1. Docker進階：Volume & Network
昨天已經有用docker compose跑起服務了，但如果只知道基本指令，很快就會遇到兩個問題：
資料保存問題：容器刪掉，log & 設定檔就跟著消失
解法：用Docker Volume保存資料，像Loki的資料就可以放在volume裡，不會因為容器刪掉就不見。

容器互通問題：容器之間要互相「看得到」彼此
解法：用Docker Network建立內部網路，讓 Promtail、Loki、Grafana 可以直接互相連線。

這些都是未來專案部署到伺服器時一定會用到的。

2. Log系統比較：為什麼要選Loki？
雖然我們專案用 Loki，但其實還有很多選擇：
(1)Elasticsearch + Kibana (ELK Stack)
• 功能最完整
• 適合大量資料（TB級）
• 缺點是「資源需求高，學習曲線陡」

(2)Fluentd / Fluent Bit
• 偏向「資料收集&傳送」
• 常跟Elasticsearch或Loki搭配

(3)Loki
• 更輕量，成本低
• 特別適合「只需要查log，不需要全文檢索」的情境

3. AI+資料可視化：RAG與趨勢分析
• 如何把AI預測結果寫進log（例如：模型跑出「復發風險30%」，直接寫入patient.log）
• RAG (Retrieval-Augmented Generation) 概念
//如果未來想整合LLM，RAG可以幫忙「用真實癌症資料來強化AI回答」，而不是只靠模型記憶
• 時序數據分析
用AI預測AFP/ALT的未來趨勢，再跟Grafana實際數據對比

這會讓專案更有「AI+資料可視化」的深度，而不是單純畫圖。