LLM Temperatuur en Top-p uitgelegd: Hoe AI-modellen hun volgende woord kiezen
Temperatuur en top-p zijn de twee instellingen die bepalen hoe voorspelbaar of gevarieerd de antwoorden van een AI-model zijn. We hebben de wiskunde erachter gesimuleerd met een speelgoedvoorbeeld, zodat je precies kunt zien wat elke instelling met de keuzes van het model doet.
- Een model produceert een waarschijnlijkheid voor elk mogelijk volgend token en bemonstert er vervolgens één.
- Temperatuur geeft deze kansen een nieuwe vorm: lage waarden verscherpen ze, hoge waarden maken ze vlakker.
- Top-p bewaart alleen de meest waarschijnlijke tokens die samen een waarschijnlijkheidsdrempel bereiken.
- Gebruik een lage temperatuur voor extractie en code, gematigd voor chatten en wijzig één instelling tegelijk.
Stel een AI-model twee keer dezelfde vraag en het kan zijn dat je twee verschillende antwoorden krijgt. Vraag hem om een datum uit een factuur te halen en je wilt elke keer hetzelfde antwoord. Vraag het om tien slogan-ideeën en je wilt variatie. De instellingen die deze afweging bepalen zijn temperatuur en top-p, en behoren tot de meest onbegrepen opties in elke AI API.
We konden de interne waarschijnlijkheden van een commercieel model niet inspecteren, dus bouwden we een kleine Python-simulatie van de standaardberekeningswiskunde, met behulp van verzonnen scores voor vier kandidaatwoorden. Alle onderstaande cijfers komen uit die simulatie. Echte modellen kiezen uit tienduizenden tokens en providers kunnen details anders implementeren, maar het gedrag is in principe hetzelfde.
Hoe een model het volgende woord kiest
Bij elke stap voert een groot taalmodel een score uit, een zogenaamde logit, voor elk token in zijn vocabulaire. Een functie met de naam softmax zet deze scores om in kansen die optellen tot 1. Het model bemonstert vervolgens één token op basis van die kansen, voegt dit toe aan de tekst en herhaalt dit. Temperatuur en top-p veranderen de kansen vóór die bemonsteringsstap.
Ons speelgoedvoorbeeld
Stel je de prompt voor: “De hoofdstad van Frankrijk is”. We gaven vier kandidaat-volgende woorden deze scores:
logits = {"Paris": 5.0, "Lyon": 3.0, "London": 2.5, "banana": 0.0}
Parijs heeft duidelijk de voorkeur, Lyon en Londen zijn plausibel klinkende fouten, en banaan is onzin. Een echt model zou ook een zekere waarschijnlijkheid toekennen aan duizenden andere tokens.
Temperatuur: slijpen of afvlakken
De temperatuur verdeelt elke score voordat softmax wordt toegepast. Delen door een klein getal overdrijft de verschillen tussen scores; delen door een groot aantal verkleint ze. Dit zijn de kansen die onze simulatie heeft opgeleverd:
| Temperatuur | Parijs | Lyon | Londen | banaan |
|---|---|---|---|---|
| 0.2 | 1.000 | 0.000 | 0.000 | 0.000 |
| 0.7 | 0.921 | 0.053 | 0.026 | 0.001 |
| 1.0 | 0.817 | 0.111 | 0.067 | 0.006 |
| 1.5 | 0.672 | 0.177 | 0.127 | 0.024 |
| 2.0 | 0.576 | 0.212 | 0.165 | 0.047 |
Bij 1,0 wordt de eigen verdeling van het model onveranderd gebruikt. Bij 0,2 krijgt Parijs vrijwel alle waarschijnlijkheid. Bij 2,0 daalt Parijs naar 58%, en zelfs banaan stijgt naar bijna 5%. Temperatuur voegt in geen enkele diepe zin kennis of creativiteit toe. Het verandert alleen hoe bereid het model is om minder waarschijnlijke opties te kiezen, wat frissere bewoordingen of simpelweg meer fouten kan betekenen.
Hoe monstername eruit ziet
Waarschijnlijkheden zijn abstract, dus hebben we 1000 monsters getrokken bij drie temperaturen, met behulp van een vast willekeurig zaad:
T=0.2 {'Paris': 1000, 'Lyon': 0, 'London': 0, 'banana': 0}
T=1.0 {'Paris': 810, 'Lyon': 117, 'London': 70, 'banana': 3}
T=2.0 {'Paris': 607, 'Lyon': 202, 'London': 146, 'banana': 45}
Bij een temperatuur van 2,0 noemden ongeveer 4 op de 10 antwoorden de verkeerde stad, en 45 van de 1.000 zeiden “banaan”. Bedenk nu dat een echt antwoord honderden tokens lang is. Een kleine kans op een vreemde keuze bij elke stap telt op, en één slecht token vroeg in een zin kan de rest van het antwoord in de verkeerde richting sturen. Dit is een van de redenen waarom hoge temperaturen hallucinaties waarschijnlijker maken.
Temperatuur 0 en determinisme
Bij temperatuur 0 zou de wiskunde door nul worden gedeeld, dus behandelen API’s het als “kies altijd het meest waarschijnlijke token”, genaamd hebzuchtige decodering. Dat maakt de uitvoer veel herhaalbaarder, maar in de praktijk niet elke keer perfect identiek. Gehoste modellen kunnen enigszins variëren vanwege de manier waarop berekeningen in batches en parallellisatie worden uitgevoerd op de hardware van de provider, en modellen worden in de loop van de tijd bijgewerkt. Sommige API’s bieden een zaadparameter voor betere herhaalbaarheid. Beschouw temperatuur 0 als “zeer consistent”, niet als garantie.
Tip: Hebzuchtig decoderen is niet altijd het beste, zelfs niet voor feitelijke taken. Het kan vastlopen bij het herhalen van zinnen in lange uitvoer. Voor lange tekst leest een lage temperatuur, maar niet nul, zoals 0,2 tot 0,4, vaak natuurlijker en blijft gefocust.
Top-p (kernbemonstering)
Top-p pakt het anders aan. Het sorteert tokens van meest naar minst waarschijnlijk, behoudt de kleinste groep waarvan de kansen opgeteld minstens p zijn, gooit de rest weg en renormaliseert. Toegepast op onze temperatuur-1,0-kansen:
top_p=0.5 {'Paris': 1.0}
top_p=0.9 {'Paris': 0.881, 'Lyon': 0.119}
top_p=0.99 {'Paris': 0.821, 'Lyon': 0.111, 'London': 0.067}
Met een waarde van 0,5 dekte Parijs alleen al meer dan de helft van de waarschijnlijkheid, dus het was de enige optie. Op 0,9 kwam Lyon erbij. Zelfs bij 0,99 werd de banaan afgesneden. Dat is de kracht van top-p: het verwijdert de lange staart van onwaarschijnlijke tokens die onzin veroorzaken, terwijl het zich aanpast aan de situatie. Als het model zelfverzekerd is, overleven er maar weinig tokens; als veel voortzettingen redelijk zijn, overleven er meer.
Top-k en min-p
- Top-k bewaart een vast aantal van de meest waarschijnlijke tokens, zoals 40, ongeacht hun waarschijnlijkheid. Het is eenvoudig maar past zich niet aan: 40 kan te veel zijn als het model zeker is, en te weinig als dat niet het geval is.
- Min-p bewaart tokens waarvan de waarschijnlijkheid minstens een fractie is van de waarschijnlijkheid van het bovenste token. Het is populair in open-source modeltools en er wordt beweerd dat het goed werkt bij hogere temperaturen, hoewel het onderzoek nieuwer is.
Niet elke API biedt elke optie. Controleer in de documentatie van uw provider welke parameters beschikbaar zijn en wat hun standaardwaarden zijn.
Gebruik temperatuur en top-p samen
Beide instellingen vormen dezelfde verdeling, dus het veranderen van beide tegelijk maakt het gedrag moeilijk te voorspellen. Verschillende providers raden aan om de ene aan te passen en de andere op de standaardwaarde te laten staan. Een redelijke aanpak is om eerst de temperatuur af te stemmen, omdat dit gemakkelijker is om over te redeneren, en alleen naar top-p te gaan als je zeldzame eigenaardigheden bij een hogere temperatuur moet uitschakelen.
Voorgestelde instellingen per taak
| Taak | Temperatuur | Waarom |
|---|---|---|
| Gegevensextractie, classificatie | 0 tot 0,2 | Eén juist antwoord; consistentie is belangrijk |
| Codegeneratie | 0 tot 0,3 | Kleine afwijkingen breken de code |
| Vraag beantwoorden met bronnen | 0,1 tot 0,4 | Blijf dicht bij de opgegeven tekst |
| Algemene chat, samenvattingen | 0,5 tot 0,8 | Natuurlijke toon met redelijke focus |
| Brainstormen, creatief schrijven | 0,8 tot 1,2 | Afwisseling is het doel |
Dit zijn uitgangspunten die voortkomen uit de gangbare praktijk, en niet uit regels. Modelfamilies verschillen, de standaardwaarden verschillen per provider, en sommige nieuwere redeneermodellen repareren of negeren deze instellingen volledig. Test met uw eigen aanwijzingen. Duidelijke instructies, beschreven in onze snelle technische handleiding, zijn meestal belangrijker dan het verfijnen van deze cijfers.
Veelvoorkomende mythen
- “Hogere temperaturen maken het model slimmer en creatiever.” Het maakt alleen minder waarschijnlijke tokens waarschijnlijker. Soms is dat een welkome afwisseling; Vaak is het alleen maar lawaai.
- “Temperatuur 0 betekent dat het antwoord juist is.” Dit betekent het meest waarschijnlijke antwoord. Als het model absoluut fout is, zorgt temperatuur 0 ervoor dat het consequent fout is.
- “De temperatuur regelt de lengte.” De lengte wordt bepaald door de prompt en de instelling voor het maximale aantal tokens, niet door de temperatuur.
- “Lager is altijd veiliger.” Zeer lage instellingen kunnen repetitieve of hoogdravende tekst in lange uitvoer veroorzaken.
AI-functies testen
Door middel van steekproeven worden AI-functies niet-deterministisch, wat de manier verandert waarop u ze test:
- Voer elke testcase meerdere keren uit en meet het slagingspercentage, in plaats van te vertrouwen op één run.
- Controleer de eigenschappen, niet de exacte tekenreeksen: geldige JSON, verplichte velden aanwezig, getallen die overeenkomen met de bron, geen verboden inhoud. Dit is hetzelfde idee als op eigendommen gebaseerd testen.
- Pas de temperatuur in tests aan zodat deze overeenkomt met de productie en leg deze vast bij de resultaten.
- Voer uw evaluatieset opnieuw uit telkens wanneer u het model, de prompt of de bemonsteringsinstellingen wijzigt.
Instellen in een API-aanroep
De meeste chat-API’s accepteren deze instellingen als velden in de hoofdtekst van het verzoek. Een typisch verzoek voor een extractietaak ziet er ongeveer zo uit (een illustratie, niet uitgevoerd voor dit artikel, en veldnamen variëren per provider):
{
"model": "your-model-name",
"temperature": 0.1,
"max_tokens": 300,
"messages": [
{"role": "user", "content": "Extract the invoice date and total as JSON: ..."}
]
}
Bewaar deze waarden in de configuratie, niet verspreid door de code, en log ze bij elke aanvraag samen met de modelnaam. Als een antwoord er weken later vreemd uitziet, bespaart het kennen van de exacte instellingen die het antwoord hebben opgeleverd een hoop giswerk. Als je meerdere functies vanuit één model bedient, geef dan elke functie zijn eigen instellingen: de samenvatter en de codeassistent willen zelden dezelfde temperatuur.
Tot slot
Temperatuur en top-p veranderen niets aan wat een model weet; ze veranderen hoe avontuurlijk het is bij het kiezen van elk volgend token. Onze speelgoedsimulatie liet zien dat de temperatuur in Parijs daalde van zeker naar 58% en dat de top-p de onzinstaart afsneed. Begin laag voor taken met één goed antwoord, verhoog de temperatuur alleen als je variatie wilt, pas één instelling tegelijk aan en test met herhaalde runs.
Veelgestelde vragen
Wat doet temperatuur in een LLM?
Het herschaalt de kansen van het model vóór de bemonstering. Lage temperaturen zorgen ervoor dat het meest waarschijnlijke teken domineert; hoge temperaturen verspreiden de waarschijnlijkheid naar minder waarschijnlijke tokens, waardoor de variëteit en het risico toenemen.
Wat is top-p-sampling?
Top-p bewaart de kleinste set van meest waarschijnlijke tokens waarvan de gecombineerde waarschijnlijkheid p bereikt, zoals 0,9, en bemonstert alleen daarvan. Het verwijdert de onwaarschijnlijke staart.
Geeft temperatuur 0 elke keer hetzelfde antwoord?
Meestal zeer vergelijkbare antwoorden, maar niet gegarandeerd. Gehoste modellen kunnen enigszins variëren vanwege de manier waarop ze worden uitgevoerd, en modellen worden in de loop van de tijd bijgewerkt.
Moet ik de temperatuur en de top-p samen veranderen?
Over het algemeen nee. Beide hervormen dezelfde distributie, dus veel providers raden aan om de ene aan te passen en de andere op de standaardwaarde te laten.
Welke temperatuur moet ik gebruiken voor code?
Een lage waarde, doorgaans 0 tot 0,3, omdat kleine willekeurige afwijkingen de code kunnen breken. Test altijd de gegenereerde code, ongeacht de instelling.
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 →