Human-in-the-loop sustavi su arhitektura, ne checkbox
Human-in-the-loop AI radi samo kada je review točka ugrađena u state workflowa, risk model, audit trail i način oporavka.
Kategorija
AI
28 odgovarajućih blog objava u ovoj tematskoj traci arhive.
Vodič kroz kategoriju
AI je širi tematski sloj ove arhive.
Što ovdje pripada
Praktične bilješke o implementaciji AI-ja za sustave koji moraju biti pouzdani, mjerljivi i korisni u produkciji.
Kako čitati arhivu
Članci o agentnim tijekovima rada, integraciji modela, dizajnu dohvaćanja i ograničenjima produkcijskog AI-ja.
Koliko je široko
Trenutno sadrži 28 objava i 27 povezanih tagova koji otkrivaju detaljnije podteme.
Česti tagovi u ovoj kategoriji
Hermes vs workflow alati: kada koristiti cron, skills i MCP
Hermes nije zamjena za determinističke workflow alate, ali je snažan sloj za fleksibilne taskove koji trebaju prosudbu, alate, memory i scheduled execution.
Hermes Agent i zašto su važni samo-unapređujući osobni AI agenti
Hermes Agent je zanimljiv zato što memoriju, skillove i pretragu prijašnjih sesija tretira kao temeljnu infrastrukturu za osobne AI agente.
Gradnja Pija u svijetu slopa — Mario Zechner
Koristan talk Marija Zechnera o gradnji Pija s jačom produktnom filozofijom u tržištu punom plitkih AI alata i ponavljajućeg agentskog hypea.
"PI" coding agent je puno više od još jednog sjajnog coding agenta
Koristan video pregled Pi coding agenta i razloga zbog kojih se njegov proširivi, terminal-first pristup razlikuje od zatvorenijih coding-agent alata.
Kako procijeniti Pi katalog modela prije odabira coding agent setupa
Pi katalog modela koristan je zato što prije nego što se developer veže uz jedan coding-agent workflow čini vidljivima tradeoffe oko providera, context limita i cijene.
Što je pi.dev i zašto je važan za terminalske coding workflowe
Pi se pozicionira kao minimalni terminalski coding harness, a upravo je taj fokus važan developerima koji žele da se agentski alat prilagodi njihovu workflowu umjesto da ga zamijeni.
Kako odabrati između pgvectora i Qdranta za product search
pgvector i Qdrant oboje podržavaju embeddings, ali odgovaraju različitim operativnim modelima za product search i retrieval.
Richard Sutton - 'LLMs su slijepa ulica' (druga, korisna perspektiva)
Zašto Richard Sutton - otac reinforcement learninga - current LLM-ove naziva 'slijepom ulicom' i što to znači za istrazivace i praktikante.
Kako planirati OpenClaw agent workflow s kanalima, memorijom i guardrailovima
OpenClaw najbolje radi kada su kanali, memorija i guardrailovi planirani kao dio workflowa, a ne dodani nakon prvog prototipa.
Kada koristiti LangGraph, LangChain i LangSmith u jednom AI stacku
LangChain, LangGraph i LangSmith rješavaju različite probleme, a stack je jasniji kada svaki sloj ima specifičan posao.
Zašto je LangGraph pravi sloj za stateful AI workflowe
LangGraph je izgrađen za dugotrajne, stateful agentske workflowe gdje su durable execution, ljudski review i kontrolirano nastavljanje važni.
Kako prijeći s prototipa na produkciju s LangChainom
Praktična production checklist za LangChain aplikacije kojima trebaju tracing, evaluacija, integracijske granice i realan put do deploya.
LangChain, LangGraph i LangSmith: koji sloj trebate?
LangChain, LangGraph i LangSmith rješavaju različite probleme u istom ekosustavu: gradnju aplikacija, orchestration i observability.
Qdrant multitenancy i collection aliasi za production RAG
Qdrant multitenancy i collection aliasi olakšavaju serviranje više korisnika i sigurno prebacivanje retrieval indexa u production RAG sustavima.
Što je LangChain i kada biste ga trebali koristiti?
LangChain je brz način za gradnju custom LLM aplikacija i agenata, posebno kada želite praktičan početak umjesto praznog orchestration layera.
Qdrant ili pgvector: koji retrieval layer trebate odabrati?
Praktična usporedba zadržavanja vektora u PostgreSQL-u s pgvectorom i premjestanja retrievala u Qdrant.
Kako izgraditi RAG sustav s Qdrantom i hybrid searchom
Praktična Qdrant RAG arhitektura koja koristi dense vectors, sparse vectors, prefetch i multi-stage search.
Što je Qdrant i kada biste ga trebali koristiti?
Qdrant je AI-native vector search engine za timove kojima trebaju semantic retrieval, multitenancy i fleksibilni vector layouti.
Kako učiniti RAG pouzdanijim uz evaluation i LangSmith
RAG sustavi postaju korisni kada evaluirate kvalitetu retrievala, branite se od prompt injectiona i pregledavate tragove s LangSmithom.
Kako izgraditi RAG pipeline s PostgreSQL-om i pgvectorom
Praktična RAG arhitektura koja koristi PostgreSQL, pgvector, embeddings i model koji odgovara na temelju dohvaćenog contexta.
Što je pgvector i kada biste ga trebali koristiti?
pgvector dodaje vector search u PostgreSQL i dobar je fit kada retrieval želite blizu postojećih podataka.
Kako odabrati OpenClaw kanale, modele i trust granice
Kako odlučiti koji OpenClaw kanal, model i trust boundary setup odgovara osobnim asistentima, timskim asistentima i osjetljivijim workflowima.
OpenClaw sigurnosna checklist za osobnu i timsku uporabu
Praktična sigurnosna checklist za OpenClaw deploye, uključujući allowliste, sandboxing, reverse proxye, tajne i trust granice.
Kako sigurno postaviti OpenClaw na VPS ili lokalnom računalu
Praktičan vodič za instalaciju OpenClawa, onboarding i odabir deployment modela koji odgovara vašim privacy i availability potrebama.
OpenClaw vs n8n i Zapier: kada koristiti agenta umjesto workflow alata
OpenClaw i alati poput n8n ili Zapiera rješavaju povezane, ali različite probleme: OpenClaw je agentic i chat-first, dok su workflow alati deterministični i trigger-driven.
Kako OpenClaw radi: kanali, gateway, memorija i skills
OpenClaw spaja gateway, trajnu memoriju, chat kanale i skills kako bi asistent mogao primati zahtjeve i djelovati kroz vrijeme.
Što je OpenClaw i zašto je važan za AI workflowe
OpenClaw je chat-first, open-source AI agent platforma koja radi na vašem računalu i može izvršavati stvarne zadatke, a ne samo generirati tekst.