Plataforma e automação

Infraestrutura de IA em casa

Duas máquinas, rede privada, modelos locais e automações que rodam sozinhas

Contexto
Projeto próprio
Papel
Arquiteto e operador
Período
Junho a agosto de 2026
Status
Em produção, com serviços rodando de forma contínua
Self-hostedAgentesn8nModelos locaisDiagnóstico

Um mini PC e um HTPC ligados por rede privada, servindo modelos locais, automações e uma pilha de dados que sustenta os outros projetos.

0 de 425falhas de rede depois do diagnóstico, contra cerca de 2 em 23 antes
4modelos locais disponíveis para as automações
2máquinas cooperando em rede privada
Gatilhos emensageiroAutomação emcontêinerModelos locaisIAServiços etelemetria
Rede privada, modelos locais e automações que continuam de pé quando uma máquina dorme. Arraste para o lado para ver o fluxo inteiro.

Motivador

Construir produtos com IA de forma independente exige infraestrutura própria: modelos locais para o que não pode sair de casa, automações que não dependem de plano pago e telemetria que eu controlo. Sem isso, cada projeto vira refém de assinatura.

Problema

Máquina doméstica não é datacenter. Uma dorme, a outra vive em rede residencial, e falhas intermitentes aparecem justamente onde ninguém procura. O caso mais difícil foi uma falha aleatória em cerca de duas de cada 23 execuções de automação, que aparecia como um erro genérico de rede.

Solução

Malha privada ligando as máquinas, sem expor nada à internet aberta. O mini PC entra como provedor de IA sob demanda, o HTPC roda o que precisa estar sempre no ar, e o pipeline degrada sem quebrar quando a máquina de IA está dormindo.

Automação de fluxos em contêiner, com um assistente de RH construído sobre busca em documentos e conversado por mensageiro instantâneo, servido por modelos locais.

Modelos locais de até 30 bilhões de parâmetros disponíveis para as automações, escolhidos por tarefa e não por moda.

Telemetria auto-hospedada usada de verdade: foi ela que confirmou a causa e a data da correção de um incidente em produto real.

Automação de mídia de ponta a ponta: copiar um link inicia o download, e ao terminar o conteúdo é identificado, renomeado, organizado e anunciado por mensagem, com o modelo local entrando só como plano B para nomes difíceis.

Resultado

  • A falha intermitente foi rastreada até a cadeia de resolução de nomes dentro do contêiner, e não à carga da máquina, que era a suspeita natural. Depois da correção, centenas de execuções sem uma única falha.
  • A pilha de telemetria auto-hospedada virou insumo de decisão de produto em outro projeto, com números de uso real.
  • A automação de legendas ganhou um critério melhor: casar a duração do vídeo com a da legenda, porque o critério anterior empatava legenda certa e errada. O serviço antigo foi pausado em vez de continuar estragando a biblioteca.

O que eu tirei daqui

  • A suspeita mais confortável costuma ser a errada. A carga era a hipótese natural; a causa estava na resolução de nomes.
  • Degradação graciosa vale mais que alta disponibilidade quando o hardware é doméstico: o pipeline continua funcionando com a máquina de IA dormindo.
  • Automação que estraga dado em silêncio é pior que automação parada. Pausar o serviço foi a decisão certa até existir um critério melhor.

Onde a IA entrou

Cada etapa do ciclo do projeto, com o quanto a IA pesou nela.

CentralApoioNão usei
Descoberta e entendimento do problema

Separação entre sintoma e causa em falhas intermitentes, antes de tentar qualquer correção.

Pesquisa e evidência

Levantamento das opções de exposição segura, de modelos locais com suporte a chamada de ferramenta e de alternativas de telemetria.

Especificação e documentação

Documento de arquitetura com topologia desenhada, runbook operacional e registro do que falhou e por quê.

Arquitetura e infraestrutura

Escolha de qual máquina roda o quê, malha privada, contêineres, serviços supervisionados e degradação graciosa quando uma máquina dorme.

Desenvolvimento

Scripts de organização, bot de mensageiro e integrações escritos com IA.

QA e análise de dados

Verificação por volume: centenas de execuções em teste de estresse para confirmar que a correção resolveu de fato.

IA dentro do produto

Modelos locais servem as automações, do assistente de RH com busca em documentos ao reconhecimento de nomes difíceis de arquivo.

Timeline e marcos

  1. 16/jun

    Diagnóstico da falha intermitente

    Causa isolada na cadeia de resolução de nomes dentro do contêiner, com a rede do host provada estável.

  2. 18/jun

    Verificação em estresse

    Centenas de execuções concorrentes sem falha, confirmando a correção.

  3. Jun/2026

    Assistente de RH com busca em documentos

    Fluxo de automação com recuperação de contexto e conversa por mensageiro, servido por modelo local.

  4. Jul/2026

    Automação de mídia de ponta a ponta

    Do link ao arquivo organizado e à notificação, com modelo local como plano B.

  5. Jul/2026

    Correção do critério de legendas

    Escolha por casamento de duração no lugar de pontuação, e serviço antigo pausado para não estragar a biblioteca.

Ferramentas

IA e modelos

Ollama com modelos locais de 7 a 31 bilhões de parâmetrosBusca em documentos para o assistente de RHClaude Code

Automação

n8n em contêinerBot de TelegramServiços supervisionadosPython

Infraestrutura

TailscaleDocker e WSL2PostHog auto-hospedadoDebian e Windows cooperando

Resumo STAR

Situação
Construir produtos com IA de forma independente exigia infraestrutura própria, e as máquinas disponíveis eram uma que dorme e outra em rede residencial.
Tarefa
Montar uma base confiável de modelos locais, automação e telemetria, e resolver falhas intermitentes que apareciam como erro genérico.
Ação
Desenhei a topologia com degradação graciosa, subi automação em contêiner e modelos locais, auto-hospedei a telemetria e diagnostiquei a falha isolando a cadeia de resolução de nomes em vez de aceitar a suspeita óbvia de carga.
Resultado
Centenas de execuções sem falha depois da correção, telemetria própria virando insumo de decisão em produto real e automações que rodam sozinhas sem assinatura.

Quer conversar sobre um desafio parecido?

Fale comigo