Hybride zoeken combineert BM25 en vector embeddings voor scherpere RAG-retrieval. Praktische Python-implementatie met Qdrant, BGE-M3, Reciprocal Rank Fusion en Cohere reranking, plus evaluatie met NDCG en productietips uit echte deploys.
Bouw een productieklare RAG-parsing-pipeline met Docling 2.x in Python: PDF, tabellen en formules netjes naar Markdown, met LangChain- en Qdrant-voorbeelden.
Leer hoe je productie-LLM's instrumenteert met Langfuse en de Python SDK v4. Van @observe decorators en OpenAI/Claude tracing tot RAG-sessies, kostenanalyse, LLM-as-a-judge evaluaties en zelf-hosting met Docker Compose.
Leer hoe je LLM-applicaties, RAG-pipelines en AI-agents test met DeepEval in Python. Met werkende codevoorbeelden voor RAG-metrics, agent-evaluatie en CI/CD-integratie.
Leer hoe je persistent geheugen toevoegt aan AI-agents met Mem0 in Python. Van basisgebruik tot productieconfiguratie met Qdrant, graph memory met Neo4j en integratie met Claude en LangChain.
Leer function calling (tool use) implementeren met OpenAI, Claude en Gemini in Python. Handleiding met werkende codevoorbeelden, parallelle tool calls, foutafhandeling en productie-architectuur voor 2026.
Leer hoe je AI-agents bouwt met LangGraph in Python. Van tool-calling en het ReAct-patroon tot geheugen, human-in-the-loop en multi-agent orchestratie. Inclusief werkende codevoorbeelden.
Leer hoe prompt caching je LLM-kosten met 50–90% verlaagt. Stapsgewijze Python-implementaties voor OpenAI, Anthropic Claude en Google Gemini, inclusief productiepatronen voor RAG-pipelines.
Leer hoe je betrouwbare, gevalideerde datastructuren uit LLMs haalt met Python. Praktische handleiding over Pydantic, Instructor en PydanticAI met werkende codevoorbeelden voor productie-AI.
Leer stap voor stap hoe je multi-agent AI systemen bouwt met CrewAI en Python. Met werkende codevoorbeelden, custom tools, geheugen, Flows en best practices voor productie.
Bouw een productiewaardige RAG-pipeline in 2026. Van chunkingstrategieën en vectordatabases tot Agentic RAG en GraphRAG — met praktische Python-codevoorbeelden en best practices.
Alles over het Model Context Protocol (MCP): de open standaard die AI-modellen verbindt met externe tools. Leer stap voor stap een MCP-server bouwen in Python en TypeScript.