~/blog/series/field-guide
Praktijkgids
Concrete walkthroughs om AI in echte systemen te krijgen, ongeacht welk model je dit kwartaal toevallig gebruikt.
Waar deze reeks over gaat
Deze reeks is de praktische tegenhanger van de rest van de blog. De andere stukken voeren een argument. Deze laten iets zien.
De opdracht is simpel. Kies een model, kies een stack, bouw iets dat werkt, en schrijf op wat overeind bleef en wat niet. Het model wisselt. Sommige stukken gaan over Claude, andere over Gemini, andere over wat toevallig de juiste keuze was voor de klus. Het draait niet om het merk op de API-key. Het draait erom dat werken met AI in echte systemen vakwerk is, en dat vakwerk is overdraagbaar.
Ik blijf op dezelfde observatie terugkomen. Het meeste van wat een AI-project laat slagen heeft niets te maken met het model. Het heeft te maken met de naden. Waar haalt de agent zijn input vandaan, wat mag eruit komen, hoe valt het systeem om wanneer het model zich misdraagt. De gidsen in deze reeks besteden de meeste aandacht aan precies die naden.
Lees deze stukken wanneer je op het punt staat iets te bouwen en eerst wilt zien hoe iemand anders het deed. Ze zijn niet uitputtend. Ze zijn niet neutraal. Het is wat ik heb geleerd door het te shippen, opgeschreven zodat jij de delen kunt overslaan die ik twee keer moest leren.
De AI is niet je vriend: Hoe ik Gemini heb beveiligd
De meeste 'AI-integraties' zijn niet meer dan een chatbox en een schietgebedje. Dit is hoe ik een beveiligde, contextuele en tweetalige assistent bouwde met Gemini 3.1 Flash Lite.
AI aan het werk zetten in je Laravel-backend
Laravel heeft nu echte tools voor AI-integratie. Zo ga je verder dan naïeve API-calls en bouw je gestructureerde, testbare AI-features met Prism en de officiële Laravel AI SDK.