Introdução​

Eu usualmente trabalho com Java e Go, mas às vezes estudo Rust por curiosidade. Frequentemente vejo muitas aplicações e suas integrações de IA usando Java com frameworks como Spring AI ou LangChain4j. Embora sejam ótimos, eu queria explorar como o ecossistema Rust lida com o boom dos LLMs com suas promessas de segurança e desempenho.

Então eu comecei a pesquisar e descobri um framework fantástico em Rust chamado Rig. Ele torna a interação com LLMs incrivelmente intuitiva, aproximando a experiência do desenvolvedor do que vemos em outros SDKs de IA maduros.

O propósito deste artigo é criar um exemplo simples de um aplicativo em Rust que se conecta ao Ollama Cloud usando uma sessão autenticada via ollama signin.

Vamos explorar juntos como construir uma aplicação Rust que interage com LLMs de forma eficiente e segura.

Introduction​

When I started writing tests in Rust, it felt different from what I was used to in Java and Go.

Not better. Not worse. Just different.

But that difference reveals something deeper about how Rust approaches architecture and modularity.

Project: rust-learning - User CRUD with SQLite​

Recently, I have been deepening my studies in Rust, and to solidify my learning I built a practical project: a complete User CRUD application using SQLite.

The project, available on GitHub, demonstrates how I applied core Rust concepts in a real-world backend scenario, including asynchronous programming, structured error handling, layered architecture (Service/Repository), and database integration with SQLx.

This hands-on implementation was essential to move beyond theory and translate Rust’s safety and performance principles into practical, production-style code.

Repository: 👉 https://github.com/Daniel-Dos/rust-learning