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

  1. Home
  2. Blog
  3. Kunstmatige intelligentie

Kunstmatige intelligentie

LLM-contextvenster uitgelegd: Tokens, limieten en meer passen, gemeten

Een LLM-contextvenster is het totale aantal tokens dat een model in één verzoek kan lezen en schrijven. Ontdek wat het vult, hoe woorden in tokens veranderen, hoe u input en output kunt budgetteren en hoe u de chatgeschiedenis veilig kunt inkorten, met tellingen die we hebben gemeten.

9 min leestijd
LLM-contextvenster uitgelegd: tokens, limieten en hoe je er meer kunt passen, gemeten

Belangrijkste punten

  • Het LLM-contextvenster is een tokenlimiet die door alles wordt gedeeld: systeemprompt, geschiedenis, documenten en het antwoord.
  • Tokens zijn geen woorden. Ons Engelse proza ​​gebruikte 1,14 tokens per woord, Python-code 2.22 en Hindi-tekst 1.41 met één tokenizer, maar ongeveer 4,6 met een oudere.
  • De chatgeschiedenis groeit elke beurt. Snijd de oudste berichten bij, maar bewaar altijd de systeemprompt; naïef snijden liet het in onze test vallen.
  • Een groot raam is geen vrije doorgang. Lange prompts kosten meer, worden langzamer uitgevoerd en kunnen de details die er toe doen uit het oog verliezen.

Je plakt een lang contract in een chatbot en deze antwoordt alsof de laatste tien pagina’s nooit hebben bestaan. Of een supportbot ‘vergeet’ langzaam de regels die je hem hebt gegeven. Beide komen neer op het LLM-contextvenster: het vaste aantal tokens waarmee een groot taalmodel in één verzoek kan werken. Als u weet hoe de capaciteit vol raakt, kunt u AI-functies bouwen die nauwkeurig en betaalbaar blijven.

We hebben de onderstaande getallen gemeten met de open-source tiktoken bibliotheek van OpenAI, versie 0.14.0, met behulp van de o200k_base en oudere cl100k_base coderingen op Python 3.13. Andere modelfamilies gebruiken andere tokenizers, dus behandel onze tellingen als realistische voorbeelden en niet als exacte cijfers voor elk model. Zie onze LLM-tokensgids voor de basisprincipes van tokens.

Wat is een contextvenster?

Een model onthoudt zelf eerdere verzoeken niet. Elke keer dat u het oproept, verzendt u een tekstbericht en het model leest het allemaal voordat het een antwoord genereert. Het contextvenster is de maximale grootte van die gecombineerde tekst, gemeten in tokens. Als het venster 128.000 tokens bevat, moeten de invoer en de uitvoer er samen in passen. In onze gids over wat een groot taalmodel is wordt uitgelegd waarom modellen op deze manier werken.

Venstergroottes variëren van een paar duizend tokens op kleine modellen tot honderdduizenden, of meer dan een miljoen, op grote modellen. De grootte verandert bij elke release, dus controleer de documentatie van uw provider voor de exacte limiet en voor eventuele afzonderlijke limieten voor uitvoertokens.

Wat het contextvenster vult

  • Systeemprompt: instructies, regels en persona.
  • Gespreksgeschiedenis: elk eerder gebruikers- en assistentbericht dat u opnieuw verzendt.
  • Opgehaalde of geplakte inhoud: documenten, zoekresultaten, codebestanden.
  • Tooldefinities en resultaten: functieschema’s en de gegevens die ze retourneren.
  • Het antwoord zelf: outputtokens komen uit hetzelfde budget.

Dat laatste punt verbaast veel mensen. Een prompt die bijna het hele venster gebruikt, laat geen ruimte voor een antwoord, dus het antwoord wordt afgebroken.

Woorden versus tokens: wat we hebben gemeten

We herhaalden drie korte teksten elk twintig keer en telden woorden en tokens:

Tekst Woorden o200k tokens Tokens per woord cl100k-tokens
Engels proza 740 841 1.14 841
Python-code 180 400 2.22 400
Hindi tekst 300 422 1.41 1,381

Drie lessen vallen op. Gewoon Engels is bijna één token per woord. Code gebruikt grofweg twee keer zoveel tokens per “woord”, omdat symbolen, inspringingen en korte namen elk tokens vereisen. En de taal doet er enorm toe: voor dezelfde Hindi-tekst waren 422 tokens nodig met de nieuwere tokenizer en 1.381 met de oudere, meer dan drie keer zoveel. Een venster met een lang Engels document bevat mogelijk veel minder documenten in een andere taal.

import tiktoken
enc = tiktoken.get_encoding("o200k_base")
print(len(enc.encode("Your text here")))

Tip: schat nooit tokens door tekens door vier te delen voor productielimieten. Tel mee met de tokenizer voor uw model en houd dan een veiligheidsmarge aan.

Een aanvraag budgetteren

We planden een verzoek met een systeemprompt van 600 tokens, 4.200 tokens aan chatgeschiedenis en 25.000 tokens aan documenten, en controleerden het vervolgens aan de hand van drie venstergroottes, waarbij we 2.000 tokens reserveerden voor het antwoord:

window   8000: input 29800 tokens, left -21800, room for 2,000-token answer: False
window  32000: input 29800 tokens, left   2200, room for 2,000-token answer: True
window 128000: input 29800 tokens, left  98200, room for 2,000-token answer: True

Het 8K-venster kon het verzoek helemaal niet verwerken. Het 32K-venster paste, maar er waren nog maar 2.200 tokens over, dus nog een document zou het antwoord opleveren. Schrijf deze controle vóór elke aanroep in uw code: tel de onderdelen, trek een gereserveerd outputbudget af en beslis waar u op bezuinigt als het niet past.

Wat gebeurt er als je er overheen gaat

Gedrag is afhankelijk van de API en app. Sommige API’s weigeren het verzoek met een fout. Sommige chat-apps verwijderen stilletjes de oudste berichten. Sommige verkorte documenten. En als de invoer past, maar te weinig ruimte laat, stopt het antwoord halverwege de zin wanneer het de uitvoerlimiet bereikt. Geen van deze zaken is voor de hand liggend voor gebruikers. Daarom kan het lijken alsof het model een deel van een document ‘vergeet’ of negeert.

De chatgeschiedenis groeit elke beurt

Chat-apps verzenden het hele gesprek elke beurt opnieuw, zodat het model het kan zien. Bij ongeveer 350 tokens per beurt:

chat of 10 turns x 350 tokens = 3500 tokens
chat of 50 turns x 350 tokens = 17500 tokens
chat of 200 turns x 350 tokens = 70000 tokens

Een lange supportchat kan stilletjes tienduizenden tokens bereiken, en elk nieuw bericht betaalt weer voor alle oude.

De geschiedenis inkorten zonder de regels te verliezen

We hebben een chat met 31 berichten van 1.455 tokens gebouwd en deze op twee manieren teruggebracht tot een limiet van 800 tokens. Op een slimme manier bleef het systeem alert en werden vervolgens berichten toegevoegd van de nieuwste naar de oudste totdat het budget vol was. Op de naïeve manier behielden ze gewoon de laatste 800 tokens van de samengevoegde tekst.

history: 31 messages, 1455 tokens -> kept 17 (783 tokens), system kept: True, oldest kept: 'message 14'
naive tail-truncation keeps system prompt: False

De naïeve versie liet de systeemprompt vallen, met de instructie “Altijd antwoorden in het Engels”. Dat is precies hoe een bot zijn regels verliest in lange chats. Betere strategieën, grofweg in volgorde van inspanning:

  • Zet altijd de systeemprompt en het laatste gebruikersbericht vast.
  • Laat de oudste beurten eerst vallen of vat deze samen.
  • Vervang oude beurten door een korte lopende samenvatting geschreven door het model.
  • Bewaar feiten buiten de chat en haal alleen op wat de huidige vraag nodig heeft.

Is een groter contextvenster altijd beter?

Nee. Met een groot venster kun je meer opnemen, maar uit onderzoek zoals het ‘Lost in the Middle’-onderzoek uit 2023 van Liu en collega’s bleek dat modellen informatie aan het begin en einde van lange invoer betrouwbaarder gebruikten dan informatie in het midden. Dat hebben wij zelf niet getest. In de praktijk is het verzenden van alleen de relevante delen vaak beter dan het verzenden van alles, en het vermindert hallucinaties veroorzaakt door afleidende of tegenstrijdige tekst. Plaats belangrijke instructies aan het begin en herhaal de eigenlijke vraag aan het eind.

Chunking en ophalen (RAG)

Dankzij de door retrieval verbeterde generatie blijven documenten buiten de prompt. Je splitst ze in stukjes, zoekt de stukjes die verband houden met een vraag en verzendt alleen die. We hebben een document met 4.201 tokens opgesplitst in stukjes van maximaal 500 tokens met een overlap van 50 tokens en kregen 10 stukjes. Door de overlap zijn zinnen die een grens overschrijden in ten minste één deel leesbaar.

def chunks(text, size, overlap):
    ids = enc.encode(text)
    step = size - overlap
    return [enc.decode(ids[i:i + size]) for i in range(0, max(1, len(ids) - overlap), step)]

Chunks worden aan vragen gekoppeld met behulp van insluitingen die zijn opgeslagen in een vectorindex. Onze wat is RAG-gids doorloopt de volledige pijplijn.

Kosten en snelheid

Bij de meeste API’s worden kosten in rekening gebracht per invoer- en uitvoertoken, en bij langere prompts duurt het langer om te verwerken. Een prompt van 100.000 tokens die 1.000 keer per dag wordt verzonden, is dagelijks 100.000.000 invoertokens, zelfs als de antwoorden kort zijn. Het inkorten van de geschiedenis, het ophalen in plaats van plakken en het cachen van herhaalde promptvoorvoegsels waar de provider dit ondersteunt, kan de kosten en latentie aanzienlijk verlagen. Controleer de huidige prijzen op de prijspagina van uw provider, aangezien deze vaak veranderen.

Contextlimieten in uw app testen

  • Test met de langste realistische input, geen korte steekproef.
  • Test lange chats: volgt de bot na 50 beurten nog steeds de systeemprompt?
  • Test niet-Engelse invoer, waarvoor mogelijk veel meer tokens worden gebruikt.
  • Beweer dat uw code uitvoertokens reserveert en fouten bij overlimieten netjes afhandelt.
  • Controleer of trimmen nooit de veiligheidsregels opheft, wat ook van belang is voor een snelle injectie verdediging.

Tot slot

Het LLM-contextvenster is een gedeeld tokenbudget, geen geheugen. Tel tokens met de juiste tokenizer, reserveer ruimte voor het antwoord, zet uw systeemprompt vast bij het inkorten van de geschiedenis en haal relevante stukjes op in plaats van alles te plakken. Doe dat en zelfs met een bescheiden raam kom je een heel eind, terwijl met een groot raam snel en betaalbaar blijft. Duidelijke aanwijzingen helpen ook, zoals onze prompt engineering guide laat zien.

Veelgestelde vragen

Wat is een contextvenster in een LLM?

Het is het maximale aantal tokens dat een model in één verzoek kan verwerken, inclusief de systeemprompt, de gespreksgeschiedenis, toegevoegde documenten en het gegenereerde antwoord samen.

Hoeveel woorden passen er in een contextvenster?

Het hangt af van de tekst en tokenizer. Ons Engelse proza ​​gebruikte ongeveer 1,14 tokens per woord, dus 100.000 tokens zijn grofweg 88.000 woorden, maar code en veel andere talen gebruiken meer tokens per woord.

Wat gebeurt er als u het contextvenster overschrijdt?

De API kan het verzoek afwijzen, de app kan oudere berichten verwijderen of documenten inkorten, of het antwoord kan worden afgebroken omdat er geen uitvoertokens meer zijn.

Telt de uitvoer mee voor het contextvenster?

Ja. Invoer en uitvoer delen hetzelfde venster, dus reserveer altijd voldoende tokens voor het antwoord. Veel API’s hebben ook een apart maximum voor uitvoertokens.

Is een groter contextvenster beter dan RAG?

Niet altijd. Grote vensters kosten meer en modellen kunnen details missen tijdens lange invoer. Het ophalen van alleen relevante chunks is vaak goedkoper en nauwkeuriger.

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 →