Enterprise Delivery OS

Počni ovdje Referentni modeli Operativni playbookovi Procjene Runbookovi i kontrole

Operativni sistem za isporuku preduzeća

Referentni modeli. Operativni priručnici. Priručnici za rad i kontrole.

Tehnološki agnostičan, preduzetničkog nivoa
Ugrađene kontrole + dokazi
KPI-jevi i SLO-ovi, a ne mišljenja

Šta je ovo

Ova biblioteka pomaže timovima da izgrade i upravljaju digitalnim sistemima sa predvidivim ishodima: rast, pouzdanost i poverenje.

Svaka tema je strukturirana kao model (kako izgleda dobro), priručnik (kako implementirati) i operativni priručnik (kako bezbedno raditi).

Kako se kretati

Koristite Počnite ovde da odaberete svoj problem i nivo zrelosti.
Koristite Referentne modele za dizajniranje sposobnosti i kontrola.
Koristite Priručnike za bezbedno sprovođenje promena.
Koristite Operativne priručnike kada je rizik visok i vreme je važno.

Osnovne biblioteke

Počnite ovde Referentni modeli Operativni priručnici Priručnici za rad i kontrole Procene

Articles

Šta je RAG? Najjednostavnije objašnjenje kako funkcioniše

RAG zvuči komplikovano, ali ideja je jednostavna: pre nego što AI odgovori, prvo potraži korisne informacije iz izvora znanja i daje te informacije jezičkom modelu. Ovaj vodič objašnjava RAG, LLM-ove, stanje, memoriju i alate koristeći jedan jednostavan mentalni model.

Pročitaj više

25. септембар 2026.

Agenti za korišćenje računara: Zašto uspešan demo i dalje može biti nepouzdan sistem

Agenti za korišćenje računara sada mogu da završe impresivne radne tokove u pregledaču i na radnoj površini, ali jedno uspešno izvršavanje dokazuje sposobnost—ne pouzdanost. Ovaj članak pokazuje kako testirati ponovljivost, robusnost u odnosu na okruženje, kontrolu dugog horizonta, svest o stanju, verifikaciju ishoda i bezbedno upravljanje ciljevima.

Pročitaj više

25. септембар 2026.

MCP vs A2A vs UCP vs AP2 vs A2UI: Objašnjen stek agentskih protokola

MCP, A2A, UCP, AP2 i A2UI se često predstavljaju kao konkurentski standardi za agente. Oni uglavnom rešavaju različite probleme interoperabilnosti. Ovaj vodič mapira svaki protokol na granicu koju zapravo standardizuje—i pokazuje kako oni mogu da rade zajedno u jednom produkcionom sistemu.

Pročitaj više

25. септембар 2026.

Upravljani harness za agente naspram samostalno hostovane petlje agenta: Šta dobijate, šta gubite

“Samostalno hostovani agent” može značiti veoma različite arhitekture. Ovaj vodič razgraničava upravljani harness, samostalno hostovano okruženje za izvršavanje i potpuno samostalno upravljanu petlju agenta—i pokazuje koja je granica kontrole timovima zapravo potrebna.

Pročitaj više

25. септембар 2026.

Migracija sa OpenAI Agents SDK na Agents API: Šta se zapravo menja arhitektonski?

Migracija sa OpenAI Agents SDK na novi Agents API nije samo preimenovanje importa. Granica izvršnog okruženja se menja: petlja agenta, trajna sesija, orkestracija, sažimanje konteksta i oporavak premeštaju se ka upravljanom okviru. Ovaj vodič pokazuje šta treba premestiti, šta treba da ostane u vašoj aplikaciji i kako da dokažete migraciju pre prelaska.

Pročitaj više

25. септембар 2026.

OpenAI Agents API vs Agents SDK vs Responses API: Na čemu bi trebalo da gradite u 2026?

OpenAI-jev stek agenata promenio se u septembru 2026. Ovaj arhitekturni vodič razdvaja Agents API, Agents SDK, Responses API i Codex SDK prema vlasništvu nad izvršnim okruženjem—kako bi timovi mogli da izaberu pravu granicu kontrole umesto da porede nazive proizvoda.

Pročitaj više

25. септембар 2026.

Zašto više konteksta može pogoršati AI odgovore

Veći kontekstni prozor ne garantuje bolji odgovor. Ovaj članak objašnjava kako razblaživanje signala, protivrečni dokazi, zastarelo stanje, osetljivost na poziciju i kompresija sa gubicima mogu smanjiti pouzdanost veštačke inteligencije—i uvodi praktičan test pritiska konteksta.

Pročitaj više

25. септембар 2026.

Kako znati da li je AI agent zaista koristio prave dokaze

AI agent može citirati izvore i ipak koristiti pogrešne dokaze. Ovaj članak predstavlja praktičnu metodu za proveru potkrepljenosti tvrdnji, autoriteta izvora, primenjivosti, porekla i toga da li su dokazi zaista uticali na odgovor.

Pročitaj više

25. септембар 2026.

Memorija AI agenta nije RAG: Kako razdvojiti memoriju, pronalaženje, stanje i kontekst

Memorija agenta, RAG, stanje i kontekst često se koriste kao da su međusobno zamenjivi. Oni to nisu. Ovaj praktični arhitektonski model razdvaja ova četiri sloja, pokazuje gde svaki pripada i objašnjava šta se kvari kada ih sistemi stope u jedno.

Pročitaj više

25. септембар 2026.

Šta bi AI agent trebalo da zapamti, zaboravi, ponovo izračuna ili ponovo preuzme?

Dugotrajni agenti ne bi trebalo da pamte sve. Ovaj članak pruža praktičan model životnog ciklusa za odlučivanje o tome šta pripada trajnoj memoriji, šta bi trebalo ponovo preuzeti, šta je bezbednije ponovo izračunati i šta bi trebalo da istekne ili bude zamenjeno.

Pročitaj više

24. септембар 2026.

RAG nije uspeo — ali koji sloj je zapravo zakazao? Dijagnostička metoda

Kada je RAG odgovor pogrešan, kriviti pretragu ili model je previše neodređeno. Ova dijagnostička metoda izoluje pokrivenost izvora, konstrukciju upita, pretragu, rangiranje, sastavljanje konteksta, generisanje, pripisivanje dokaza i svežinu—tako da se stvarni kvar može reprodukovati i ispraviti.

Pročitaj više

24. септембар 2026.

Granica valjanosti odgovora: Nedostajući sloj između relevantnosti i pouzdanih AI odgovora

Izvor može biti relevantan, autoritativan i ipak pogrešan za pitanje koje se postavlja. Sloj koji nedostaje je primenljivost: uslovi pod kojima odgovor važi i promene koje ga primoravaju na preispitivanje. Ovaj članak predstavlja Granicu važenja odgovora kao obrazac za dizajn izvora za ljude, AI pretragu i RAG sisteme.

Pročitaj više

1 / 4