LLM Gestructureerde uitvoer uitgelegd: betrouwbare JSON verkrijgen uit AI-modellen

  1. Home
  2. Blog
  3. Kunstmatige intelligentie

Kunstmatige intelligentie

LLM gestructureerde uitvoer uitgelegd: Betrouwbare JSON verkrijgen uit AI-modellen

AI-functies hebben vaak gegevens nodig, geen proza: een factuurtotaal, een categorie, een lijst met velden. Gestructureerde uitvoer zorgt ervoor dat modellen machineleesbare JSON retourneren. We hebben zes realistische modelreacties door een validator laten lopen om te laten zien hoe de uitvoer kapot gaat en hoe deze kan worden opgevangen.

10 min leestijd
LLM gestructureerde output uitgelegd: betrouwbare JSON verkrijgen uit AI-modellen

Belangrijkste punten

  • Gestructureerde uitvoer betekent dat een model om gegevens in een gedefinieerd formaat wordt gevraagd, meestal JSON die overeenkomt met een schema.
  • Alleen vragen is onbetrouwbaar. In onze test faalden 4 van de 6 realistische antwoorden bij de eerste analyse.
  • Providerfuncties die het genereren beperken tot een schema verminderen aanzienlijk de indelingsfouten, indien beschikbaar.
  • Valideer altijd in je eigen code en voeg semantische controles toe: geldige JSON kan nog steeds verkeerde waarden bevatten.

Een app vraagt ​​een model om een ​​factuur te lezen en het nummer, de datum, het totaal en de valuta terug te geven. Meestal werkt het. Dan komt er één antwoord binnen, verpakt in een Markdown-codeblok, een ander voegt eraan toe: “Laat het me weten als je meer nodig hebt!”, en een derde schrijft de datum als 11-10-2026. De code die het antwoord parseert, crasht, of erger nog, slaat de verkeerde datum op. Er bestaan ​​gestructureerde uitvoer technieken om AI-reacties net zo betrouwbaar te maken als een API.

We hebben voor dit artikel geen levend model genoemd. In plaats daarvan hebben we zes reacties geschreven die veel voorkomende mislukkingen uit de echte wereld imiteren en deze hebben gevalideerd met Pydantic 2.14 in Python 3.13. De onderstaande validatieresultaten zijn afkomstig van die run.

Wat is gestructureerde output?

Gestructureerde uitvoer is elke benadering die ervoor zorgt dat een groottaalmodel gegevens retourneert in een vaste, machinaal leesbare vorm in plaats van in vrije tekst, zodat code deze rechtstreeks kan gebruiken. JSON is het gebruikelijke formaat, beschreven door een JSON-schema: welke velden bestaan, hun typen, welke vereist zijn en welke waarden zijn toegestaan. Typische toepassingen zijn onder meer extractie uit documenten, classificatie, invullen van formulieren, routeringsverzoeken en oproephulpmiddelen of -functies.

Niveaus van handhaving

Benadering Hoe het werkt Betrouwbaarheid
Alleen prompt “Antwoord in JSON met deze velden…” Laagste; formaat wijkt af
JSON-modus Provider garandeert geldige JSON-syntaxis Geldige JSON, maar elke vorm
Schema-beperkte uitvoer/toolaanroep Provider beperkt het genereren van uw schema Hoogste voor formaat
Je eigen validatie Parseer en valideer elk antwoord in uw code Altijd vereist

De laatste rij is op geen enkel niveau optioneel. Functies van providers veranderen, modellen worden verwisseld en er is geen enkele garantie voor het formaat dat de waarden waar zijn.

Het schema definiëren

from typing import Literal
from pydantic import BaseModel, Field, field_validator

class Invoice(BaseModel):
    invoice_no: str
    date: str = Field(pattern=r"^\d{4}-\d{2}-\d{2}$")
    total: float = Field(ge=0)
    currency: Literal["INR", "USD", "EUR"]

    @field_validator("total")
    @classmethod
    def two_decimals(cls, v):
        if round(v, 2) != v:
            raise ValueError("total must have at most 2 decimals")
        return v

Pydantic genereerde een bijpassend JSON-schema met Invoice.model_json_schema(): eigenschappen invoice_no, date, total en currency, allemaal vereist. Dat schema kan worden verzonden naar providers die schema-beperkte uitvoer ondersteunen, zodat één definitie zowel de generatie als de validatie aanstuurt. In TypeScript speelt Zod dezelfde rol. Als typehints en dataklassen bekend zijn, zullen Pydantic-modellen natuurlijk aanvoelen.

Hoe de modeluitvoer kapot gaat

We valideerden zes antwoorden met Invoice.model_validate_json():

good            OK  1180.0
markdown fence  FAIL (1) ['root: json_invalid']
trailing text   FAIL (1) ['root: json_invalid']
wrong types     FAIL (4) ['invoice_no: string_type', 'date: string_pattern_mismatch',
                          'total: float_parsing', 'currency: literal_error']
missing field   FAIL (1) ['date: missing']
string number   OK  1180.0

Elke fout weerspiegelt iets dat modellen echt doen als er alleen om wordt gevraagd:

  • Markdown-hekken: de JSON arriveert binnen ```json ... ```, omdat op chat afgestemde modellen antwoorden voor mensen formatteren.
  • Praatzuchtige extra’s: een vriendelijke zin nadat de JSON deze ongeldig maakt.
  • Onjuiste typen en formaten: het factuurnummer als getal, de datum als “10/11/2026”, het totaal als “1.180” en de valuta als “Rs”. Vier fouten in één reactie.
  • Ontbrekende velden: een veld dat het model niet kon vinden, werd simpelweg weggelaten.

Ingepakte JSON redden

def extract_json(text):
    s, e = text.find("{"), text.rfind("}")
    return text[s:e + 1] if s != -1 and e > s else text

# markdown fence  after extract_json: OK INV-104 1180.0
# trailing text   after extract_json: OK INV-104 1180.0

Door de tekst tussen de eerste { en de laatste } te nemen, werden beide verpakte reacties hersteld. Het is een handig vangnet, maar ook kwetsbaar: het faalt bij arrays, bij antwoorden die meerdere objecten bevatten, of als de verklarende tekst zelf accolades bevat. Beschouw het als een terugval, niet als een ontwerp.

Lax versus strikt parseren

Het antwoord “stringnummer” stuurde "total": "1180.00", een string in plaats van een getal, en het werd doorgegeven. De standaard lax-modus van Pydantic converteert schone numerieke reeksen naar floats. Dat is handig, maar het betekent wel dat een typefout in de uitvoer van het model onopgemerkt kan blijven. Als u wilt detecteren wanneer het model het schema negeert, bijvoorbeeld om de betrouwbaarheid te meten, gebruikt u de strikte modus, waardoor het schema wordt afgewezen. Kies bewust: lakse modus voor robuustheid, strikte modus voor meten en voor velden waar een typewijziging verdacht zou zijn.

Beperkte decodering

Verschillende providers en open-source-inferentietools bieden schema-beperkte uitvoer. Conceptueel wordt het schema omgezet in regels waarover tokens als volgende kunnen komen, en tokens die het formaat zouden schenden, worden tijdens het genereren geblokkeerd. Het model kan fysiek geen Markdown-hek of een ontbrekende beugel produceren. Hiermee worden vrijwel alle syntaxis- en vormfouten verwijderd. Sommige artikelen melden dat zware beperkingen de antwoordkwaliteit bij taken die veel redeneren enigszins kunnen verminderen, dus meet op basis van uw eigen gegevens. Ondersteunde schemafuncties variëren ook per provider, dus controleer wat uw provider accepteert.

Tip: Stel voor extractietaken een lage temperatuur in, geef veldbeschrijvingen in het schema en sta een expliciete ‘niet gevonden’-waarde toe, zoals null, voor optionele velden. Een model dat een verplicht veld moet invullen zonder brongegevens, wordt uitgenodigd om te hallucineren.

Geldig is niet hetzelfde als juist

Schemavalidatie controleert de vorm. Het kan niet zeggen of 1080 of 1180 het juiste totaal is. We hebben een eenvoudige semantische controle toegevoegd, waarmee we bevestigen dat het geëxtraheerde totaal in de brontekst verschijnt:

semantic check (total in source): True
semantic check (wrong total):     False

Een antwoord met een totaal van 1080 was een volkomen geldige JSON met de juiste typen, maar het was nog steeds verkeerd. Controles op basis van bedrijfsregels vangen deze zaken op: totalen die overeenkomen met regelitems, datums die niet in de toekomst liggen, ID’s die in uw database voorkomen, waarden die in het brondocument verschijnen. Dit zijn de controles die echte gebruikers beschermen.

Probeer het opnieuw en repareer lussen

  1. Bel het model met het schema en duidelijke instructies.
  2. Parseer en valideer het antwoord.
  3. Als dit mislukt, bel dan opnieuw, inclusief de validatiefouten, zoals ‘datum moet overeenkomen met JJJJ-MM-DD’.
  4. Stop na een klein aantal pogingen en val dan terug: wachtrij voor menselijke beoordeling, retourneer een duidelijke fout of gebruik een standaardwaarde.
  5. Registreer elke fout met het onbewerkte antwoord, zodat u de prompt of het schema kunt verbeteren.

De foutenlijst van Pydantic, zoals date: string_pattern_mismatch, is nauwkeurig genoeg om terug te koppelen naar het model. Houd nieuwe pogingen beperkt; een onbegrensde lus kan de kosten snel vermenigvuldigen.

Tips voor het ontwerpen van schema’s

  • Houd het plat en klein. Diep geneste schema’s mislukken vaker.
  • Gebruik enums voor categorieën in plaats van vrije tekst.
  • Gebruik expliciete notaties voor datums en bedragen, en vermeld dit ook in veldbeschrijvingen.
  • Sta null toe voor informatie die mogelijk ontbreekt.
  • Voeg alleen een vertrouwens- of notitieveld toe als uw code dit daadwerkelijk gebruikt.
  • Maak een versie van uw schema, aangezien het wijzigen ervan een contractwijziging is, zoals besproken in API-contracttesten.

Gestructureerde output testen

Bouw een testset van echte input met verwachte output, inclusief rommelige documenten en gevallen waarin velden ontbreken. Voer het uit bij elke aanwijzing, schema- of modelwijziging en houd drie getallen bij: het aandeel antwoorden dat wordt geparseerd, het aandeel dat de validatie doorstaat en het aandeel waarvan de waarden correct zijn. Voer een unit-test uit van uw validators met opzettelijk verbroken uitvoer, zoals onze zes voorbeelden, zodat het parseren van code u tijdens de productie nooit voor verrassingen komt te staan.

Samengevat: een minimale pijplijn

  1. Eén modeldefinitie in Pydantic of Zod, met veldbeschrijvingen en toegestane waarden.
  2. Genereer hieruit het JSON-schema en geef het door aan de gestructureerde uitvoer- of tool-calling-functie van de provider.
  3. Ontleed en valideer het antwoord met hetzelfde model, en val alleen terug op JSON-extractie als dat nodig is.
  4. Voer semantische controles uit op basis van de brongegevens en bedrijfsregels.
  5. Probeer het een of twee keer opnieuw met de foutmeldingen en leid de fouten vervolgens door naar een menselijke wachtrij.
  6. Log de onbewerkte invoer, onbewerkte uitvoer, fouten en instellingen voor elke oproep, zodat fouten kunnen worden gereproduceerd en verholpen.

Elke laag vangt problemen op die de anderen missen. Samen maken ze van een probabilistisch model een onderdeel waar de rest van uw systeem op kan vertrouwen.

Tot slot

JSON uit een model halen is eenvoudig; Voor het verkrijgen van betrouwbare JSON zijn lagen nodig. Definieer het schema één keer, in Pydantic of Zod, gebruik de schema-beperkte uitvoer van uw provider waar beschikbaar, valideer elk antwoord in uw eigen code, voeg semantische controles toe voor waarden die ertoe doen en probeer het een beperkt aantal keren opnieuw met foutfeedback. In onze test faalden vier van de zes antwoorden in promptstijl bij de eerste parsering bij de validatie, en alleen al bij schemacontroles zou een verkeerd totaal zijn geaccepteerd.

Veelgestelde vragen

Wat is gestructureerde output in LLM’s?

Een manier om een ​​taalmodel gegevens in een gedefinieerd formaat te laten retourneren, meestal JSON dat overeenkomt met een schema, zodat de applicatiecode deze rechtstreeks kan gebruiken.

Is de JSON-modus hetzelfde als gestructureerde uitvoer?

Niet helemaal. De JSON-modus garandeert een geldige JSON-syntaxis, maar niet uw velden of typen. Op schema gebaseerde gestructureerde uitvoer beperkt de reactie op een specifiek schema.

Waarom verpakt het model JSON in een prijsverlaging?

Op chat afgestemde modellen formatteren antwoorden voor mensen. Gebruik gestructureerde uitvoerfuncties van de provider of extraheer het JSON-object uit de tekst als reserve.

Heb ik nog steeds validatie nodig met beperkte decodering?

Ja. Validatie in uw code beschermt tegen providerwijzigingen en modelwissels, en semantische controles vangen waarden op die goed opgemaakt maar verkeerd zijn.

Welke bibliotheek moet ik gebruiken om LLM-uitvoer te valideren?

Pydantic is de gebruikelijke keuze in Python en Zod in TypeScript. Beide kunnen een JSON-schema genereren op basis van dezelfde definities waarmee u valideert.

Blijf leren

Werk met Stack Quora

Hulp nodig met testen, WordPress of SEO?

We helpen teams betere software te leveren en hun sites te laten groeien. Vertel ons waar u mee bezig bent en wij stellen een duidelijke volgende stap voor.

Blijf lezen

Meer handleidingen over testen, AI en moderne ontwikkeling

Genoten van dit artikel? Kies een onderwerp en ga direct naar onze nieuwste tutorials.

Kunstmatige intelligentie

RAG-chunkingstrategieën uitgelegd: vast, overlap, zin, recursief en koppen, gemeten

RAG-chunkingstrategieën vergeleken op één document met tiktoken 0.14: vaste grootte, overlap, zinsverpakking, recursieve splitsing en op kop gebasee…

Lees artikel →
Softwareontwikkeling

API-identiteit uitgelegd: Idempotentiesleutels en veilige nieuwe pogingen, getest

API-idempotentie uitgelegd met een Python-server en -client die we hebben uitgevoerd: een verloren reactie veroorzaakte een dubbele afschrijving zon…

Lees artikel →
DevOps

Git Stash uitgelegd: bestanden opslaan, toepassen, pop-uppen en niet-bijgehouden, getest

Git stash uitgelegd met commando's die we uitvoerden op Git 2.56: push met een bericht, niet-bijgehouden bestanden, lijst en show, apply vs pop, beh…

Lees artikel →
Softwaretesten

Paarsgewijze testen uitgelegd: hoe All-Pairs 216 tests terugbrengt naar 13, getest

Paarsgewijs testen uitgelegd met een generator die we in Python 3.13 draaiden: een checkout met 216 combinaties gedekt door 13 tests, geverifieerde …

Lees artikel →
Testautomatisering

Testdubbels uitgelegd: Dummy, Stub, Spy, Mock en Fake, met geteste Python-code

Testdubbels uitgelegd met één Python-voorbeeld uitgevoerd in pytest 9.2: dummy, stub, spion, mock en fake, wanneer je ze moet gebruiken, status- ver…

Lees artikel →
Databases & SQL

SQL COALESCE uitgelegd: standaardwaarden, NULLIF, IFNULL versus ISNULL en traps, getest

SQL COALESCE uitgelegd met query's die we in SQLite 3.50 uitvoerden: eerste niet-null-waarden, lege tekenreeksen, NULL in wiskunde, NULLIF voor dele…

Lees artikel →
Databases & SQL

SQL Self Join uitgelegd: medewerker-manager, paren- en rijvergelijkingen, getest

SQL self-join uitgelegd met vragen die we in SQLite 3.50 uitvoerden: werknemer en manager, meer verdienen dan de manager, unieke paren, dagelijkse v…

Lees artikel →
Softwareontwikkeling

JavaScript Spread Operator uitgelegd: Spread versus rest, kopieën en valkuilen, getest

De JavaScript-spreadoperator legde uit met code die we op knooppunt 24 uitvoerden: arrays, objecten, ondiepe kopieën, restparameters, de Math.max-li…

Lees artikel →
Softwareontwikkeling

Python Collections-module uitgelegd: Counter, defaultdict, deque en meer, getest

Python-collecties uitgelegd met code die we draaiden op Python 3.13: Counter, defaultdict, deque, genaamdtuple, OrderedDict en ChainMap, plus een li…

Lees artikel →
Kunstmatige intelligentie

LLM-contextvenster uitgelegd: tokens, limieten en hoe u meer kunt passen, gemeten

Het LLM-contextvenster uitgelegd met tokenaantallen die we hebben gemeten met tiktoken: woorden versus tokens voor proza, code en Hindi, input- en o…

Lees artikel →
Softwareontwikkeling

Webhooks uitgelegd: hoe ze werken en hoe u ze veilig kunt ontvangen

Webhooks uitgelegd met een ontvanger en afzender die we in Python draaiden: push versus polling, HMAC-SHA256-handtekeningen, het weigeren van geknoe…

Lees artikel →
DevOps

Git Cherry-Pick uitgelegd: kopieer de commit die je nodig hebt, veilig, getest

Git cherry-pick uitgelegd met commando's die we in Git 2.56 uitvoerden: een hotfix kopiëren naar een release branch, nieuwe hashes en patch-ids, -x,…

Lees artikel →
Testautomatisering

Momentopnametesten uitgelegd: hoe het werkt, wanneer het helpt en wanneer het pijn doet

Snapshot-testen uitgelegd met een pytest- en stroperige demo die we hebben uitgevoerd: snapshots maken, de diff lezen na een codewijziging, tijdstem…

Lees artikel →
Softwaretesten

Mutatietesten uitgelegd: waarom 100% dekking onze bug nog steeds heeft gemist

Mutatietesten uitgelegd met een kleine mutatietool die we hebben gebouwd en uitgevoerd: 14 mutanten, een testsuite met 100% lijndekking die 79% scoo…

Lees artikel →
Kunstmatige intelligentie

Snelle injectie uitgelegd: hoe AI-apps worden misleid en hoe u ze kunt verdedigen

Snelle injectie uitgelegd voor bouwers: directe en indirecte aanvallen, waarom zoekwoordfilters falen (onze test blokkeerde 1 van de 4) en gelaagde …

Lees artikel →
DevOps

DNS-records uitgelegd: A, AAAA, CNAME, MX, TXT en TTL met echte zoekopdrachten

DNS-records uitgelegd met zoekopdrachten die we hebben uitgevoerd: hoe resolutie werkt, A en AAAA, CNAME-regels, MX en null MX, TXT voor SPF en veri…

Lees artikel →
DevOps

Functievlaggen uitgelegd: veilige releases, geleidelijke implementatie en vlaghygiëne

Functievlaggen uitgelegd aan de hand van een uitrolsimulatie die we hebben uitgevoerd: vlagtypen, percentage-uitrol met stabiele hashing, kill-schak…

Lees artikel →
Testautomatisering

Test het genereren van gegevens met Python Faker: realistische, herhaalbare en veilige gegevens

Test het genereren van gegevens met Python Faker, voer het uit en meet het: seeden voor herhaalbare gegevens, landinstellingen, unieke waarden, dome…

Lees artikel →
Softwaretesten

Shift-Left-testen uitgelegd: vind bugs eerder zonder het team te vertragen

Shift-left-testen uitgelegd: wat het betekent, waarom vroege defecten goedkoper zijn, praktijken van vereistenbeoordelingen tot CI-controles, de ver…

Lees artikel →
Databases & SQL

SQL String-functies uitgelegd: TRIM, SUBSTR, REPLACE, CONCAT en gegevensopschoning

SQL-tekenreeksfuncties uitgelegd met query's die we hebben uitgevoerd: concatenatie en NULL, TRIM, UPPER en LOWER, SUBSTR en INSTR, REPLACE, opvulli…

Lees artikel →
Databases & SQL

SQL-triggers uitgelegd: VOOR en NA triggers, auditlogboeken en valkuilen

SQL-triggers uitgelegd met triggers die we hebben uitgevoerd: VOOR versus NA, OUD en NIEUW, auditlogboeken, validatie, voorraadupdates, WANNEER-voor…

Lees artikel →
Softwareontwikkeling

Python JSON-module uitgelegd: dumps, ladingen, aangepaste typen en veelvoorkomende fouten

De Python JSON-module uitgelegd met code die we hebben uitgevoerd: dumps en laadt, bestanden, typeconversies, datums en decimalen, aangepaste encode…

Lees artikel →
Softwareontwikkeling

ES-modules versus CommonJS: hoe JavaScript-import werkt in Node.js, getest

ES-modules versus CommonJS uitgelegd met code die we in Node.js hebben uitgevoerd: syntaxis importeren en exporteren, vereisen, live bindingen, cach…

Lees artikel →
Softwareontwikkeling

Python Regex uitgelegd: patronen, groepen, vooruitblik en valkuilen, getest

Python-regex uitgelegd met patronen die we hebben uitgevoerd: zoeken versus match, findall, groepen en benoemde groepen, hebzuchtig versus lui, sub,…

Lees artikel →
Kunstmatige intelligentie

LLM Gestructureerde uitvoer uitgelegd: betrouwbare JSON verkrijgen uit AI-modellen

Gestructureerde LLM-uitvoer uitgelegd met validatie die we in Pydantic hebben uitgevoerd: JSON-modus en -schema's, beperkte decodering, de manieren …

Lees artikel →
DevOps

SSH-sleutels uitgelegd: hoe ze werken, ssh-keygen, Ed25519 en veilige gewoonten

SSH-sleutels uitgelegd met sleutels die we hebben gegenereerd: openbare versus privésleutels, ssh-keygen, Ed25519 versus RSA, vingerafdrukken, wacht…

Lees artikel →
DevOps

HTTP-caching uitgelegd: cachecontrole, ETag en 304 reacties, met een live test

HTTP-caching uitgelegd met een kleine server die we draaiden: Cache-Control-richtlijnen, max-age, no-cache vs no-store, ETag-hervalidatie en 304-rea…

Lees artikel →
Testautomatisering

API-contracttesten uitgelegd: ontdek belangrijke wijzigingen voordat ze worden verzonden

Het testen van API-contracten uitgelegd met een schemacontrole die we hebben uitgevoerd: wat een contract is, consumentgestuurde contracten, Pact, O…

Lees artikel →
Softwaretesten

Risicogebaseerd testen uitgelegd: scoor risico's, bouw een matrix en test wat belangrijk is

Risicogebaseerd testen stap voor stap uitgelegd: risico's identificeren, waarschijnlijkheid en impact scoren, een risicomatrix opbouwen, risico's in…

Lees artikel →
Databases & SQL

SQL-beperkingen uitgelegd: NIET NULL, UNIEK, CHECK en FOREIGN KEY, getest

SQL-beperkingen uitgelegd met tests die we hebben uitgevoerd: NOT NULL, UNIQUE, CHECK, DEFAULT, PRIMARY en FOREIGN KEY, de NULL-mazen in de wet, de …

Lees artikel →
Databases & SQL

SQL-datumfuncties uitgelegd: datums toevoegen, vergelijken en groeperen zonder bugs

SQL-datumfuncties uitgelegd met query's die we hebben uitgevoerd: intervallen toevoegen, verrassingen aan het einde van de maand, datumverschillen, …

Lees artikel →
Softwareontwikkeling

Python asyncio uitgelegd: async, wachten, verzamelen en TaskGroup met echte timing

Python asyncio uitgelegd met code die we hebben getimed: coroutines, wachten, verzamelen, TaskGroup, foutafhandeling, time-outs, het beperken van ge…

Lees artikel →
Softwareontwikkeling

Debounce versus Throttle in JavaScript: hoe ze werken, wanneer ze moeten worden gebruikt, getest

Debounce versus gas geven in JavaScript uitgelegd met timings die we hebben gemeten in Node.js: hoe elk werkt, eenvoudige implementaties, leidende e…

Lees artikel →
Softwareontwikkeling

Python-contextmanagers uitgelegd: de with-verklaring, contextlib en echt gebruik

Python-contextmanagers uitgelegd met code die we hebben uitgevoerd: hoe met werken, __enter__ en __exit__, contextlib.contextmanager, suppress, Exit…

Lees artikel →
Kunstmatige intelligentie

LLM Temperatuur en Top-p uitgelegd: hoe AI-modellen hun volgende woord kiezen

LLM-temperatuur en top-p uitgelegd met een simulatie die we hebben uitgevoerd: hoe kansen worden hervormd, wat top-p behoudt, aanbevolen instellinge…

Lees artikel →
DevOps

YAML uitgelegd: syntaxis, het Noorwegen-probleem en andere valkuilen die we hebben getest

YAML legde uit met een parsertest: basissyntaxis, lijsten en kaarten, het Noorwegen-probleem, versies die in floats veranderen, octale postcodes, se…

Lees artikel →
DevOps

Cron Jobs uitgelegd: syntaxis, echte schema's en de fouten die deze breken

Cron-taken uitgelegd met schema's die we hebben geverifieerd: de vijf velden, operators, echte voorbeelden, de dag-van-maand OF dag-van-week-valkuil…

Lees artikel →
Kunstmatige intelligentie

AI-hallucinaties uitgelegd: waarom taalmodellen dingen verzinnen en hoe ze te verminderen

AI-hallucinaties uitgelegd: wat ze zijn, waarom taalmodellen ze produceren, veelvoorkomende typen, hoe je ze kunt verminderen met aarding en aanwijz…

Lees artikel →
DevOps

Omgevingsvariabelen uitgelegd: .env-bestanden, geheimen en configuratie goed gedaan

Omgevingsvariabelen uitgelegd met Python-voorbeelden die we hebben uitgevoerd: ze lezen en instellen, waarom elke waarde een string is, .env-bestand…

Lees artikel →
Softwareontwikkeling

API-snelheidsbeperking uitgelegd: algoritmen, headers en afhandeling van 429-fouten

API-snelheidsbeperking uitgelegd met een simulatie die we hebben uitgevoerd: token-bucket, vast venster, schuifvenster, 429 reacties, headers van sn…

Lees artikel →
Testautomatisering

Spotten in Python: unittest.mock, patch en de fouten die tests doen liegen

Spotten in Python met unittest.mock, getest: Mock en return_value, side_effect, patchen waar een naam wordt gebruikt, spec en autospec, spotdatums e…

Lees artikel →
Softwaretesten

Codedekking uitgelegd: lijn versus filiaaldekking en wat 100% werkelijk betekent

Codedekking uitgelegd met een echte dekking.py-run: dekking van lijnen, vertakkingen en condities, een rapport lezen, waarom 100% dekking nog steeds…

Lees artikel →
Databases & SQL

DELETE versus TRUNCATE versus DROP in SQL: verschillen, terugdraaien en wanneer elk te gebruiken

DELETE versus TRUNCATE versus DROP uitgelegd met geteste SQL: wat elk verwijdert, terugdraaien, triggers, identiteitsreset, snelheid en hoe PostgreS…

Lees artikel →
Databases & SQL

SQL-weergaven uitgelegd: creëer, gebruik en vermijd de valkuilen, met voorbeelden

SQL-weergaven uitgelegd met query's die we hebben uitgevoerd: een weergave maken, live resultaten, kolommen verbergen, prestaties, bijwerkbare en ge…

Lees artikel →
Softwareontwikkeling

TypeScript-interface versus type: echte verschillen, getest met de compiler

TypeScript-interface versus type, gecontroleerd met de echte compiler: wat beide kunnen doen, wat slechts één kan doen, samenvoegen van declaraties,…

Lees artikel →
Softwareontwikkeling

Python *args en **kwargs uitgelegd: flexibele functies met duidelijke voorbeelden

Python *args en **kwargs uitgelegd met code die we hebben uitgevoerd: in- en uitpakken, parametervolgorde, argumenten die alleen trefwoorden en posi…

Lees artikel →
Softwareontwikkeling

Python Lambda-functies: syntaxis, echt gebruik en wanneer u ze niet moet gebruiken

Python lambda-functies uitgelegd met code die we hebben uitgevoerd: syntaxis, sorteren met sleutel, kaart en filter, sluitingen, de laat-bindende va…

Lees artikel →
Kunstmatige intelligentie

Wat zijn AI-agenten? Hoe ze werken, met een eenvoudige agentloop die u kunt uitvoeren

Wat zijn AI-agenten? Een duidelijke gids voor de agentenlus, tools, geheugen en vangrails, met een kleine Python-lus die we hebben uitgevoerd, echte…

Lees artikel →
DevOps

Monitoring versus waarneembaarheid: het echte verschil, met logboeken, statistieken en sporen

Monitoring versus waarneembaarheid uitgelegd: bekende en onbekende fouten, logboeken, statistieken en sporen, een walkthrough voor afrekenincidenten…

Lees artikel →
DevOps

Docker-volumes versus bindingsmounts: bewaar containergegevens op de juiste manier

Docker-volumes versus bind-mounts uitgelegd: waarom containergegevens verdwijnen, benoemde volumes, bind-mounts, tmpfs, Compose-voorbeelden, back-up…

Lees artikel →
Testautomatisering

TDD versus BDD: belangrijkste verschillen, één functie die op beide manieren is gebouwd en wanneer deze moet worden gebruikt

TDD versus BDD uitgelegd met één kortingsfunctie die in beide richtingen is gebouwd: rood-groen-refactor met code die we hebben uitgevoerd, gegeven-…

Lees artikel →
Softwaretesten

Gebruikersacceptatietesten (UAT): proces, checklist en echte voorbeelden

Gebruikersacceptatietesten uitgelegd: wie voert het uit, hoe het verschilt van QA, een proces in zeven stappen, een UAT-testcase-sjabloon, een check…

Lees artikel →
Databases & SQL

SQL NULL-waarden uitgelegd: IS NULL, COALESCE, NULLIF en de te vermijden vallen

SQL NULL-waarden uitgelegd met query's die we hebben uitgevoerd: logica met drie waarden, IS NULL, COALESCE, NULLIF, hoe aggregaten, joins en sorter…

Lees artikel →
Databases & SQL

SQL CASE WHEN-instructie: syntaxis, echte voorbeelden en veelvoorkomende fouten

SQL CASE WHEN uitgelegd met vragen die we hebben uitgevoerd: eenvoudige en doorzochte formulieren, volgorde van de voorwaarden, draaipunten met SUM,…

Lees artikel →
Softwareontwikkeling

Wat is JWT? JSON-webtokens uitgelegd met een werkend voorbeeld

Wat is JWT? JSON Web Tokens uitgelegd: de drie delen, een token gebouwd en waarmee is geknoeid in de code die we hebben uitgevoerd, JWT versus sessi…

Lees artikel →
Softwareontwikkeling

JavaScript-gebeurtenislus uitgelegd: call-stack, microtaken en timers met voorbeelden

De JavaScript-gebeurtenislus uitgelegd met code die we hebben uitgevoerd: call-stack, taak- en microtask-wachtrijen, waarom setTimeout 0 niet onmidd…

Lees artikel →
Softwareontwikkeling

Python-generatoren en opbrengst uitgelegd: bespaar geheugen met echte voorbeelden

Python-generatoren en opbrengst uitgelegd met code die we hebben uitgevoerd: hoe ze pauzeren en hervatten, gemeten geheugenbesparingen, pijplijnen, …

Lees artikel →
Kunstmatige intelligentie

Wat zijn inbeddingen? Vectoren en cosinusovereenkomst eenvoudig uitgelegd

Wat zijn insluitingen? Een gids in duidelijke taal over vectoren, cosinusovereenkomst en semantisch zoeken, met een klein voorbeeld dat we hebben ui…

Lees artikel →
DevOps

Implementatie van blauwgroen versus kanarie: verschillen, afwegingen en hoe te kiezen

Blauw-groen versus kanarie-implementatie uitgelegd: hoe elk werkt, kosten, risico's en terugdraaien, stabiele gebruikersbucket die we hebben getest,…

Lees artikel →
Testautomatisering

Schilferige tests: wat de oorzaak ervan is en hoe u ze voorgoed kunt oplossen

Zwakke tests uitgelegd met demo's die we hebben uitgevoerd: de belangrijkste oorzaken, hoe je er een kunt bevestigen en diagnosticeren, goede oploss…

Lees artikel →
Softwaretesten

Belastingtesten versus stresstesten: verschillen, statistieken en k6-voorbeelden

Belastingtesten versus stresstesten uitgelegd: wat elk bewijst, piek- en soak-tests, de statistieken die er toe doen, waarom gemiddelden misleiden, …

Lees artikel →
Softwaretesten

Testcase versus testscenario: belangrijkste verschillen, voorbeelden en wanneer deze te gebruiken

Testcase versus testscenario uitgelegd: duidelijke definities, een tabel naast elkaar, één functie voor het opnieuw instellen van wachtwoorden, over…

Lees artikel →
Databases & SQL

Optimalisatie van SQL-query's: lees uitvoeringsplannen en repareer langzame query's, met timing

Optimalisatie van SQL-query's getest op een miljoen rijen: lees uitvoeringsplannen, voeg de juiste indexen toe, repareer niet-sargeerbare filters, g…

Lees artikel →
Databases & SQL

SQL UNION versus UNION ALL: verschillen, voorbeelden en geteste prestaties

SQL UNION versus UNION ALL uitgelegd met de query's die we hebben uitgevoerd: duplicaten, de regels volgen beide, een echte databug, gemeten prestat…

Lees artikel →
Softwareontwikkeling

JavaScript Fetch API-tutorial: GET, POST, foutafhandeling en time-outs

Een JavaScript Fetch API-tutorial getest tegen een lokale server: GET en POST, waarom 404 niet gooit, een herbruikbare helper, queryreeksen, time-ou…

Lees artikel →
Softwareontwikkeling

Python-bestandsverwerking: lezen, schrijven, CSV, JSON en pathlib met voorbeelden

Het verwerken van Python-bestanden uitgelegd met code die we hebben uitgevoerd: open modi, met het lezen van grote bestanden, CSV, JSON, pathlib, bi…

Lees artikel →
Softwareontwikkeling

Python-klassen en -objecten: OOP-zelfstudie met echte voorbeelden

Python-klassen en -objecten uitgelegd met code die we hebben uitgevoerd: __init__, methoden, klasse versus instantie-attributen, overerving, eigensc…

Lees artikel →
Kunstmatige intelligentie

Wat is een groot taalmodel? Hoe LLM's werken, uitgelegd zonder de hype

Wat is een groot taalmodel? LLM's uitgelegd in duidelijke taal: tokens, inbedding, aandacht, training, temperatuur- en contextvensters, een kleine d…

Lees artikel →
DevOps

Linux-opdrachten voor beginners: de essentiële terminalgids met voorbeelden

Linux-opdrachten voor beginners, gegroepeerd op taak: navigatie, bestanden, logboeken bekijken, grep, pipelines, machtigingen, processen en archieve…

Lees artikel →
Testautomatisering

Selenium versus toneelschrijver: belangrijkste verschillen, code vergeleken en welke te kiezen

Selenium versus Playwright vergeleken: architectuur, wachten, browser- en taalondersteuning, debuggen, dezelfde test in beide tools, migratieadvies …

Lees artikel →
Softwaretesten

Equivalentiepartitionering: testontwerptechniek uitgelegd met uitgewerkte voorbeelden

Equivalentiepartitionering uitgelegd: hoe je geldige en ongeldige partities kunt vinden, uitgewerkte voorbeelden voor leeftijden, wachtwoorden en ko…

Lees artikel →
Softwaretesten

Ernst versus prioriteit bij het testen van software: verschillen, matrix en echte voorbeelden

Ernst versus prioriteit bij het testen van software uitgelegd: duidelijke definities, een vierwegmatrix met voorbeelden, niveauschalen, wie deze bep…

Lees artikel →
Databases & SQL

Tutorial voor SQL-subquery's: typen, gecorreleerde subquery's en BESTAAN met voorbeelden

Een SQL-subquery-tutorial met query's die we hebben uitgevoerd: scalaire, IN-, FROM- en SELECT-subquery's, gecorreleerde subquery's, EXISTS, de NOT …

Lees artikel →
Databases & SQL

SQL-transacties en ACID uitgelegd: COMMIT-, ROLLBACK- en isolatieniveaus

SQL-transacties en ACID uitgelegd met een bankoverschrijving die we hebben uitgevoerd: COMMIT, ROLLBACK, savepoints, locks, isolatieniveaus, dirty r…

Lees artikel →
Softwareontwikkeling

Git Commands Cheat Sheet: de commando's die je daadwerkelijk gebruikt, met voorbeelden

Een spiekbriefje voor Git-opdrachten, gegroepeerd op taak: setup, staging, branches, remotes, stash, geschiedenis en fouten ongedaan maken, met uitv…

Lees artikel →
Softwareontwikkeling

JavaScript-beloften uitgelegd: vervolgens catch, Promise.all en veelvoorkomende fouten

JavaScript-beloften uitgelegd met code die we hebben uitgevoerd: staten, dan en catch-ketens, foutafhandeling, Promise.all, allSettled, race en wat …

Lees artikel →
Softwareontwikkeling

Zelfstudie Python-woordenboek: methoden, voorbeelden en veelvoorkomende patronen

Een Python-woordenboektutorial met code die we hebben uitgevoerd: dictaten, sleutelmethoden, samenvoeg-, begrips-, tel- en groeperingspatronen en ve…

Lees artikel →
Kunstmatige intelligentie

Wat is RAG? Retrieval-Augmented Generation uitgelegd met een werkend voorbeeld

Wat is RAG? Retrieval-augmented generatie stap voor stap uitgelegd: indexeren, chunken, insluiten, ophalen, een klein werkend Python-voorbeeld, eval…

Lees artikel →
DevOps

Terraform-zelfstudie voor beginners: infrastructuur als code van het eerste bestand tot modules

Een Terraform-tutorial voor beginners: begin zonder cloudaccount, leer init, plan en pas toe, vervolgens variabelen, outputs, status, modules en een…

Lees artikel →
DevOps

Docker versus Kubernetes: belangrijkste verschillen, hoe ze samenwerken en welke u nodig heeft

Docker vs Kubernetes legde uit: wat elk doet, dezelfde app draait met beide, Docker Compose en Swarm vergeleken, de dockershim veranderen en hoe je …

Lees artikel →
Testautomatisering

Pytest-tutorial voor beginners: armaturen, parametriseren en echte voorbeelden

Een pytest-tutorial voor beginners met tests die we hebben uitgevoerd op pytest 9.2: beweringen, armaturen, parametrize, conftest, markers, tmp_path…

Lees artikel →
Softwaretesten

Levenscyclus van softwaretests (STLC): 6 fasen, in- en uitgangscriteria, voorbeeld

De levenscyclus van softwaretesten uitgelegd: zes STLC-fasen met in- en uitstapcriteria, deliverables, een voorbeeld van een uitgewerkte inlogfuncti…

Lees artikel →
Softwareontwikkeling

Git merge vs rebase: verschillen, voorbeelden en wanneer je wat gebruikt

Git merge vs rebase uitgelegd met echte logoutput, een vergelijkingstabel, de gouden regel van rebase en een veilige teamwerkwijze.

Lees artikel →
Softwareontwikkeling

Python list comprehension: syntaxis, voorbeelden en wanneer je het vermijdt

Python list comprehension uitgelegd: syntaxis, filteren, if-else, geneste lussen, gemeten tijden en wanneer een gewone for-lus beter is.

Lees artikel →
Databases & SQL

SQL JOIN uitgelegd met voorbeelden (Inner, Left, Right, Full)

Begrijp SQL joins stap voor stap met voorbeeldtabellen en queries: INNER, LEFT, RIGHT, FULL, CROSS en SELF, plus veelgemaakte fouten en prestatietips.

Lees artikel →