DevOps

Neo4j is waar je naartoe grijpt wanneer de relaties de data zijn. Als je domein eruitziet als een whitebord met cirkels en pijlen, dan is het pijnlijk om dit in tabellen te dwingen.

Statische websites en blogs veranderen telkens wanneer je ze uitrolt. Zoekmachines die IndexNow ondersteunen, kunnen op de hoogte worden gebracht van deze wijzigingen zonder te hoeven wachten op de volgende blinde crawl.

SGLang is een high-performance framework voor het uitvoeren van inference bij grote taalmodellen en multimodale modellen, ontworpen om lage latentie en hoge doorvoer te leveren, variërend van een enkele GPU tot gedistribueerde clusters.

Apache Kafka 4.2.0 is de momenteel ondersteunde releaseversie en vormt de beste basis voor een moderne Quickstart, omdat Kafka 4.x volledig zonder ZooKeeper werkt en standaard rond KRaft is gebouwd.

Binnenkort balanceren vLLM, llama.cpp en meer—elk stack op zijn eigen poort. Alles downstream wil nog steeds één /v1 basis-URL; anders blijf je met poorten, profielen en eenmalige scripts shuffelen. llama-swap is de /v1 proxy voor die stacks.

Het ontwikkelen van software omvat Git voor versiebeheer, Docker voor containerisatie, bash voor automatisering, PostgreSQL voor databases en VS Code voor bewerking — samen met talloze andere tools die je productiviteit kunnen maken of breken. Deze pagina verzamelt de essentiële cheatsheets, workflows en vergelijkingen die je nodig hebt om efficiënt te werken binnen de volledige ontwikkelstack.

LocalAI is een self-hosted, local-first inference server die ontworpen is om te gedragen als een drop-in OpenAI API voor het uitvoeren van AI-werklasten op uw eigen hardware (laptop, workstation of on-premise server).

Ik keer steeds terug naar llama.cpp voor lokale inferentie – het geeft je controle die Ollama en anderen abstracteren, en het werkt gewoon. Het is eenvoudig om GGUF-modellen interactief te draaien met llama-cli of een OpenAI-compatibele HTTP-API bloot te stellen met llama-server.

Kunstmatige intelligentie (AI) verandert de manier waarop software wordt geschreven, beoordeeld, geïmplementeerd en onderhouden. Van AI-programmeerassistenten tot GitOps-automatisering en DevOps-werkstromen: ontwikkelaars vertrouwen nu op AI-gedreven tools door de hele softwarelevenscyclus heen.

Airtable is het beste te beschouwen als een low-code toepassingsplatform dat is opgebouwd rondom een samenwerkende “database-achtige” spreadsheet UI - ideaal voor het snel maken van operationele tools (interne trackers, lichte CRM’s, content pijplijnen, AI evaluatie wachtrijen) waarbij niet-ontwikkelaars een vriendelijke interface nodig hebben, maar ontwikkelaars ook een API oppervlak nodig hebben voor automatisering en integratie.

OpenCode is een open-source AI-coding agent die je in de terminal (TUI + CLI) kunt uitvoeren, met optionele desktop- en IDE-interfaces. Dit is de OpenCode Quickstart: installeren, verifiëren, een model/anbieder verbinden en echte workflows uitvoeren (CLI + API).

LLM-inferentie lijkt op “nog een API” — totdat de latentie piekt, wachtrijen oplopen en je GPU’s 95% geheugen gebruiken zonder duidelijke verklaring.

AWS S3 blijft de “standaard” basislijn voor objectopslag: het is volledig beheerd, sterk consistent en ontworpen voor extreem hoge duurzaamheid en beschikbaarheid.
Garage en MinIO zijn zelfgehoste, S3-compatibele alternatieven: Garage is ontworpen voor lichte, geografisch verspreide kleine- tot middelgrote clusters, terwijl MinIO zich richt op brede S3 API functiebedekking en hoge prestaties bij grotere implementaties.

Temporal is een open-source workflow-engine op enterprise-niveau die ontwikkelaars in staat stelt duurzame, schaalbare en fouttolerante workflow-applicaties te bouwen met behulp van bekende programmeertalen zoals Go.

LLM-systemen falen op manieren die traditionele API-monitoring niet kan oppikken: wachtrijen vullen zich stilzwijgend, GPU-geheugen verzadigt lang voordat de CPU druk lijkt, en latentie explodeert op de batchlaar in plaats van op de applicatielaag.

Observability vormt de basis van betrouwbare productiesystemen.

Zonder metingen, dashboards en alarmering raken Kubernetes-clusters uit balans, falen AI-workloads stil en gaan latentieregressies onopgemerkt voorbij tot gebruikers klagen.