Contextbewuste AI-toepassingen bouwen met LangChain, RAG en vectordatabases
Retrieval Augmented Generation (RAG) lost een belangrijke beperking van grote taalmodellen op: ze hebben geen toegang tot je privégegevens of documenten. In dit traject leer je de orkestratielaag van LangChain, embeddingmodellen en vectordatabases te combineren, zodat je toepassingen tijdens het uitvoeren van een zoekopdracht de juiste context kunnen ophalen en aan een LLM kunnen doorgeven. Zo krijg je nauwkeurige antwoorden die op bronnen zijn gebaseerd in plaats van hallucinaties. Deze vaardigheden zijn direct toepasbaar op chatbots voor interne documentatie, semantische zoekmachines en AI-pijplijnen voor productieomgevingen.
Wat je leert
Je begint met de conceptuele werking van LLM's en RAG en gaat daarna aan de slag met de belangrijkste abstracties van LangChain: ketens, prompts en geheugen. Vervolgens behandel je het laden van documenten, het opdelen van tekst en de volledige embeddingpijplijn die onbewerkte tekst omzet in vectoren die in een vectordatabase worden opgeslagen. Je bouwt en evalueert een complete RAG-toepassing, past LangChain-componenten aan en behandelt beveiligings- en ethische risico's die specifiek zijn voor systemen die informatie ophalen. Geavanceerde modules behandelen hybride en dichte zoekstrategieën, de interne architectuur van vectordatabases zoals Pinecone, Weaviate en Chroma, en operationele aandachtspunten — latentie, kosten en monitoring — bij het in productie brengen van RAG. Het traject eindigt met agentische RAG-patronen, waarbij de retriever zelf een hulpmiddel wordt dat een LLM dynamisch kan aanroepen.
Het leertraject
Twaalf cursussen lopen van A1 tot en met C2. De eerste twee cursussen (A1–A2) leggen de basis: concepten rond LLM en RAG en vervolgens de bouwstenen van LangChain. De cursussen op B-niveau (B1–B2) behandelen documentverwerking, embeddings, de basis van vectordatabases, een volledige cyclus voor het bouwen en evalueren van RAG, het aanpassen van componenten en beveiligingsoverwegingen. De C1-cursussen gaan verder met geavanceerde zoektechnieken en een diepgaande blik op architecturen van vectordatabases en eindigen met RAG-systemen geschikt maken voor productie. De twee afsluitende C2-cursussen — Agentische RAG en integratie van hulpmiddelen en Geavanceerde RAG-gebruiksscenario's en toekomstige ontwikkelingen — behandelen workflows voor agents met meerdere stappen en nieuwe patronen op het gebied van toegepaste LLM-engineering.
Zo werkt het
Elke cursus bestaat uit korte, gerichte lessen die je in de ingebouwde code-editor doorloopt, met realtimefeedback. Een AI-tutor is beschikbaar wanneer je vastloopt en de oefeningen zijn gebaseerd op realistische scenario's — echte documenten laden, live vectoropslag bevragen en zoekpijplijnen debuggen — zodat je de vaardigheden direct kunt toepassen in productiewerk.
