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.
- 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
- Bel het model met het schema en duidelijke instructies.
- Parseer en valideer het antwoord.
- Als dit mislukt, bel dan opnieuw, inclusief de validatiefouten, zoals ‘datum moet overeenkomen met JJJJ-MM-DD’.
- Stop na een klein aantal pogingen en val dan terug: wachtrij voor menselijke beoordeling, retourneer een duidelijke fout of gebruik een standaardwaarde.
- 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
- Eén modeldefinitie in Pydantic of Zod, met veldbeschrijvingen en toegestane waarden.
- Genereer hieruit het JSON-schema en geef het door aan de gestructureerde uitvoer- of tool-calling-functie van de provider.
- Ontleed en valideer het antwoord met hetzelfde model, en val alleen terug op JSON-extractie als dat nodig is.
- Voer semantische controles uit op basis van de brongegevens en bedrijfsregels.
- Probeer het een of twee keer opnieuw met de foutmeldingen en leid de fouten vervolgens door naar een menselijke wachtrij.
- 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
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.
Meer handleidingen over testen, AI en moderne ontwikkeling
Genoten van dit artikel? Kies een onderwerp en ga direct naar onze nieuwste tutorials.
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 →SoftwareontwikkelingAPI-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 →DevOpsGit 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 →SoftwaretestenPaarsgewijze 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 →TestautomatiseringTestdubbels 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 & SQLSQL 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 & SQLSQL 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 →SoftwareontwikkelingJavaScript 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 →SoftwareontwikkelingPython 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 intelligentieLLM-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 →SoftwareontwikkelingWebhooks 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 →DevOpsGit 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 →TestautomatiseringMomentopnametesten 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 →SoftwaretestenMutatietesten 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 intelligentieSnelle 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 →DevOpsDNS-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 →DevOpsFunctievlaggen 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 →TestautomatiseringTest 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 →SoftwaretestenShift-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 & SQLSQL 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 & SQLSQL-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 →SoftwareontwikkelingPython 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 →SoftwareontwikkelingES-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 →SoftwareontwikkelingPython 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 intelligentieLLM 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 →DevOpsSSH-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 →DevOpsHTTP-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 →TestautomatiseringAPI-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 →SoftwaretestenRisicogebaseerd 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 & SQLSQL-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 & SQLSQL-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 →SoftwareontwikkelingPython 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 →SoftwareontwikkelingDebounce 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 →SoftwareontwikkelingPython-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 intelligentieLLM 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 →DevOpsYAML 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 →DevOpsCron 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 intelligentieAI-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 →DevOpsOmgevingsvariabelen 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 →SoftwareontwikkelingAPI-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 →TestautomatiseringSpotten 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 →SoftwaretestenCodedekking 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 & SQLDELETE 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 & SQLSQL-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 →SoftwareontwikkelingTypeScript-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 →SoftwareontwikkelingPython *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 →SoftwareontwikkelingPython 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 intelligentieWat 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 →DevOpsMonitoring 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 →DevOpsDocker-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 →TestautomatiseringTDD 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 →SoftwaretestenGebruikersacceptatietesten (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 & SQLSQL 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 & SQLSQL 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 →SoftwareontwikkelingWat 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 →SoftwareontwikkelingJavaScript-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 →SoftwareontwikkelingPython-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 intelligentieWat 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 →DevOpsImplementatie 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 →TestautomatiseringSchilferige 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 →SoftwaretestenBelastingtesten 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 →SoftwaretestenTestcase 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 & SQLOptimalisatie 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 & SQLSQL 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 →SoftwareontwikkelingJavaScript 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 →SoftwareontwikkelingPython-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 →SoftwareontwikkelingPython-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 intelligentieWat 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 →DevOpsLinux-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 →TestautomatiseringSelenium 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 →SoftwaretestenEquivalentiepartitionering: testontwerptechniek uitgelegd met uitgewerkte voorbeelden
Equivalentiepartitionering uitgelegd: hoe je geldige en ongeldige partities kunt vinden, uitgewerkte voorbeelden voor leeftijden, wachtwoorden en ko…
Lees artikel →SoftwaretestenErnst 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 & SQLTutorial 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 & SQLSQL-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 →SoftwareontwikkelingGit 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 →SoftwareontwikkelingJavaScript-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 →SoftwareontwikkelingZelfstudie 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 intelligentieWat 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 →DevOpsTerraform-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 →DevOpsDocker 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 →TestautomatiseringPytest-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 →SoftwaretestenLevenscyclus 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 →SoftwareontwikkelingGit 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 →SoftwareontwikkelingPython 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 & SQLSQL 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 →