Week W46 · 9-15 november 2026

Build AI. Run AI. Own AI.

Ik bouw dit niet in een lab, maar middenin mijn eigen leven als zzp'er en vader — en toch ontwerp ik elke keuze alsof er een enterprise-klant op leunt: multi-tenant vanaf dag 1, secrets die nooit een mens ziet, migraties die nooit terug kunnen. Dit is het logboek van die combinatie: zelf bouwen, zelf draaiend houden, zelf eigenaar blijven — inclusief de aanname, de misser en de prijs van elke keuze.

Een kennisgraaf die louter uit korte, geatomiseerde beweringen (claims) bestaat, is razendsnel in het vinden van feiten. Maar soms vraagt iemand in een gesprek niet naar een los feit, maar naar de nuance, de aanleiding of het precieze verhaal achter een beslissing. Als je dan altijd alleen de samengevatte claims ophaalt, mist het antwoord diepgang; als je daarentegen bij élke vraag blind alle onderliggende brondocumenten en omliggende passages uit de database trekt, loopt de responstijd volledig uit de hand. Deze week bracht ik die twee uitersten samen met *instelbare zoekstroken (retrieval lanes), vooraf berekende contextvragen per bron en een strenge eindcontrole op citaten.

Het probleem dat opdook

Tijdens het doorlichten van complexe profiel- en kennisvragen (vastgelegd in ons evaluatiedossier `E1416`) kwamen twee knelpunten tegelijk aan het licht:

  1. Blind uitklappen van diepe broncontext was veel te zwaar. Om een antwoord meer kleur te geven, haalde een verrijkingsstap rondom elke gevonden claim ook de bredere broncontext (`source_context_bundles`) op. Bij een rijke kennisgraaf bleek die ene diepe SQL-join over meerdere bronlagen en tekstsegmenten in het slechtste geval bijna tweehonderd seconden te kunnen duren — onwerkbaar voor een live gesprek.
  2. Het verschil tussen parafraseren en letterlijk citeren. Wanneer een assistent een bronpassage erbij pakt om een antwoord te onderbouwen, wil je zeker weten dat een aangehaald citaat ook echt uit die bron komt en niet een vrije samenvatting is die als citaat wordt gepresenteerd. Bovendien eindigde een antwoord soms nog te open als een deelvraag wel in een zijpad van het document stond, maar de brug tussen de korte claim en het oorspronkelijke document ontbrak.

De makkelijke weg die ik had kunnen nemen

Ik had het ophalen van de diepe broncontext simpelweg kunnen uitzetten om de snelheid te redden, of ik had een harde `LIMIT 3` op de zware query kunnen zetten en hopen dat de juiste alinea daar toevallig bij zat. Het eerste maakt de chat snel maar oppervlakkig; het tweede maakt de kwaliteit van het antwoord tot een loterij.

De keuze die ik maakte en de strategie erachter

Ik verving het "alles of niets"-zoeken door een gelaagde retrieval-architectuur in Curator en Core:

  • Geversioneerde contextvragen bij elk brondocument (artifact context questions). Al tijdens het verwerken van een bron in de kennisgraaf genereert en versioneert Curator nu de kernvragen waarop dit specifieke document en zijn secties antwoord geven. Daardoor weet het platform al vóór het lezen van de volledige tekst welk document de diepere verklaring achter een claim bevat.
  • Kiesbare zoekstroken (selectable retrieval lanes). Niet elke vraag verdient dezelfde zoekroute. Een feitelijke vraag volgt de snelle claim-first strook; pas wanneer de vraag om achtergronden, nuances of specifieke voorbeelden vraagt — of wanneer de losse claims nog onvoldoende sluitend zijn — schakelt de engine gericht door naar de verrijkte source-context strook voor alleen de relevante bronnen. De loodzware alles-in-één bundelquery is daarmee van het kritieke pad verdwenen.
  • Sluitende antwoordcontrole met bron- en citaatverificatie (grounded conversational answer closure). Voordat een antwoord de deur uitgaat, controleert het platform of alle onderdelen van de gebruikersvraag daadwerkelijk beantwoord zijn én of elk genoemd citaat en elke bronverwijzing herleidbaar is tot de opgehaalde passage. Kan een deelvraag niet hard worden gemaakt uit de goedgekeurde bronnen, dan benoemt het antwoord eerlijk die grens in plaats van het gat op te vullen.
Architectuurdiagram W46: Geversioneerde contextvragen, kiesbare retrieval-stroken en grounded conversational answer closure

Wat het kostte

Het ontwerpen van geversioneerde contextvragen en gescheiden zoekstroken betekende dat ik zowel de voorbereidende kant (hoe een bron in Curator wordt opgeslagen) als de vragende kant (hoe de chat zijn context opbouwt en valideert) op elkaar moest afstemmen. En ik moest mijn evaluatiesuite (`E1416`) uitbreiden om niet alleen te meten óf een antwoord klopt, maar ook langs welke strook en met welke doorlooptijd het tot stand komt.

Wat het nu oplevert en wat ik ervan leerde

De kennischat combineert nu de snelheid van geatomiseerde claims met de diepgang van de originele brontekst, zonder dat zware context-queries het gesprek vertragen — en met de garantie dat een citaat ook echt een citaat is.

De les van deze week vormt een mooi voorlopig rustpunt in deze serie: een volwassen kennisplatform behandelt niet elke vraag op dezelfde manier, maar kiest bewust hoeveel diepte er nodig is en legt verantwoording af over elk stukje bewijs dat het gebruikt. Van de eerste losse container in februari tot een contractgestuurd, multi-agent onderhouden platform in november: Build AI, Run AI, Own AI* blijkt uiteindelijk geen eindbestemming, maar de discipline om elke laag van je eigen systeem echt te blijven begrijpen.