Blog o moim domowym serwerze: jak krok po kroku ogarniam Dockera, monitoring, kopie zapasowe i lokalną AI. Praktyczne notatki z prawdziwych wdrożeń — co zadziałało, co się wysypało i czego się nauczyłem. Konkrety, które możesz wykorzystać u siebie.
Warsztat pisania reguł, które budzą tylko wtedy, gdy trzeba: weryfikacja metryk przed regułą, predict_linear zamiast progów, pułapki alertów z logów — i dlaczego po pomiarach wyrzuciłem modele językowe z domyślnej ścieżki powiadomień, zostawiając je jako opcję do włączenia.
Webhooki z Alertmanagera, dispatcher powiadomień per użytkownik, kolejka na godziny ciszy i pułapki wewnętrznego modelu danych n8n. Wzorce z dwunastu workflowów, które robią robotę w tle — i uczciwa granica, gdzie n8n przestał być właściwym narzędziem.
Sześć rdzeni, 32 GB RAM, zero GPU — i modele językowe, które naprawdę pracują w domu: streszczają alerty, obsługują domowego agenta i szukają po znaczeniu. O doborze modeli, temperaturach i pułapkach, których nie ma w poradnikach.
Dodałem do domowej aplikacji wgrywanie zdjęć, dyktowanie głosowe po polsku i rozpoznawanie tekstu ze zdjęć (OCR). Wszystko działa lokalnie, bez zewnętrznych API.