I gave my local LLM a system prompt modeled on how Claude talks, and it stopped feeling like a cheap substitute

MCP Explained

An interactive guide to the Model Context Protocol: every JSON-RPC message on the wire, step by step. Transports, OAuth, tools, resources, sampling, elicitation, tasks, tool search and codemode.

I put a local AI model on a bootable USB, so I can troubleshoot a dead PC with a chatbot that doesn't need the internet

My rescue USB now also helps me make sense of disk errors.

How to run an LLM locally

Run an LLM locally with Ollama. See how much memory you need, where LM Studio and llama.cpp fit, and how to call the model from code.

4 jobs my local AI handles for free that I would never trust with a cloud model

Not all my information is meant to reach OpenAI's servers

I replaced Grammarly Pro with a local model on my GPU, and my drafts never leave my PC

My local LLM replaces yet another subscription for effectively $0

Someone used Claude to give GTA 2 a big graphical update, and you can play it too

It really looks the part now.

I gave my Windows 11 clipboard a local LLM brain, and it made trivial copy-paste operations a lot more productive

Since everything remains local, I can run inference operations on private clipboard data freely

I changed one llama.cpp flag, and my 8GB laptop GPU now runs a 35B model faster than I can read

Một lập trình viên đã tìm ra cách chạy model Llama 35B trên laptop GPU chỉ 8GB VRAM với tốc độ đáng kinh ngạc. Nguyên nhân kỹ thuật nằm ở việc chỉnh sửa cờ n_gpu_layers trong llama.cpp, cho phép tận dụng hiệu quả bộ nhớ VRAM thay vì để nó trở thành điểm nghẽn. Hệ quả là model 35B parameters chạy nhanh đến mức người dùng không kịp theo dõi, vượt xa các kỳ vọng ban đầu về giới hạn phần cứng. Điều đáng học hỏi là đôi khi vấn đề không nằm ở cấu hình phần cứng mà ở cách tối ưu hóa phần mềm để khai thác tiềm năng thực sự của hardware.

Bài viết tiết lộ cách tối ưu hóa một cờ trong llama.cpp để chạy mô hình 35B trên GPU 8GB nhanh hơn tốc độ đọc của bạn.