evandro/ForgeLM
1
0 Fork 0
Code Issues 1 Pull Requests Actions Packages Projects Releases Wiki Activity

docs(readme): redesenha o README com hero em SVG [skip ci]

Browse Source
This commit is contained in:
evandro committed 2026-10-24 04:57:49 -03:00
1 parent 10cc9c90c0
commit b18ed657d6
2 files changed
+130 -146
Download Patch File Download Diff File Expand all files Collapse all files

No files matched your search

README.md
+70 -146
View File
@@ -1,77 +1,62 @@
<div align="center">
<h1>ForgeLM</h1>
<img src="assets/readme/hero.svg" width="100%" alt="ForgeLM: roda modelos .gguf na sua máquina com uma API no estilo OpenAI, em Rust sobre o llama.cpp">
<p><strong>Inferência local de LLMs <code>.gguf</code> em Rust: API no estilo OpenAI, CLI e app desktop Tauri, tudo na sua máquina.</strong></p>
![Rust 2021](https://img.shields.io/badge/Rust-edi%C3%A7%C3%A3o_2021-dea584?style=flat-square&logo=rust&logoColor=white)
![llama.cpp b8358](https://img.shields.io/badge/llama.cpp-b8358-4b86ff?style=flat-square)
![Tauri 2](https://img.shields.io/badge/Tauri-2-24C8DB?style=flat-square&logo=tauri&logoColor=white)
![Status](https://img.shields.io/badge/status-em_desenvolvimento-yellow?style=flat-square)
<a href="#-quickstart">Quickstart</a> ·
<a href="#-arquitetura">Arquitetura</a> ·
<a href="#-documenta%C3%A7%C3%A3o">Documentação</a> ·
<a href="https://git.evandro.dev.br/evandro/ForgeLM/issues">Issues</a>
![Stack](https://img.shields.io/badge/Stack-Rust%20%2B%20Tauri%202-dea584?logo=rust&logoColor=white)
![Status](https://img.shields.io/badge/status-em%20desenvolvimento-yellow)
![Licença](https://img.shields.io/badge/licen%C3%A7a-MIT-blue)
[Início rápido](#in%C3%ADcio-r%C3%A1pido) · [Documentação](docs/README.md) · [Issues](https://git.evandro.dev.br/evandro/ForgeLM/issues)
</div>
<hr />
> [!NOTE]
> **Este projeto não está concluído.** O que está descrito abaixo é o que existe hoje no código. Segundo [`.planning/ROADMAP.md`](.planning/ROADMAP.md), as fases 1–4 estão concluídas; a fase 5 (validação de fontes de modelo) segue aberta no roadmap e a fase 6 (redesign do chat) consta como planejada.
## 📌 O problema
Rodar um modelo `.gguf` na própria máquina exige juntar peças soltas: um runtime do llama.cpp compatível com a sua GPU, uma API que clientes no estilo OpenAI consigam chamar e um lugar para escolher modelos e conversar. O ForgeLM reúne essas peças em um workspace Rust local-first, sem depender de infraestrutura hospedada, e documenta o que ainda não funciona.
## ✨ O que faz (o que existe hoje)
- **Serve** `GET /health`, `GET /v1/models` e `POST /v1/chat/completions` em `:8080`, com streaming SSE e `stream_options.include_usage`.
- **Carrega** modelos `.gguf` via llama.cpp (carga dinâmica) com os perfis `Turbo4B` (default), `balanced_9b` e `cpu_fallback`, ajustáveis por variáveis de ambiente.
- **Baixa e valida** o runtime llama.cpp `b8358` (CPU ou CUDA 12.4, com SHA-256) quando ele não é encontrado.
- **Opera** pela CLI `localllm`: `status`, `models`, `auth`, `config`, `bench`, `logs` e `doctor`.
- **Gerencia** o runtime no app desktop (modo `local` ou `remote`; estados `stopped`, `starting`, `ready`, `degraded`, `stopping` e `error`).
- **Escaneia, importa, busca e baixa** modelos do Hugging Face com progresso e cancelamento (token opcional) e troca o modelo carregado com um clique (*hot-swap*).
- **Conversa** com streaming, memória opcional de até 20 mensagens, separação de `<think>…</think>`, contagem de tokens, tokens/s e edição, reenvio e exclusão de mensagens.
- **Protege** a API com chave opcional (`LOCALLLM_API_KEY`), CORS configurável e aliases de modelo.
## 🖼️ Demonstração
Capturas do shell do app com a API local offline e nenhum modelo selecionado: mostram o layout, não uma inferência em andamento.
<p align="center">
<img src="./loaded-shell.png" alt="Shell do app ForgeLM em desktop: Runtime Manager, lista de conversas e área de chat" width="720" />
<img src="loaded-shell.png" width="720" alt="App desktop do ForgeLM: Runtime Manager com a API local parada, lista de conversas vazia e área de chat">
</p>
<p align="center"><sub>Captura do import inicial (março de 2026), com a API local parada. A interface mudou depois: o seletor de modelo foi para a caixa de mensagem.</sub></p>
<p align="center">
<img src="./loaded-tablet.png" alt="Shell do app ForgeLM em tablet" height="360" />
<img src="./loaded-mobile.png" alt="Shell do app ForgeLM em tela estreita" height="360" />
</p>
## O que é
## 🚀 Quickstart
O ForgeLM roda modelos `.gguf` na sua máquina com o [llama.cpp](https://github.com/ggml-org/llama.cpp) e os expõe numa API HTTP no estilo OpenAI, com streaming SSE. O mesmo workspace Rust traz uma CLI (`localllm`) e um app desktop em Tauri que liga o servidor, busca e baixa modelos do [Hugging Face](https://huggingface.co) e conversa com eles.
## Por que usar
- **Uma peça só, local.** Servidor, engine, download do runtime e app vivem num workspace Rust. Na primeira execução o servidor baixa o llama.cpp `b8358` (CPU ou CUDA 12.4) do GitHub e confere o SHA-256, se não achar um runtime já instalado.
- **Clientes OpenAI funcionam com poucas mudanças.** `GET /v1/models` e `POST /v1/chat/completions` seguem o formato da OpenAI; basta trocar a URL base.
- **Perfis prontos.** `Turbo4B` (padrão), `balanced_9b` e `cpu_fallback` definem camadas na GPU, contexto e threads, e cada valor pode ser sobrescrito por variável de ambiente.
**Quando não usar:** se você precisa de compatibilidade ampla com a OpenAI (são três endpoints, `n` precisa ser `1`, sem embeddings), de download automático do runtime fora do Windows x64, ou de algo estável. Nesses casos, o servidor do próprio llama.cpp atende melhor.
## Como funciona
- `inference-server` (binário `localllm`): API em Axum na porta `8080`. Valida autenticação, CORS e aliases e repassa ao `inference-core`.
- `inference-core`: engine, sessão, sampler e perfis, sobre o `llama-sys`, que carrega o `llama.dll` em tempo de execução.
- `runtime-deps`: acha ou baixa o runtime descrito em [`vendor/llama-runtime/manifest.json`](vendor/llama-runtime/manifest.json).
- `localllm-cli`: cliente HTTP da mesma API, com `status`, `models`, `auth`, `config`, `bench`, `logs` e `doctor`.
- `tauri-app`: React 18 + Vite + Tailwind com backend Tauri 2. No modo `local` inicia e para o servidor e consulta `GET /health`; no modo `remote` só fala com a API. A busca de modelos no Hugging Face não passa pela API local.
Detalhes em [`docs/developer/architecture.md`](docs/developer/architecture.md).
## Início rápido
> [!WARNING]
> **A API sobe aberta por padrão.** Sem `LOCALLLM_API_KEY` não há autenticação, o bind default é `0.0.0.0:8080` e o CORS libera `*`. Fora de uma máquina confiável, defina a chave e restrinja `LOCALLLM_ADDR` e `LOCALLLM_CORS_ORIGINS`.
> **A API sobe aberta por padrão.** Sem `LOCALLLM_API_KEY` não há autenticação, o bind padrão é `0.0.0.0:8080` e o CORS libera `*`. Fora de uma máquina confiável, defina a chave e restrinja `LOCALLLM_ADDR` e `LOCALLLM_CORS_ORIGINS`.
| Ferramenta | Versão mínima |
|---|---|
| Rust (cargo) | edition 2021; `rust-version` não declarada |
| Node.js + npm (só para o app) | não declarada (sem `.nvmrc` nem `engines`) |
| Modelo `.gguf` local | obrigatório |
| GPU NVIDIA | opcional (variante CUDA 12.4; existe o perfil `cpu_fallback`) |
Requisitos: Rust (cargo; o projeto não declara `rust-version`), um modelo `.gguf` local e, só para o app, Node.js com npm (sem versão declarada). GPU NVIDIA é opcional: o perfil `cpu_fallback` roda sem ela.
**Na primeira execução o servidor baixa o llama.cpp `b8358`** de `github.com/ggml-org/llama.cpp` se não achar o runtime (`LLAMA_DLL_PATH`, binário adjacente ou vendor legado). CUDA 12.4 são dois zips (≈ 227 MB + ≈ 391 MB); CPU, um zip de ≈ 37 MB. O manifesto só lista `windows-x64`.
Na primeira execução, o download do runtime tem cerca de 37 MB na variante CPU e cerca de 618 MB na CUDA 12.4 (dois zips). O manifesto só lista `windows-x64`; em outros sistemas, aponte `LLAMA_DLL_PATH` para uma biblioteca já instalada.
```bash
# 1. API local (Windows cmd; em bash use `export`)
set LOCALLLM_MODEL=D:\modelos\meu-modelo.gguf
# 1. API local (bash; no cmd do Windows, use set no lugar de export)
export LOCALLLM_MODEL=/caminho/para/meu-modelo.gguf
cargo run -p inference-server
curl http://127.0.0.1:8080/health
curl http://127.0.0.1:8080/v1/models
curl -N http://127.0.0.1:8080/v1/chat/completions \
-H "Content-Type: application/json" \
-d '{"model":"default","messages":[{"role":"user","content":"Diga ola"}],"stream":true}'
-d '{"model":"default","messages":[{"role":"user","content":"Diga olá"}],"stream":true}'
# 2. CLI
cargo run -p localllm-cli -- status
@@ -83,117 +68,56 @@ npm install
npm run tauri dev
```
### Variáveis de ambiente
Testes: `cargo test` (crates do workspace), `cargo test --manifest-path tauri-app/src-tauri/Cargo.toml` (backend Tauri, fora do workspace) e `npm test` em `tauri-app` (Vitest).
Extraídas do código e de [`docs/api/configuration.md`](docs/api/configuration.md); não há `.env.example`. O prefixo é `LOCALLLM_` (três L).
## Configuração
A API lê tudo de variáveis de ambiente; não há `.env.example`. A pasta de modelos não é variável: na CLI é a flag global `--models-dir` (padrão `./models`), no app é o campo `models_dir` da configuração do runtime. Ao iniciar o servidor local, o app define `LOCALLLM_MODEL`, `LOCALLLM_ADDR`, `LOCALLLM_GPU_LAYERS` e `LOCALLLM_CTX` (contexto padrão do app: 4096).
<details>
<summary>Variáveis de ambiente da API</summary>
| Variável | Obrigatória | Descrição |
|---|---|---|
| `LOCALLLM_MODEL` | Sim | Caminho do `.gguf`; sem ele o engine aborta (`model_path is empty`) |
| `LOCALLLM_ADDR` | Não | Endereço de bind; default `0.0.0.0:8080` |
| `LOCALLLM_MODEL` | Sim | Caminho do `.gguf`; sem ela o engine aborta (`model_path is empty`) |
| `LOCALLLM_ADDR` | Não | Endereço de bind; padrão `0.0.0.0:8080` |
| `LOCALLLM_MODEL_ALIASES` | Não | Aliases do modelo, separados por vírgula, expostos em `GET /v1/models` |
| `LOCALLLM_PROFILE` | Não | `balanced_9b` ou `cpu_fallback`; ausente ou outro valor = `Turbo4B` |
| `LOCALLLM_GPU_LAYERS` | Não | Camadas na GPU; default do perfil (999 em `Turbo4B`/`balanced_9b`, 0 em `cpu_fallback`) |
| `LOCALLLM_CTX` | Não | Janela de contexto; default do perfil (4096, 2048 e 2048) |
| `LOCALLLM_GPU_LAYERS` | Não | Camadas na GPU; padrão do perfil (999 em `Turbo4B` e `balanced_9b`, 0 em `cpu_fallback`) |
| `LOCALLLM_CTX` | Não | Janela de contexto; padrão do perfil (131072, 65536 e 16384) |
| `LOCALLLM_BATCH` | Não | `n_batch`; sem valor explícito, usa o do perfil limitado a 4096 |
| `LOCALLLM_UBATCH` | Não | `n_ubatch`; default do perfil |
| `LOCALLLM_THREADS` | Não | Threads de geração; default do perfil |
| `LOCALLLM_THREADS_BATCH` | Não | Threads de prefill; default do perfil |
| `LOCALLLM_API_KEY` | Não | Habilita autenticação por chave; vazia ou ausente = API aberta |
| `LOCALLLM_AUTH_HEADER` | Não | Cabeçalho preferencial da chave; default `authorization` (também aceita `x-api-key`) |
| `LOCALLLM_UBATCH` | Não | `n_ubatch`; padrão do perfil |
| `LOCALLLM_THREADS` | Não | Threads de geração; padrão do perfil |
| `LOCALLLM_THREADS_BATCH` | Não | Threads de prefill; padrão do perfil |
| `LOCALLLM_API_KEY` | Não | Liga a autenticação por chave; vazia ou ausente = API aberta |
| `LOCALLLM_AUTH_HEADER` | Não | Cabeçalho preferencial da chave; padrão `authorization` (também aceita `x-api-key`) |
| `LOCALLLM_AUTH_SCHEME` | Não | Prefixo removido antes da comparação (ex.: `Bearer`) |
| `LOCALLLM_CORS_ORIGINS` | Não | Allowlist de origens separadas por vírgula; default `*` |
| `LOCALLLM_CORS_ORIGINS` | Não | Origens permitidas, separadas por vírgula; padrão `*` |
| `LOCALLLM_SYSTEM_PROMPT` | Não | Prompt de sistema usado quando a request não traz `system` nem `developer` |
| `LOCALLLM_ENABLE_TOOL_CALLS` | Não | Liga/desliga tool calling; default ligado |
| `LOCALLLM_LOG_FORMAT` | Não | `json` para logs estruturados; default `pretty` |
| `LLAMA_DLL_PATH` | Não | Caminho completo do `llama.dll`; sobrepõe a resolução automática do runtime |
| `RUST_LOG` | Não | Filtro de logs do `tracing`; default `info` |
| `LOCALLLM_ENABLE_TOOL_CALLS` | Não | Liga ou desliga tool calling; padrão ligado |
| `LOCALLLM_LOG_FORMAT` | Não | `json` para logs estruturados; padrão `pretty` |
| `LLAMA_DLL_PATH` | Não | Caminho completo da biblioteca do llama.cpp; sobrepõe a resolução automática |
| `RUST_LOG` | Não | Filtro de logs do `tracing`; padrão `info` |
A pasta de modelos **não** é variável de ambiente: na CLI é a flag global `--models-dir` (default `./models`); no app é o campo `models_dir` da configuração do runtime. Ao iniciar o servidor local, o app define `LOCALLLM_MODEL`, `LOCALLLM_ADDR`, `LOCALLLM_GPU_LAYERS` e `LOCALLLM_CTX`.
</details>
## 🧱 Arquitetura
## Estado do projeto
```mermaid
flowchart LR
UI["App Tauri (React + Rust)"] -->|"HTTP e SSE"| SRV["inference-server (Axum)"]
CLI["localllm-cli"] -->|"HTTP"| SRV
SRV --> CORE["inference-core (engine, sessão, perfis)"]
CORE --> SYS["llama-sys (llama.dll via libloading)"]
SRV --> DEPS["runtime-deps (download + SHA-256)"]
DEPS -->|"llama.cpp b8358"| SYS
UI -->|"busca e download de .gguf"| HF["Hugging Face"]
```
Em desenvolvimento. Pelo [`.planning/ROADMAP.md`](.planning/ROADMAP.md), as fases 1 a 4 estão concluídas, a fase 5 (validação de fontes de modelo) segue aberta com os três planos marcados e a fase 6 (redesign do chat e das Configurações) tem 0 de 3 planos.
- O app (no modo `local`) inicia e para o `inference-server` e usa `GET /health` para saber se está pronto; no modo `remote` apenas fala com a API.
- A CLI é um cliente HTTP da mesma API.
- O `inference-server` valida a request (auth, CORS, aliases) e delega ao `inference-core`, que mantém o engine, a sessão e o sampler.
- O `inference-core` usa o `llama-sys`, que carrega `llama.dll` dinamicamente; o `runtime-deps` resolve ou baixa esse runtime a partir de [`vendor/llama-runtime/manifest.json`](vendor/llama-runtime/manifest.json).
- O app busca e baixa modelos direto do Hugging Face, sem passar pela API local.
- A compatibilidade com a OpenAI é parcial: `parallel_tool_calls` não é recurso suportado, `content` em partes vira texto e o raciocínio não sai num campo separado (quem separa `<think>…</think>` é o app).
- O chat do app usa `sql.js` carregado por CDN e guarda o banco no `localStorage`.
- `scripts/build-dev.sh` e `scripts/build-prod.sh` (e as versões `.ps1`) exigem `vendor/llama.cpp`, que não está no repositório.
- `inference-server` e `localllm-cli` declaram um binário com o mesmo nome, `localllm`; use `cargo run -p <crate>`.
## 🗂️ Estrutura
Para contribuir, abra uma issue ou um PR e rode os testes da parte que você alterou.
```text
crates/
api-contracts/ tipos compartilhados (chat, modelos, health, erros)
inference-core/ engine de inferência, sessão, sampler e perfis
inference-server/ API HTTP em Axum (binário localllm)
llama-sys/ carga dinâmica do llama.cpp (libloading)
metrics/ contadores de tokens e throughput
runtime-deps/ resolve e baixa o runtime llama.cpp
localllm-cli/ CLI (binário localllm)
tauri-app/ app desktop: React 18 + Vite + Tailwind, backend Tauri 2
ui/ páginas HTML estáticas de desenvolvimento (index.html, chat.html)
docs/ documentação detalhada
```
## Licença
## 🧪 Scripts
Sem licença publicada: todos os direitos reservados. O [`Cargo.toml`](Cargo.toml) declara `license = "MIT"`, mas o repositório não inclui o arquivo `LICENSE`. Os binários do llama.cpp e os modelos do Hugging Face seguem a licença de cada autor.
| Comando | O que faz |
|---|---|
| `cargo run -p inference-server` | Sobe a API em `0.0.0.0:8080` (exige `LOCALLLM_MODEL`) |
| `cargo run -p localllm-cli -- <comando>` | Executa a CLI |
| `cargo test` | Testes dos crates do workspace |
| `cargo test --manifest-path tauri-app/src-tauri/Cargo.toml` | Testes do backend Tauri (fora do workspace) |
| `npm run dev` (em `tauri-app`) | Só o frontend, Vite na porta 1420 |
| `npm run tauri dev` | App desktop completo |
| `npm run build` | `tsc && vite build` |
| `npm run preview` | `vite preview` |
| `npm test` | `vitest run` |
| `npm run tauri` | Repassa argumentos ao `tauri` CLI |
| `scripts/build-dev.sh` (há `.ps1`) | Compila `vendor/llama.cpp` em Debug com CUDA |
| `scripts/build-prod.sh` (há `.ps1`) | Compila `vendor/llama.cpp` em Release com LTO e CUDA (arch 86) |
<div align="center">
## 📚 Documentação
<sub>Feito por <a href="https://evandro.dev.br">Evandro Fonseca Junior</a> · <a href="https://git.evandro.dev.br/evandro">git.evandro.dev.br</a></sub>
| Documento | Conteúdo |
|---|---|
| [`docs/README.md`](docs/README.md) | Índice da documentação |
| [`docs/api/overview.md`](docs/api/overview.md) · [`endpoints.md`](docs/api/endpoints.md) · [`configuration.md`](docs/api/configuration.md) | API: visão geral, endpoints e configuração |
| [`docs/cli/overview.md`](docs/cli/overview.md) · [`commands.md`](docs/cli/commands.md) | CLI: visão geral e comandos |
| [`docs/app/overview.md`](docs/app/overview.md) · [`user-guide.md`](docs/app/user-guide.md) · [`backend-commands.md`](docs/app/backend-commands.md) | App: visão geral, guia de uso e comandos Tauri |
| [`docs/developer/architecture.md`](docs/developer/architecture.md) | Mapa do workspace e fluxos entre módulos |
| [`.planning/ROADMAP.md`](.planning/ROADMAP.md) | Fases e estado do desenvolvimento |
## 🛣️ Limitações e próximos passos
- A API expõe só três endpoints; a compatibilidade com a OpenAI é parcial: `n` precisa ser `1`, `parallel_tool_calls` não é recurso suportado e `content` em partes vira texto consolidado.
- O raciocínio não é um campo separado na API; quem separa `<think>…</think>` é o frontend do app.
- Na CLI, a execução ao vivo está mais consolidada em `status`, `models list` e `bench throughput`; o resto da superfície está mais avançado no parser do que nas capacidades HTTP públicas.
- O chat usa `sql.js` carregado por CDN e persiste o banco exportado em `localStorage`; não é um banco nativo do sistema.
- No modo local o app precisa encontrar o binário `localllm`, e o runtime manager faz polling do snapshot (sem eventos push).
- O manifesto do runtime só lista variantes `windows-x64`; em outros alvos o servidor só sobe com um runtime já presente (binário adjacente ou `LLAMA_DLL_PATH`).
- `scripts/build-dev.sh` e `scripts/build-prod.sh` exigem o submódulo `vendor/llama.cpp`, que não está declarado no repositório (não há `.gitmodules`).
- `inference-server` e `localllm-cli` declaram ambos um binário chamado `localllm`; use `cargo run -p <crate>` para escolher.
- Próximos passos registrados no roadmap: concluir a fase 5 (validação de fontes de modelo, com seus três planos marcados como feitos mas a fase ainda aberta) e a fase 6 (redesign do chat e da página de Configurações, 0/3 planos).
## 🤝 Contribuindo
Abra uma issue ou PR descrevendo a mudança. Antes de enviar, rode os testes que cobrem o que você alterou:
```bash
cargo test && (cd tauri-app && npm test)
```
## 📄 Licença
MIT, declarada em [`Cargo.toml`](Cargo.toml); o repositório não inclui arquivo `LICENSE`. Os binários de inferência vêm do [llama.cpp](https://github.com/ggml-org/llama.cpp) e os modelos do [Hugging Face](https://huggingface.co) seguem a licença de cada autor.
</div>
assets/readme/hero.svg
+60
View File
@@ -0,0 +1,60 @@
<svg xmlns="http://www.w3.org/2000/svg" width="1200" height="420" viewBox="0 0 1200 420" role="img" aria-labelledby="title desc">
<title id="title">ForgeLM</title>
<desc id="desc">ForgeLM: um arquivo .gguf entra no llama.cpp, que divide as camadas entre GPU e CPU, e a resposta sai em streaming pela API local na porta 8080, em /v1/chat/completions.</desc>
<rect width="1200" height="420" rx="24" fill="#171717"/>
<g id="title-block" font-family="system-ui, -apple-system, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif">
<text x="64" y="170" font-size="64" font-weight="700" fill="#F3F4F6">ForgeLM</text>
<text x="64" y="226" font-size="28" fill="#F3F4F6">Rode modelos .gguf na sua máquina</text>
<text x="64" y="264" font-size="28" fill="#F3F4F6">com uma API no estilo OpenAI.</text>
<text x="64" y="322" font-size="20" fill="#9CA3AF" font-family="ui-monospace, 'SF Mono', Consolas, monospace">Rust · llama.cpp · Axum · Tauri 2</text>
</g>
<g id="model-file" font-family="ui-monospace, 'SF Mono', Consolas, monospace">
<path d="M584 152 h60 l28 28 v88 h-88 z" fill="#262626" stroke="#313944" stroke-width="2"/>
<path d="M644 152 v28 h28" fill="none" stroke="#313944" stroke-width="2"/>
<text x="628" y="234" font-size="20" fill="#F3F4F6" text-anchor="middle">.gguf</text>
<text x="628" y="304" font-size="18" fill="#9CA3AF" text-anchor="middle" font-family="system-ui, -apple-system, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif">modelo</text>
</g>
<g id="arrows" fill="none" stroke="#9CA3AF" stroke-width="2" stroke-linecap="round" stroke-linejoin="round">
<path d="M682 210 h26 M700 202 l8 8 l-8 8"/>
<path d="M836 210 h20 M848 202 l8 8 l-8 8"/>
</g>
<g id="layers" font-family="system-ui, -apple-system, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif">
<text x="772" y="110" font-size="20" font-weight="700" fill="#F3F4F6" text-anchor="middle">llama.cpp</text>
<rect x="716" y="126" width="112" height="28" rx="6" fill="#4b86ff"/>
<rect x="716" y="162" width="112" height="28" rx="6" fill="#4b86ff"/>
<rect x="716" y="198" width="112" height="28" rx="6" fill="#4b86ff"/>
<rect x="716" y="234" width="112" height="28" rx="6" fill="#4b86ff"/>
<rect x="716" y="270" width="112" height="28" rx="6" fill="#333333"/>
<rect x="716" y="306" width="112" height="28" rx="6" fill="#333333"/>
<text x="772" y="146" font-size="18" font-weight="700" fill="#0d0d10" text-anchor="middle">GPU</text>
<text x="772" y="326" font-size="18" font-weight="700" fill="#F3F4F6" text-anchor="middle">CPU</text>
</g>
<g id="api-stream" font-family="ui-monospace, 'SF Mono', Consolas, monospace">
<rect x="864" y="96" width="272" height="244" rx="14" fill="#0d0d10" stroke="#313944" stroke-width="2"/>
<circle cx="890" cy="128" r="6" fill="#30d158"/>
<text x="906" y="135" font-size="20" fill="#F3F4F6">:8080</text>
<text x="1116" y="135" font-size="18" fill="#9CA3AF" text-anchor="end">SSE</text>
<path d="M864 154 h272" stroke="#232a33" stroke-width="2"/>
<text x="884" y="186" font-size="18" fill="#9CA3AF">/v1/chat/completions</text>
<g font-family="system-ui, -apple-system, 'Segoe UI', Roboto, Helvetica, Arial, sans-serif" font-size="20" fill="#F3F4F6">
<rect x="884" y="204" width="58" height="34" rx="8" fill="#101c2d" stroke="#203451" stroke-width="2"/>
<text x="913" y="228" text-anchor="middle">Olá</text>
<rect x="950" y="204" width="30" height="34" rx="8" fill="#101c2d" stroke="#203451" stroke-width="2"/>
<text x="965" y="228" text-anchor="middle">,</text>
<rect x="988" y="204" width="68" height="34" rx="8" fill="#101c2d" stroke="#203451" stroke-width="2"/>
<text x="1022" y="228" text-anchor="middle">tudo</text>
<rect x="884" y="248" width="62" height="34" rx="8" fill="#101c2d" stroke="#203451" stroke-width="2"/>
<text x="915" y="272" text-anchor="middle">bem</text>
<rect x="954" y="248" width="30" height="34" rx="8" fill="#101c2d" stroke="#203451" stroke-width="2"/>
<text x="969" y="272" text-anchor="middle">?</text>
<rect x="994" y="252" width="12" height="26" rx="2" fill="#4b86ff"/>
</g>
<text x="884" y="318" font-size="18" fill="#9CA3AF">"stream": true</text>
</g>
</svg>
Side by Side

After

Width:  |  Height:  |  Size: 4.2 KiB