Llm
Posts tagged with Llm.
06 Jun 2026
Como eu fiz uma fábrica de Shorts que roda 100% na minha máquina
Todo mundo que mexe com vídeo no YouTube já ouviu falar de Opus Clip, Klap,
SubMagic e a turma. Você joga um vídeo longo, a ferramenta corta os melhores
momentos, coloca legenda animada e te devolve uns Shorts prontos. Funciona. O
problema é o de sempre: é SaaS, você paga por mês, e seu vídeo sobe pro servidor
de alguém.
06 Jun 2026
How I built a Shorts factory that runs 100% on my own machine
If you mess with YouTube at all, you’ve seen Opus Clip, Klap, SubMagic and the
rest. You drop in a long video, the tool cuts the best moments, slaps on animated
captions, and hands you ready-to-post Shorts. It works. The catch is the usual
one: it’s SaaS, you pay monthly, and your video gets uploaded to someone else’s
server.
01 Jun 2026
Yesterday I made a batch of changes to SovereignRAG that I had been putting off for a while: Markdown support in the ingestion pipeline and mandatory source citations in the reports.
The practical problem was straightforward. A significant portion of OWASP documentation doesn’t come as PDF — it comes as Markdown. Without .md support, I was leaving out of context exactly the docs that matter most in a vulnerability scanner. Now the project recursively discovers both PDFs and Markdown files inside any directory passed via --docs-dir, no need to list files individually.
01 Jun 2026
Ontem implementei um conjunto de mudanças no SovereignRAG que vinha enrolando faz um tempo: suporte a Markdown na ingestão e citação obrigatória de fontes nos relatórios.
O problema prático era simples. Boa parte da documentação do OWASP não vem em PDF — vem em Markdown. Sem suporte a .md, eu estava deixando fora do contexto exatamente os docs que mais importam num scanner de vulnerabilidades. Agora o projeto descobre recursivamente PDFs e arquivos Markdown dentro de qualquer diretório passado via --docs-dir, sem precisar especificar os arquivos um a um.
14 Jun 2025
Building My Own Sovereign RAG for Secure Code Analysis
Lately, I’ve been taking a closer look at some code analysis tools that claim to detect security vulnerabilities in software projects. The idea itself is solid. I got one of these tools recommended to me and decided to dig deeper to see what’s really behind these solutions.
Pretty quickly I noticed a pattern: these platforms are far from cheap. Some offer limited free plans, but we all know how this game works. When something that good is offered for “free”, the real price usually comes from somewhere else — data collection, vendor lock-in, black-box models processing your code in someone else’s cloud. And since I’ve been deeply studying AI lately, especially Retrieval-Augmented Generation (RAG), the question came naturally: why not build my own pipeline, fully local, sovereign, using open-source tools, running on my own machine, and depending on no one?
14 Jun 2025
Construindo meu próprio RAG soberano para análise de segurança de código
Nos últimos tempos, comecei a olhar com mais atenção para algumas ferramentas de análise de código que prometem identificar falhas de segurança em projetos. A ideia é boa. Recebi uma dessas ferramentas como sugestão e fui atrás para entender melhor o que havia por trás da proposta.
Logo de cara percebi um padrão: os preços dessas plataformas não são exatamente convidativos. Algumas até oferecem planos gratuitos limitados, mas a gente sabe como funciona o jogo. Quando algo muito bom aparece “de graça”, o custo real costuma vir de outro lugar. Coleta de dados, lock-in na plataforma, modelos black-box processando seu código na nuvem de terceiros. E como hoje eu venho estudando bastante IA e, em especial, o tema dos RAGs (Retrieval-Augmented Generation), a pergunta veio automática: por que não montar o meu próprio pipeline, 100% local, soberano, usando ferramentas open-source, rodando direto na minha máquina, sem depender de ninguém?
21 Apr 2025
Let’s cut the fluff: if you care about privacy, speed, and having full control over your stack, running LLMs locally is no longer optional — it’s survival. Cloud’s nice until it’s not. Especially when your data is the product and your API bill explodes overnight.
I put this guide together because I wanted LLMs running locally, even with limited hardware — no vendor lock-in, no middlemen sniffing packets, just raw local compute. And yes, I run this stuff daily on a MacBook Air M1 with 16GB RAM. Modest? Yep. Enough? Hell yes.