12 posts
The new stage in my transcription pipeline uses Gemini TEXT over 120s windows — no audio, cheap and fast. What keeps the model from making things up isn't a polite prompt: it's a numeric ±35% character invariant per window, with retry and flag when the math doesn't close.
O estágio novo do meu pipeline de transcrição usa Gemini TEXT por janelas de 120s — sem áudio, barato e rápido. O que impede o modelo de inventar não é um prompt educado: é um invariante numérico de ±35% de caracteres por janela, com retry e flag quando a conta não fecha.
Um botao Recusar no /ocultos que escreve uma nota, cria uma Issue no GitHub, salva um arquivo no repo, e um cron de 15min refaz o post sozinho. A historia de como o feedback humano virou pipeline.
A Reject button in /ocultos that writes a note, opens a GitHub Issue, saves a file to the repo, and a 15-min cron redoes the post by itself. The story of how human feedback became a pipeline.
Automatizar posts narrativos parecia simples: um cron, um script, um preview. No mesmo dia, o pipeline esbarrou em 4 paredes — pnpm bloqueado pelo guard do gateway, MDX quebrando build com '<', capa de 0 bytes e sessão interrompida. Cada parede virou uma regra.
Automating narrative posts seemed simple: a cron, a script, a preview. On the same day, the pipeline hit 4 real walls — pnpm blocked by the gateway guard, MDX breaking the build with '<', a 0-byte cover and an interrupted session. Each wall became a rule.
The architecture that actually solves web data extraction: Trafilatura, Crawl4AI SDK, Docker Sidecar, and Camoufox — how each layer works, the fallback criteria, and what I learned along the way.
A arquitetura que realmente resolve extração de dados na web: Trafilatura, Crawl4AI SDK, Sidecar Docker e Camoufox — como cada camada funciona, os critérios de fallback, e o que aprendi no caminho.