Software & AI

Odabrani inženjerski projekti

Zbirka softverskih, AI i digitalnih proizvoda koje sam gradio tokom godina.

Pogledaj case studies

Softverski proizvodi i interni alati

Custom softver za vođenje proizvoda, timova i svakodnevnih operacija - od internih workspace-ova i finansijskih alata do inventara, izveštavanja i SaaS upravljanja.

Sales Operations Workspace

Interni workspace za sales i delivery

Kome služi

Napravljeno za tim koji osnivač sam vozi i prodaju i isporuku, a kome je trebalo jedno mesto za leadove, CRM beleške, ponude, rokove, klijentski kontekst i znanje o isporuci.

Šta je napravljeno

Custom interni workspace za istraživanje leadova, CRM, klijentski kontekst, pripremu ponuda, follow-up, rokove, dokumente, briefove, beleške o isporuci i playbook-ove.

Zašto je važno

Workspace spaja rasutu poslovnu informaciju sa svakodnevnim radom, tako da istraživanje, follow-up, klijentski briefovi, priprema i beleške o isporuci nisu razbacani po nepovezanim alatima.

Tehnički detalji

Custom interni workspace za istraživanje leadova, CRM, klijentski kontekst, pripremu ponuda, follow-up, rokove, dokumente, briefove, beleške o isporuci i playbook-ove. Operativni kontekst stoji pored stvarnog posla, pa se koristi za output, draft materijala ka klijentu, briefove, follow-up beleške, znanje o isporuci i izvršenje kroz sales i delivery workflow. Nakon što se završi Fathom sastanak, workspace obrađuje zapis i izdvaja zadatke i rokove. Takođe scrape-uje linkove sajtova konferencija da izdvoji relevantne prilike i rokove za prijavu.

Implementacija: Next.js, Internal Workspace, CRM, Execution Tools, Knowledge Base, AI Context Layer

Pročitaj case study

Finance asistent

AI platforma za praćenje i planiranje finansija

Kome služi

Fintech startup je hteo ličniji način da korisnik vidi novac.

Šta je napravljeno

Full-stack AI finance platforma sa WhatsApp-om kao glavnim kanalom.

Zašto je važno

Prihod, trošak, ciljevi i upitnici postaju razgovor i nedeljni sažetak.

Tehnički detalji

Full-stack AI finance platforma sa WhatsApp-om kao glavnim kanalom. WhatsApp bot end-to-end: onboarding kroz setup naloga, kategorije prihoda i ciljeve, pa nedeljni AI sažeci sa breakdown-om potrošnje, trendovima i napretkom ka cilju. AI sloj čita finansijski profil, računa i predlaže. Pro Planovi nastaju iz detaljnih pitanja o situaciji, riziku i ciljevima. UI se menja po korisniku.

Implementacija: OpenAI, Next.js, TypeScript, Python, FastAPI, PostgreSQL, PG Vector, WhatsApp API

Praćenje SaaS troška i licenci

Aktivne aplikacije, licence pred istekom i team settings

Kome služi

Tim nije mogao da odgovori na tri pitanja bez spreadsheet-a: koje aplikacije plaćamo, koje licence uskoro ističu, i ko drži settings.

Šta je napravljeno

Dashboard nad celim SaaS inventarom: grafikoni troška i stack-a, tabele sa kojima tim može da radi, i alertovi pred istek licence.

Zašto je važno

Dashboard stavlja aktivne appove, trošak, rokove i user/team settings na jedan ekran, pa CSV export više nije uslov da se to vidi.

Tehnički detalji

Dashboard nad celim SaaS inventarom: grafikoni troška i stack-a, tabele sa kojima tim može da radi, i alertovi pred istek licence. Widgeti: lista aktivnih appova, pregled tech stack-a, licence blizu isteka, najveći troškovi i panel za preporuku. Settings za korisnike i timove. Light tema i raspored widgeta prerađeni da isti podaci budu čitljivi na desktopu. Ulazni CSV i scrape fajlovi se čiste, deduplikuju, klasifikuju, dobijaju kratak opis i radeće logoe.

Implementacija: Next.js, React, TypeScript, CSV Import, Data Classification

Softver za rad kafića

Praćenje zaliha i dnevni izveštaj

Kome služi

Kafiću je trebalo da prati zalihe i zatvori dan izveštajem, umesto da brojke sklapa ručno.

Šta je napravljeno

Custom web app za dnevni rad kafića: nivoi zaliha, kretanje kroz dan i dnevni izveštaj na koji se tim zatvara.

Zašto je važno

Aplikacija drži kretanje zaliha i dnevni close na istim zapisima, pa poseban spreadsheet nije potreban.

Tehnički detalji

Custom web app za dnevni rad kafića: nivoi zaliha, kretanje kroz dan i dnevni izveštaj na koji se tim zatvara. Frontend i backend su građeni zajedno, pa promena zalihe upisuje isti zapis koji end-of-day čita. Produkcija, ne prototip: osoblje ga koristi tokom smene.

Implementacija: Next.js, TypeScript, Supabase, Inventory Tracking, Daily Reports

Sistemi za znanje i dokumente

Sistemi koji dokumente, propise, evidencije, izveštaje i skenirani source pretvaraju u struktuirane podatke, chunkove spremne za retrieval, odgovore sa citatom i baze znanja koje možeš da evaluiraš.

Obrada skeniranih dokumenata

OCR + Vision-Language pipeline

Kome služi

Organizacija je imala neredne skenirane izveštaje koje je trebalo pretvoriti u pretraživo, struktuirano znanje.

Šta je napravljeno

Self-hosted OCR + Vision-Language Model pipeline na GPU-u sa CUDA optimizacijom.

Zašto je važno

Obrada je automatizovana, pa velike količine informacija koje su ranije bile teške za rad postaju pretražive, analitičke i ponovo upotrebljive.

Tehnički detalji

Self-hosted OCR + Vision-Language Model pipeline na GPU-u sa CUDA optimizacijom. Radi skenirane dokumente, složene layout-e, tabele i ugnježdene slike. Više OCR engine-ova (PaddleOCR, Nanonets, MistralOCR, Deepseek OCR, OlmOCR) je benchmarkovano na reprezentativnom korpusu da se po tipu dokumenta izabere najbolji. Ima pametno chunkovanje i semantički embedding za downstream RAG.

Implementacija: PaddleOCR, MistralOCR, Nanonets, Deepseek OCR, OlmOCR, Gemini Vision, CUDA, Python, Pinecone

Pročitaj case study

Asistent za pravno istraživanje

Agentic RAG sa retrieval-om i obrazloženjem iz izvora

Kome služi

Pravna organizacija sa gustim, nestandardizovanim propisima.

Šta je napravljeno

Multi-agent RAG pipeline za složene pravne korpuse.

Zašto je važno

Sistem nalazi i objašnjava relevantne pasuse, pa korisnik brže dođe do pravog odeljka umesto da ručno prelazi duge regulative.

Tehnički detalji

Multi-agent RAG pipeline za složene pravne korpuse. Custom AI chunker seče nestandardizovan pravni tekst a čuva unakrsne reference. Hybrid retrieval spaja BM25 i vector search, pa RRF slaže ranking. LLM-as-Judge ocenjuje relevantnost i kompletnost pasusa pre generisanja odgovora. Metadata dodaje filtere po jurisdikciji, tipu dokumenta i datumu.

Implementacija: LangGraph, Anthropic Claude, Pinecone, BM25, Vector Search, RRF, LLM-as-Judge, Metadata Enrichment, Python

Pročitaj case study

Asistent za pokriće

Retrieval i zaključivanje preko zdravstvenih dokumenata i live podataka

Kome služi

Zdravstvena organizacija je trebala tačne odgovore o pokriću, procedurama i dokumentaciji, bez da support ide u svaki zahtev.

Šta je napravljeno

Retrieval asistent za Health AI.

Zašto je važno

Odgovori dolaze iz izvora, ne iz praznog modela.

Tehnički detalji

Retrieval asistent za Health AI. Odgovara na pitanja o pokriću, procedurama i dokumentaciji iz zvaničnih izvora: PPTX, SQL baze i regulatorni tekst. Infrastruktura je self-hosted: Supabase za podatke i auth, Qdrant za vektore, OpenRouter za više LLM-ova. Hugging Face embeddingi sa reranking pipeline-om. Arize Phoenix za tracing kvaliteta retrieval-a i latencije. Svaki odgovor ima izvor, a memory drži višeturne razgovore o složenim procedurama.

Implementacija: Qdrant, Supabase, OpenRouter, Hugging Face, Reranking, Arize Phoenix, Python, RAG

Akademski asistent

Višejezični AI asistent sa retrieval-om dokumenata i live rasporedom

Kome služi

Obrazovna ustanova je trebala studentima i osoblju pouzdane akademske informacije.

Šta je napravljeno

Višejezični retrieval asistent za visokoškolsku ustanovu u Srbiji.

Zašto je važno

Asistent je rasporede, ispite i sadržaj ustanove stavio iza običnog chata.

Tehnički detalji

Višejezični retrieval asistent za visokoškolsku ustanovu u Srbiji. Pitanja o ispitima i rokovima idu na live MySQL tabelu da odgovor uvek prati aktuelni raspored; ostalo ide na semantičku pretragu scrapeovanog sadržaja (Pinecone, paraphrase-multilingual-MiniLM-L12-v2, Gemini). Ingest pretvara ćirilicu u latinicu, skida HTML šum i chunkuje RecursiveCharacterTextSplitter-om pre embeddinga. Istorija razgovora i auth su u MySQL-u; Streamlit je studentima frontend.

Implementacija: Pinecone, MySQL, Gemini, Streamlit, Hybrid RAG, paraphrase-multilingual-MiniLM-L12-v2, RecursiveCharacterTextSplitter, Python

Obrada dokumenata

AI-agent pipeline za chunkovanje dokumenata

Kome služi

Timovi sa velikim, neujednačenim zbirkama dokumenata.

Šta je napravljeno

Chunkovanje koje vodi AI agent: gleda strukturu dokumenta i seče po semantičkom smislu, hijerarhiji i tipu sadržaja.

Zašto je važno

Pipeline podiže kvalitet retrieval-a tako što neredne dokumente prvo iseče u smislenije celine, pa tek onda idu downstream.

Tehnički detalji

Chunkovanje koje vodi AI agent: gleda strukturu dokumenta i seče po semantičkom smislu, hijerarhiji i tipu sadržaja. Kad agent nije isplativ, pada na LangChain splittere (RecursiveCharacterTextSplitter, MarkdownHeaderTextSplitter). Čisti header/footer, normalizuje metadata za vektore, detektuje tabele i opisuje ugnježdene slike. Građeno za heterogene zbirke gde obični splitter puca: mešani formati, neredna struktura, tabele, vizuali i različite šeme.

Implementacija: Python, AI Agents, RecursiveCharacterTextSplitter, MarkdownHeaderTextSplitter, Table Detection, Metadata Normalization, Pinecone

Asistent za građevinske propise

RAG sistem za building code-ove i regulative

Kome služi

Građevinari i arhitekte sa gustim propisima.

Šta je napravljeno

Specijalizovan RAG za building code i građevinske regulative.

Zašto je važno

Asistent nalazi i objašnjava pravi pasus, brže i sa manjim rizikom da se pogrešno protumači.

Tehnički detalji

Specijalizovan RAG za building code i građevinske regulative. Parsira pravni tekst uz svest o poglavljima, odeljcima, pododeljcima i amandmanima. Vraća tačan pasus sa citatom (dokument, poglavlje, odeljak, stav). Verifikacija izvora proverava citat nad originalom da se ne ubace izmišljene reference.

Implementacija: Python, RAG, Citation Engine, Legal Document Parsing, Source Verification, Pinecone

Product dokumentacija

Autonomni agent za generisanje dokumentacije

Kome služi

Platforma bez postojeće dokumentacije.

Šta je napravljeno

Crawling agent koji nestrukturirane izvore pretvara u queryable knowledge base.

Zašto je važno

Sistem je prošao aplikaciju, izvukao znanje sa ekrana i workflow-a, i sam napravio user guide. Kad se proizvod menja, baza znanja može da se regeneriše.

Tehnički detalji

Crawling agent koji nestrukturirane izvore pretvara u queryable knowledge base. Izvlači bitan sadržaj i slaže ga za tim i klijente. Generiše korak-po-korak uputstva iz dokumentovanih feature-a. Self-update: vidi promenu u dokumentaciji i regeneriše pogođene delove.

Implementacija: Python, Web Crawling, Knowledge Base, Content Extraction, Auto-Update Pipeline

Asistent za kompanijsko znanje

Query interfejs preko retrieval-a

Kome služi

Interni timovi su trebali brži pristup kompanijskom znanju.

Šta je napravljeno

Query interfejs nad generisanim knowledge base-ovima.

Zašto je važno

Umesto lova kroz dokumentaciju, dobijaju konkretan odgovor sa izvorom.

Tehnički detalji

Query interfejs nad generisanim knowledge base-ovima. Odgovori iz organizacionih podataka, ne sa weba. Retrieval sa atribucijom izvora. Za timove kojima treba brz odgovor bez prekopavanja dokumenata.

Implementacija: Python, RAG, Vector Search, Source Attribution, Next.js

Vizuelni knowledge asistent

Multimodal visual RAG asistent

Kome služi

Važne informacije su bile i u tekstu i u vizualima.

Šta je napravljeno

Multimodalni sloj preko tekstualnog asistenta.

Zašto je važno

Korisnik pita običnim jezikom, sistem vraća relevantno iz dijagrama, priručnika i dokumenata punih slika.

Tehnički detalji

Multimodalni sloj preko tekstualnog asistenta. Pitanje ide na vector store slika - priručnici, instalacioni dijagrami, tehnički listovi - bez OCR-a i bez generisanja caption-a. ColPali i ColQwen enkodiraju sliku u late-interaction embeddinge. Query se matchuje similarity search-om i vraća vizuelno i semantički najbliže stranice. Odgovor stoji na retrieved slici plus tekstualnoj dokumentaciji.

Implementacija: ColPali, ColQwen, Multimodal RAG, Next.js, Python, Pinecone

Korisnička podrška i glasovni sistemi

Aplikacije gde AI vuče kontekst, zove kodirane alate, sprema output, ažurira zapise, pomaže odluke i šalje posao na ljudsko odobrenje kad treba.

Asistent za product support

AI podrška za proizvode i instalaciju

Kome služi

Etablirana nemačka firma sa tehničkim proizvodima, specifikacijama, use case-ovima i instalacijom.

Šta je napravljeno

Website asistent na nemačkom: katalog, side-by-side poređenje i detaljna uputstva za instalaciju.

Zašto je važno

Asistent pomaže kupcu da nađe pravi proizvod, razume instalaciju i uporedi opcije, pa se ponavljajuća support pitanja smanje a self-service poraste.

Tehnički detalji

Website asistent na nemačkom: katalog, side-by-side poređenje i detaljna uputstva za instalaciju. Vođeni tokovi skupljaju kontakt, uz predložena pitanja da trenje padne. Analytics dashboard prati razgovore, feedback i conversion. FAQ sa confidence scoringom ubrzava self-service.

Implementacija: Next.js, OpenAI, Analytics Dashboard, Lead Capture, FAQ System, Python

Kompanijski asistent

AI asistent nad kompanijskim znanjem

Kome služi

Klijenti i zaposleni su trebali brzo da razumeju proizvode, usluge i interne politike.

Šta je napravljeno

Retrieval asistent nad dokumentacijom: specifikacije, opisi usluga, politike, FAQ.

Zašto je važno

Asistent diže self-service i kroz analitiku razgovora pokazuje gde knowledge base ima rupe.

Tehnički detalji

Retrieval asistent nad dokumentacijom: specifikacije, opisi usluga, politike, FAQ. Dva moda: kratak odgovor i prošireni koji vuče dodatni kontekst iz povezanih dokumenata. Predložena pitanja iz retrieved konteksta. Analitika prati šta se najčešće pita i gde baza zaostaje.

Implementacija: Next.js, OpenAI, RAG, Vector Search, Conversation Analytics

AI recepcija

Glasovna AI recepcija i booking

Kome služi

Servisni biznis je propuštao pozive i gubio rezervacije.

Šta je napravljeno

AI koji javlja se na telefon, uzima termine i vodi ceo reservation flow kroz prirodan razgovor.

Zašto je važno

AI recepcija javlja se, vodi rezervaciju i skida sa osoblja ponavljajuće telefonske razgovore.

Tehnički detalji

AI koji javlja se na telefon, uzima termine i vodi ceo reservation flow kroz prirodan razgovor. SIP plus speech u realnom vremenu, integracija u dispatch. Bez čekanja, bez dodatnih operatera, bez propuštenih poziva.

Implementacija: LiveKit, Google Gemini, Python, Prompt Engineering, Validation Flows, Webhook Orchestration

Pronalaženje prostora

Konverzacioni sistem za venue discovery i outreach

Kome služi

Event-planning firma je trebala brže da nađe pogodan prostor.

Šta je napravljeno

Conversational AI preko Google Places API.

Zašto je važno

Asistent vodi od zahteva do pronalaženja, rankinga i personalizovanog outreach-a.

Tehnički detalji

Conversational AI preko Google Places API. Follow-up pitanja sužavaju kriterijum. Scraping i reranking filtriraju rezultate. Generiše personalizovane mejlove ka izabranim venue-ima. Ceo tok od discovery-ja do kontakta u jednom razgovoru.

Implementacija: Google Places API, Python, Web Scraping, Reranking, Email Generation, React

Voice AI app

Mobilna aplikacija sa AI glasom u realnom vremenu

Kome služi

Mobile startup je hteo da korisnici pričaju sa AI-jem glasom.

Šta je napravljeno

React Native aplikacija sa AI glasovnim razgovorima.

Zašto je važno

Rešenje je produkcioni mobile experience: speech u realnom vremenu, auth i pretplate.

Tehnički detalji

React Native aplikacija sa AI glasovnim razgovorima. Vapi.ai radi speech. Supabase je auth i persistencija. RevenueCat vodi In-App Purchase pretplate. Produkcijni iOS build za App Store, sa punim lifecycle-om pretplate.

Implementacija: React Native, Expo, Vapi.ai, Supabase, RevenueCat, WebRTC, TypeScript

Kontekstualni voice asistent

Multi-agent voice sistem sa LangGraph-om

Kome služi

Eksperimentalna AI platforma je trebala življi glasovni razgovor.

Šta je napravljeno

LangGraph state machine sa uslovnim granama za routing između persona.

Zašto je važno

Sistem šalje korisnika između AI personi i drži dinamičniju spoken interakciju.

Tehnički detalji

LangGraph state machine sa uslovnim granama za routing između persona. Klasifikacija govora u realnom vremenu bira koji agent uzima turn. ElevenLabs TTS za prirodan glas.

Implementacija: LangGraph, LangChain, Google Gemini, ElevenLabs TTS, Speech Recognition, Python

Podaci, analitika i automatizacija

Interfejsi, pipeline-i, aplikacije, autentikacija i deploy za produkcione proizvode i postojeće codebase-ove.

Market intelligence

Pipeline za ekstrakciju weba na velikoj skali

Kome služi

Firma za market intelligence je trebala struktuirane podatke sa hiljada sajtova.

Šta je napravljeno

Veliki skup kandidat URL-ova se prvo filtrira do upotrebljivih sajtova.

Zašto je važno

Pipeline je izvukao cene, feature-e i metadata sa više od dve hiljade sajtova i od javnog nereda napravio upotrebljiv dataset.

Tehnički detalji

Veliki skup kandidat URL-ova se prvo filtrira do upotrebljivih sajtova. Crawl4AI je primarni engine za brz, JavaScript-aware crawl. Rotacija proksija i browser automatizacija za teške i zaštićene sajtove. Vision AI fallback (Gemini) za sajtove koji blokiraju i headless browser. Pydantic schema drži output konzistentnim. Izvučeni su pricing tier-i, liste feature-a i metadata firmi.

Implementacija: Python, Crawl4AI, Gemini Vision, Pydantic, Proxy Rotation, Stealth / Anti-Bot

Pročitaj case study

Poslovna analitika

Text-to-SQL + vector retrieval analytics sistem

Kome služi

Analitička organizacija je trebala lakši pristup i tabelama i pisanom znanju.

Šta je napravljeno

Natural-language analytics interfejs: strukturirani SQL uz semantički vector search.

Zašto je važno

Ljudi postavljaju pitanja običnim jezikom umesto SQL-a ili ručne pretrage, a sistem uz to crta grafikone.

Tehnički detalji

Natural-language analytics interfejs: strukturirani SQL uz semantički vector search. Upiti idu na OpenAI ili Google Gemini po složenosti. Supabase za podatke, auth i real-time sync. Automatski retrieval, objašnjenje i analytics dashboard.

Implementacija: Text-to-SQL, OpenAI, Google Gemini, Supabase, Vector Search, Python, Hybrid RAG

Asistent za fabričke podatke

AI interfejs za hijerarhijske fabričke podatke

Kome služi

Proizvođač sa složenim specifikacijama mašina i evidencijom održavanja.

Šta je napravljeno

Natural language interfejs nad duboko ugnježdenim tree/folder podacima.

Zašto je važno

Radnici pitaju običnim jezikom umesto da kopaju po ugnježdenim folderima.

Tehnički detalji

Natural language interfejs nad duboko ugnježdenim tree/folder podacima. Parsira hijerarhiju specifikacija, rasporeda održavanja i operativnog statusa. Upit običnim jezikom vraća tačan odgovor bez ručnog silaženja kroz direktorijume.

Implementacija: Python, LangChain, OpenAI, Tree Parsing, Structured Data, FastAPI, React

AI pipeline za pronalaženje i obogaćivanje leadova

Automatizacija istraživanja leadova iz više izvora i pripreme outreach-a

Kome služi

Za timove koji žele da široko istraživanje leadova pretvore u workflow spreman za pregled.

Šta je napravljeno

n8n automatizacija koja obrađuje više od hiljadu kandidata po pokretanju kroz web pretragu, Google Maps i app listinge.

Zašto je važno

Automatizacija pronalazi firme iz više izvora, obogaćuje njihove zapise, uklanja duplikate i priprema personalizovani outreach bez automatskog slanja.

Tehnički detalji

n8n automatizacija koja obrađuje više od hiljadu kandidata po pokretanju kroz web pretragu, Google Maps i app listinge. Normalizuje i deduplikuje zapise, pronalazi zvanične sajtove i društvene profile, izvlači javne kontakt podatke, verifikuje email adrese, analizira fit uz OpenAI, priprema personalizovani outreach i upisuje kvalifikovane leadove u Google Sheets sa PENDING_REVIEW statusom za ljudsko odobrenje.

Implementacija: n8n, OpenAI, Google Maps API, Google Sheets, Web Scraping, Lead Enrichment, Email Verification

Istraživanje i specijalizovani sistemi

Eksperimenti i napredni buildovi oko graph retrieval-a, fine-tuninga, lokalnih modela, voice sistema, simulacije i research workflow-a.

AI evaluacija

Sistem za evaluaciju i benchmarking LLM-ova

Kome služi

Tim koji pravi AI question-answering.

Šta je napravljeno

Automatizovani evaluation pipeline za LLM QA, kvalitet retrieval-a i pouzdanost odgovora.

Zašto je važno

Framework poredi modele, promptove i retrieval strategije, pa se kvalitet diže merenjem, ne nagađanjem.

Tehnički detalji

Automatizovani evaluation pipeline za LLM QA, kvalitet retrieval-a i pouzdanost odgovora. Custom metrike uz DeepEval i NLP metrike. Golden dataseti ubrzavaju poređenje prompting strategija, chunkovanja i izbora modela. Rezultati evaluacije se vraćaju u tuning sistema.

Implementacija: Python, DeepEval, Custom Metrics, NLP Metrics, Benchmarking, OpenAI, Anthropic

Drug discovery

AI pipeline za molekularnu simulaciju i research

Kome služi

Biotech research tim na drug-discovery workflow-ima.

Šta je napravljeno

End-to-end molekularna simulacija za precision medicine.

Zašto je važno

Pipeline automatizuje složene molekularne zadatke i čini papire i kliničke podatke pretraživim u istom toku.

Tehnički detalji

End-to-end molekularna simulacija za precision medicine. Automatski protein-ligand docking sa AutoDock Vina i GNINA. RAG nad research papirima i kliničkim datasetima, ubačen u CellType CLI. Predložena AxialBridge patient app za EULAR: ML/CV detekcija aksijalnog spondilitisa sa MRI i ultrazvuka.

Implementacija: AutoDock Vina, GNINA, RAG, ML/CV, MRI Analysis, Python, CellType CLI

Research preko grafa

Hibridni graph + vector RAG

Kome služi

Timovima su trebali bolji odgovori na složena, višekoraka pitanja.

Šta je napravljeno

Neo4j knowledge graph plus vector embeddingi za hybrid retrieval.

Zašto je važno

Sistem spaja zaključivanje po relacijama i semantičku pretragu, pa kontekst bude korisniji nego iz jednog pristupa samog.

Tehnički detalji

Neo4j knowledge graph plus vector embeddingi za hybrid retrieval. Na multi-hop upitima bolji od čistog vector pristupa jer prati puteve relacija. Na semantičkom match-u bolji od čistog grafa. Obe arhitekture tamo gde zaključivanje nije trivijalno.

Implementacija: Neo4j GDS, Vector Search, Hybrid RAG, Knowledge Graph, Python, Embeddings

Custom treniranje modela

Automatizacija LLM fine-tuninga

Kome služi

Timovi koji customizuju language modele.

Šta je napravljeno

Automatizovani SFT pipeline preko API-ja sa pre-flight validacijom.

Zašto je važno

Automatizacija smanjuje pale training runove: provera fajlova, procena cene i monitoring fine-tuning jobova pre nego što greška postane skupa.

Tehnički detalji

Automatizovani SFT pipeline preko API-ja sa pre-flight validacijom. Provera formata trening fajla sprečava skupe padove. Procena troška pre slanja. Real-time monitoring napretka i evaluacionih metrika. Sistem koji hvata uobičajene fine-tuning greške.

Implementacija: Python, SFT, OpenAI API, Training Validation, Cost Estimation, Monitoring

Lokalni model lab

Lokalni LLM training pipeline na Apple Siliconu

Kome služi

Za developere koji hoće trening lokalno, bez cloud infrastrukture.

Šta je napravljeno

MLX pipeline za Apple Silicon: LoRA fine-tuning, embeddingi, reranking i contrastive learning.

Zašto je važno

Pipeline olakšava local fine-tuning, embeddinge, reranking i benchmarking na Apple Siliconu.

Tehnički detalji

MLX pipeline za Apple Silicon: LoRA fine-tuning, embeddingi, reranking i contrastive learning. Core zadaci benchmarkovani kroz MTEB. Lokalni trening visokog protoka sa BF16, bez zavisnosti od clouda.

Implementacija: Python, MLX, LoRA, Apple Silicon, MTEB, BF16, InfoNCE