Test Import
AI-geheugen — wat een systeem vasthoudt als het gesprek voorbij is
Laatst geüpdatet: 24 augustus 2026AI-geheugen — wat een systeem vasthoudt als het gesprek voorbij is Een taalmodel onthoudt niets; geheugen is een architectuur die je eromheen bouwt — selectief vastleggen, duurzaam opslaan, bijwerken als iets verandert, en gericht terughalen. Een groter contextvenster is daar geen vervanging voor. Inhoud Het model zelf heeft geen geheugen Een LLM is een stateless...
Attention & Transformers — de motor onder de LLM
Laatst geüpdatet: 24 augustus 2026Attention & Transformers — de motor onder de LLM Attention is hoe een model bepaalt wélke woorden er voor elkaar toe doen; de Transformer (uit “Attention Is All You Need”, 2017) maakte attention het hart van het model en is de basis van vrijwel alle moderne LLM’s. Inhoud Het probleem dat attention oploste Oudere modellen...
Context engineering — de juiste werkomgeving voor AI ontwerpen
Laatst geüpdatet: 24 augustus 2026Context engineering — de juiste werkomgeving voor AI ontwerpen Context engineering is het doelbewust kiezen, structureren, actualiseren en begrenzen van alles wat een model mag gebruiken om een taak goed uit te voeren. Inhoud Niet alleen een prompt, maar de hele werkomgeving Een prompt is de opdracht die je nu intypt. Context is het hele...
Delphic costs — de verborgen prijs van een antwoord
Laatst geüpdatet: 24 augustus 2026Delphic costs — de verborgen prijs van een antwoord Zoeken is nooit gratis: elke zoekopdracht kost aandacht, moeite en tijd. Delphic costs is de naam voor die niet-financiële prijs — en de verklaring waarom mensen massaal naar chatbots overstapten. Inhoud Waar de term vandaan komt Andrei Broder en Preston McAfee introduceerden het begrip in augustus...
Hallucinaties — waarom AI zelfverzekerd fout kan zijn
Laatst geüpdatet: 24 augustus 2026a Hallucinaties — waarom AI zelfverzekerd fout kan zijn Een hallucinatie is een antwoord dat plausibel klinkt maar onjuist is; het is geen zeldzame bug maar een structureel gevolg van hoe LLM’s getraind en beoordeeld worden — ze worden beloond voor zelfverzekerd gokken, niet voor eerlijk “ik weet het niet”. Inhoud Waarom het gebeurt Een...
Hoe LLM’s werken — van prompt tot antwoord
Laatst geüpdatet: 24 augustus 2026Hoe LLM’s werken — van prompt tot antwoord Een LLM is een neuraal netwerk dat is getraind om steeds het volgende token te voorspellen; uit die ene simpele operatie ontstaat het vermogen om te schrijven, samenvatten, coderen en redeneren — geen begrip, maar geleerde statistische patronen. Inhoud De kernidee: “extreem belezen autocomplete” Een LLM voorspelt...
Kernbegrippen LLM — begrippenlijst
Laatst geüpdatet: 24 augustus 2026Kernbegrippen LLM — begrippenlijst Snel-naslag van het belangrijkste AI/LLM-jargon, in begrijpelijk Nederlands met een analogie per term — bedoeld als referentie tijdens trainingen en als bron voor infographics. Inhoud De fundamenten Token — het kleinste stukje tekst dat een model verwerkt (woord, woorddeel, leesteken, spatie). Vuistregel Engels: ~750 woorden ≈ 1.000 tokens; ~1 token ≈...
Kosten van LLM’s — waarom AI geld kost en hoe je bespaart
Laatst geüpdatet: 24 augustus 2026Kosten van LLM’s — waarom AI geld kost en hoe je bespaart Elk antwoord wordt afgerekend in tokens en rekentijd; kosten ontstaan vooral bij inference (het draaien), en je beheerst ze met slimmere prompts, het juiste model en technieken als caching en quantization. Inhoud Waar de rekening vandaan komt Tokens — je betaalt per input-...
LLM vs. generatieve AI — wat is wat?
Laatst geüpdatet: 24 augustus 2026LLM vs. generatieve AI — wat is wat? Generatieve AI is álle AI die nieuwe content maakt (tekst, beeld, audio, video); een LLM is specifiek het model dat de tekst-delen aandrijft. Elke LLM is generatieve AI, maar niet alle generatieve AI is een LLM. Inhoud De afbakening Generatieve AI = de brede categorie: alles wat...
De LLM-wiki-methode (Karpathy) — kennis die zichzelf onderhoudt
Laatst geüpdatet: 24 augustus 2026De LLM-wiki-methode (Karpathy) — kennis die zichzelf onderhoudt In plaats van zelf een kennisbank bijhouden en af en toe AI vragen stellen, laat je de LLM de hele kennisbank bouwen en onderhouden: je verzamelt bronnen, de LLM “compileert” ze tot een onderling gelinkte wiki. Dit is precies de methode waarop déze kennis-wiki draait. Inhoud Het...
Prompting-technieken — beter vragen, beter antwoord
Laatst geüpdatet: 24 augustus 2026Prompting-technieken — beter vragen, beter antwoord Prompts zijn geen toverspreuken maar stuurmiddelen: vage prompts geven vaag gedrag, heldere prompts geven betrouwbaar gedrag. Een handvol technieken haalt er aanzienlijk meer uit. Inhoud De basistechnieken Wees specifiek + geef context — rol, doel, doelgroep, formaat, voorbeelden. Betere context → het model kiest relevantere patronen. Zero-shot vs. few-shot...
RAG, MCP & agents — AI verbinden met kennis en acties
Laatst geüpdatet: 24 augustus 2026RAG, MCP & agents — AI verbinden met kennis en acties Een kaal LLM kent alleen wat het tijdens training leerde; RAG geeft het een bibliotheekkaart (relevante documenten ophalen), MCP geeft het gereedschap (live data opvragen en handelen), en een agent combineert dat tot plannen-en-uitvoeren. Inhoud De drie rollen (kies het juiste gereedschap) LLM =...
Schema markup en de Knowledge Graph
Laatst geüpdatet: 24 augustus 2026Schema markup en de Knowledge Graph Schema markup is het breedst geadviseerde technische SEO-advies waarvoor het minste bewijs bestaat: in geen van de geraadpleegde bronnen staat één cijfer over de opbrengst — geen CTR-lift, geen conversie, geen gemeten AI-zichtbaarheid. Het enige experiment dat er is, concludeert dat AI-modellen schema als platte tekst lezen en de...