diff --git a/troubleshooting/20251002_emotion_system_implementation.md b/troubleshooting/20251002_emotion_system_implementation.md
index 040326f..61d5ffe 100644
--- a/troubleshooting/20251002_emotion_system_implementation.md
+++ b/troubleshooting/20251002_emotion_system_implementation.md
@@ -72,17 +72,27 @@ done
 - rb8001/app/llm/emotion_llm.py (analyze_user_emotion, generate_response_with_emotion)
 
 ### 미구현 항목
-- rb8001/app/core/emotion/inference.py (파일 없음)
-- ONNX 모델 파일 (없음)
-- 토크나이저 초기화 (없음)
+- rb8001/app/core/emotion/emotion_classifier.py (rb10508_micro에서 복사 필요)
+- ONNX 모델 마운트 (docker-compose.yml 볼륨 설정 없음)
 - emotion_readings 테이블 (없음)
 - /v1/emotion/* API 엔드포인트 (없음)
 
+### ONNX 모델 현황
+- **모델 위치** (51124 서버): /home/admin/ivada_project/onnx_models/aihub-7emotions/
+- **모델 파일**: model.onnx (442MB), BERT 기반 7클래스 감정 분류
+- **레이블**: fear, surprise, anger, sadness, neutral, happiness, disgust
+- **토크나이저**: vocab.txt, tokenizer.json 포함
+- **학습 코드** (51124): /home/admin/ivada_project/training_emotion/train_korean_emotion.py
+- **문제**: rb8001 컨테이너에 볼륨 마운트 안 됨
+
 ## 데이터 모델 설계
 
 ### emotion_readings 테이블
 필수 컬럼:
-- user_id (UUID)
+- user_id (UUID) - 사용자 감정
+- company_id (UUID) - 회사별 집계용
+- robeing_id (VARCHAR) - 로빙의 감정 상태 (예: 'rb8001')
+- emotion_type (VARCHAR) - 'user' | 'robeing'
 - created_at (TIMESTAMPTZ)
 - probs (JSONB)
 - entropy (FLOAT)
@@ -95,6 +105,8 @@ done
 저장 위치:
 - robeing_metrics DB (별도 DB 권장)
 - TimescaleDB 하이퍼테이블 적용
+- 51123 서버에서 CREATE TABLE 및 create_hypertable() 직접 실행
+- 인덱스: (user_id, created_at), (company_id, created_at), (robeing_id, created_at)
 
 ### TimescaleDB 참조
 - 설치/활성화: DOCS/troubleshooting/250714_system_metrics_implementation.md
@@ -119,7 +131,7 @@ done
 ## 통합 포인트
 
 ### 감정 분석 삽입
-- rb8001/app/llm/emotion_llm.py:25 - inference.py 호출로 대체
+- rb8001/app/llm/emotion_llm.py:25 - emotion_classifier.py 호출로 대체
 - rb8001/app/core/emotion/base.py:46, 51 - 실제 분석 로직으로 교체
 
 ### LLM 톤 조절
@@ -127,7 +139,8 @@ done
 - 감정 기반 프롬프트 조절 로직 추가
 
 ### 저장 계층
-- 신규 DB 클라이언트 (robeing_metrics)
+- DB 접근: rb8001/app/state/database.py 활용 또는 신규 emotion DB 클라이언트 파일 생성
+- robeing_metrics DB 연결 (51123 서버에서 CREATE TABLE 직접 실행)
 - 비동기 저장 큐 고려
 
 ### 권한
@@ -170,12 +183,15 @@ done
 
 ## 작업 순서
 
-1. 추론 모듈 추가: rb8001/app/core/emotion/inference.py
-2. EmotionAwareLLM 연결: rb8001/app/llm/emotion_llm.py:25
-3. LLMService 톤 조절: rb8001/app/llm/llm_service.py:133
-4. DB 스키마 준비: robeing_metrics DB (별도)
-5. API 라우트 추가: rb8001/main.py
-6. 집계 쿼리 구현: time_bucket 기반
+1. Docker 볼륨 마운트: rb8001 docker-compose.yml에 `../onnx_models:/code/onnx_models:ro` 추가
+2. 의존성 추가: rb8001/requirements.txt에 `onnxruntime==1.18.1`, `transformers==4.45.2` 추가
+3. 추론 모듈 복사: rb10508_micro/app/core/emotion/emotion_classifier.py → rb8001/app/core/emotion/
+4. EmotionAwareLLM 연결: rb8001/app/llm/emotion_llm.py:25
+5. LLMService 톤 조절: rb8001/app/llm/llm_service.py:133
+6. DB 스키마 준비: 51123 서버에서 robeing_metrics DB에 emotion_readings 테이블 생성
+7. DB 클라이언트: rb8001/app/state/database.py 활용 또는 신규 파일 생성
+8. API 라우터 생성: rb8001/app/router/emotion_endpoint.py 생성 후 main.py에 include
+9. 집계 쿼리 구현: time_bucket 기반
 
 ## 모니터링/성능
 
@@ -185,6 +201,11 @@ done
 ### 저장 압력
 - TTL/압축은 TimescaleDB 정책으로 설정
 
+## 개발 원칙
+- 한 파일 최대 500줄 제한
+- 기능별 파일 분리 (라우터, 서비스, 모델)
+- main.py는 라우터 include만, 직접 엔드포인트 정의 금지
+
 ## 리스크/롤백
 
 ### 모델 미가용