini M4 khusus untuk inferensi produksi yang dioptimalkan.
Mac Mini M4 vs GPU NVIDIA untuk AI
Perbandingan performa dan biaya terperinci antara Apple Silicon dan NVIDIA untuk beban kerja AI.
Gambaran Umum Cloud AI & ML
Gambaran umum infrastruktur cloud Mac Mini untuk beban kerja AI dan machine learning.
Bangun Server AI Privat Anda
Dapatkan Mac Mini M4 khusus dan jalankan LLM dengan privasi data penuh. Tanpa API cloud, tanpa tagihan per-token, tanpa vendor lock-in. Mulai dari $85/bln.