How I built a local pipeline for blog cover images with InvokeAI and Krea 2 Turbo: from the prompt recipe through the API to the script, plus the limits of a 16 GB AMD card – HIP OOM, tiled VAE decoding and a ten-minute cold start.
Claude Code liefert Telemetrie, aber keine Antwort auf die Frage, wo mein Verbrauch hingeht. Also exportiere ich sie lokal, lasse sie von Claude selbst auswerten und messe, ob die Maßnahmen wirken – ein Feedback-Loop in einer einzigen Python-Datei ohne Abhängigkeiten.
Schema erzwingen, Ausgabe validieren, mit Fehlerliste neu versuchen, reparieren statt abbrechen – wie die Jobschleuse ein kleines lokales Modell zuverlässig genug macht. Konkreter Code statt Theorie.
A note on specification over model size: why task precision and a verification loop bring more reliability than the next frontier model – and why that is directly measurable in tokens and watts.
