Transformer uitgelegd
De Transformer is de architectuur achter veel moderne LLM’s. Het kernidee is tokens te verwerken met attention-lagen, zodat het model relaties in de context kan wegen. Daardoor werd training beter paralleliseerbaar dan bij oudere recurrente benaderingen en ontstond een basis voor moderne taalmodellen.
De technische levenscyclus van een verzoek
Een productie-LLM-verzoek is meestal een pipeline, geen enkele model call. De applicatie valideert de invoer, bouwt de prompt, haalt zo nodig context op, stuurt tokens naar een model, roept optioneel tools aan, controleert de uitvoer en logt traces voor latere evaluatie.
Combineert systeeminstructies, gebruikersinvoer, geheugen, voorbeelden en beleid tot één geordende context.
Optionele stap die een vectordatabase of keyword-index doorzoekt naar relevante chunks. Dit is de kern van Retrieval-Augmented Generation (RAG).
Het model berekent waarschijnlijkheden voor het volgende token. Decoding-instellingen zoals temperature beïnvloeden hoe deterministisch of gevarieerd het antwoord wordt.
De app kan bronverwijzingen, schema, naleving van beleid of tooluitvoer valideren voordat het antwoord aan de gebruiker wordt getoond.
Embeddings uitgelegd
Embeddings zijn numerieke vectoren die tekst, afbeeldingen of andere gegevens representeren in een ruimte waarin vergelijkbare betekenissen doorgaans dichter bij elkaar liggen. Ze zijn nuttig voor semantisch zoeken, clustering, aanbevelingen en retrieval. Belangrijk: embeddings zijn geen waarheid; het zijn signalen van overeenkomst.
Self-attention uitgelegd
Self-attention laat elk token andere tokens in dezelfde context wegen. Het model berekent relaties herhaaldelijk over meerdere lagen en maakt zo rijkere representaties van woorden, zinnen en afhankelijkheden. Dit is een reden waarom LLM’s lange instructies en voorbeelden kunnen gebruiken.
Verdieping in tokenization
Tokenization zet tekst om in eenheden die het model kan lezen. Verschillende talen en schriftsystemen kunnen tokens anders gebruiken, wat kosten en contextlengte beïnvloedt. Tokenization verklaart ook waarom exacte tekenlimieten, codefragmenten en zeldzame woorden lastig kunnen zijn.
Retrieval-Augmented Generation (RAG)-architectuur
Een productie-RAG-systeem kan ingestion, chunking, embeddings, een index, retrieval, reranking, prompt assembly, antwoordgeneratie, bronverwijzingen en evaluatie bevatten. Veel fouten ontstaan vóór het genereren — bijvoorbeeld slechte chunks, verouderde documenten, zwakke ranking of ontbrekende toegangsfilters — terwijl andere fouten tijdens synthese, bronverwijzing, weigering of antwoordgeneratie ontstaan.
Ga verder met security, evaluatie, tools, agents en de controles die rond echte applicaties nodig zijn.
Prompt injection
Prompt injection ontstaat wanneer niet-vertrouwde tekst systeem- of developerinstructies probeert te overschrijven. Dit komt veel voor in RAG- en agentworkflows omdat opgehaalde pagina’s verborgen instructies kunnen bevatten. Behandel externe inhoud als data, niet als autoriteit.
Large Language Model (LLM)-evaluatie
LLM-evaluatie meet of uitvoer correct, bruikbaar, veilig en consistent is. Gebruik een mix van geautomatiseerde controles, door modellen beoordeelde rubrics, menselijke review en taakspecifieke tests. Volg regressies in de tijd, vooral na wijzigingen aan prompt, model of retrieval.
Function calling
Function calling laat een model gestructureerde argumenten voor een tool teruggeven in plaats van vrije tekst. De applicatie beslist daarna of de tool wordt aangeroepen, valideert argumenten en handelt fouten af. Het model mag niet de security boundary zijn.
Agents uitgelegd
Een agent is een LLM-gestuurd systeem dat stappen kan plannen, tools kan aanroepen, resultaten kan observeren en kan beslissen wat daarna moet gebeuren — in een lus totdat een doel is bereikt of een stopvoorwaarde geldt. Anders dan één prompt die één antwoord teruggeeft, doorloopt een agent een cyclus: redeneren, handelen, observeren, herhalen. Daardoor zijn agents krachtig voor werk met meerdere stappen, maar ook moeilijker te evalueren, beveiligen en voorspelbaar te houden dan één verzoek.
Een praktische agent combineert meestal vier onderdelen: een model dat plant, een set tools die het kan aanroepen (zoeken, code uitvoeren, een API), geheugen of een scratchpad om voortgang bij te houden, en guardrails die bepalen welke acties menselijke goedkeuring vereisen. Het model is nooit de security boundary — de omliggende applicatie valideert elke actie voordat die wordt uitgevoerd.
Large Action Models (LAMs)
“Large Action Model” (LAM) is een informele brancheterm, geen enkele gestandaardiseerde architectuur of universeel afzonderlijke modelklasse. Meestal beschrijft de term een model- of agentcomponent die is geoptimaliseerd om acties te kiezen en uit te voeren — zoals tools aanroepen, interfaces bedienen of een reeks softwarestappen produceren — in plaats van alleen verklarende tekst te genereren.
In de praktijk worden “LAM” en “LLM-agent” niet consequent gebruikt. Een bruikbaar conceptueel onderscheid is dat de agent het volledige systeem is — model, tools, geheugen of status, beleid, uitvoeringsomgeving en goedkeuringsstappen — terwijl “LAM” naar de component voor actieselectie kan verwijzen. Veel productiesystemen implementeren acties met een LLM plus tool calling, statusbeheer en guardrails in plaats van met een afzonderlijk gedefinieerde LAM-architectuur.
Multi-agentsystemen en toolprotocollen
Naarmate taken groter worden, wordt één agent vaak opgesplitst in meerdere gespecialiseerde agents die samenwerken: één plant, één haalt context op, één voert uit en één controleert het resultaat voordat iets wordt goedgekeurd. Dat lijkt op hoe een klein team werk verdeelt en maakt elk onderdeel makkelijker te testen en te beheren dan één agent die alles probeert te doen.
Voor verschillende integratielagen ontstaan open protocollen. Het Model Context Protocol (MCP) definieert een client-serverprotocol om tools, resources en prompts beschikbaar te maken aan AI-applicaties. Het Agent2Agent (A2A)-protocol richt zich op discovery, communicatie en taakoverdracht tussen agents. Ze kunnen complementair zijn, maar ondersteuning, securityprofielen en adoptie verschillen; beide gebruiken is een architectuurkeuze, geen universele standaard van 2026.
Hallucinaties technisch uitgelegd
Hallucinaties ontstaan uit de kloof tussen vloeiende generatie en onderbouwde verificatie. Het model kan waarschijnlijke tekst produceren wanneer bewijs ontbreekt, opgehaalde context verkeerd wordt gelezen of te breed wordt gegeneraliseerd uit trainingspatronen. Beperking vereist goede retrieval, omgang met onzekerheid, validatie en evaluatie — niet alleen een beter geformuleerde prompt.
