De shop is live

Wij bouwen Workstation AI-machines voor websites, AI-agents en LLM-training — configureer en koop online.

Bekijk handelsprijzen
AI-producten
AI LabsOpenAI-agentsClaude-agentsGrok-botWorkstation AI native CRMMarketingAlle producten
AI-oplossingen
Toegepaste AIAI-agentsGeneratieve AIAI-automatiseringAI-bijscholingAI-pakketten voor het mkbEnterprise AI LabAI-werkstationsNVIDIA-hardware en -softwareNVIDIA Accelerated ComputingPrivate AIGPU private cloudGPU-clustersEdge AIAI per sector
AI-diensten
PlatformmoderniseringDigitale engineeringDatafundamenten en AIAutonome operatiesAI-adviesDevOps-automatiseringCybersecuritySoftwareontwikkelingAgentontwikkelingMLOps-opzetGPU-leasingGPU private cloud
Over ons
BedrijfOns verhaalPartnersKlantverhalen
AI-datacenters
AI-datacentersGPU private cloudGPU-clustersGPU-leasing
AI-inzichtenJev-reeksBenchmarklabModelkeuze
Technische notities
Documentatie
Linux-OSUbuntuRed Hat Enterprise LinuxSUSE LinuxAlpine LinuxDebian, Rocky & AlmaLinux
AI-cloudplatformsAWS & Amazon BedrockGoogle Cloud & Vertex AIMicrosoft Azure & AI FoundryGPU-clouds en -marktplaatsen
Private AI-datacentersVoor advocatenkantorenVoor accountantskantorenOn-premises platformsVolledig beveiligde cloud
ToolsRing PromoterJobshout
Nieuws
Blog
Neem contact opInloggen

AI-werkstations, AI multi-agent software, GPU-infrastructuur en intelligente agentoplossingen voor moderne bedrijven.

Neem contact op

AI-oplossingen

Toegepaste AIAI-agentsGeneratieve AIAI-automatiseringAI-bijscholingAI-pakketten voor het mkbEnterprise AI LabAI per sector

Producten

Alle productenWorkstation AI-native CRM & ERPMarketingOpenAI-agentsRing PromoterJobshout

Bedrijf

Over onsBedrijfAI-datacentersWaarom WorkstationPartnersKlantverhalenPrijzenContactTenthMatrix

Bronnen

AI-inzichtenTechnische notitiesDocumentatieLinux-OSAI-cloudplatformsPrivate AI-datacentersBlogZoekenSitemap
Kantoor België
Workstation SRL, Rue Vanderkindere 34, 1180 Uccle, BrusselsBE 0751.518.683Ma - Vr: 9:00 - 18:00 CET
+32 492 45 67 46
Hoofdkantoor VK
77-79 Marlowes, Hemel Hempstead HP1 1LFRoute: neem afrit 20 van de M25, Outer LondonBedrijfsnummer: 11641870Ma - Vr: 9:00 - 18:00 GMT
+44 7515 356 146
Kantoor India
#159 Sector 9, Pocket 1, DDA Flats, 110077 Dwarka, New Delhi
+91 98881 98841
Kantoor Taiwan
3F, No. 2-4, Aisi Rd., Ren'ai Dist., Keelung City 200, Taiwan基隆市仁愛區愛四路2之4號3樓Ma - Vr: 9:00 - 18:00 Taiwanese tijd (GMT+8)
+886 926 892 701+32 492 45 67 46
Kantoor Estland
Aleksander Puškini tn 30-25, 20306 Narva, EstoniaMa - vr: 9:00 - 18:00 uur Estse tijd (EET)
+32 492 45 67 46

© 2026 Workstation AI. Alle rechten voorbehouden.

PrivacyGegevensverwijderingCookiesServicevoorwaardenWebsite-sitemap

NVIDIA, het NVIDIA-logo, RTX, RTX PRO, Blackwell, CUDA, NVLink, MGX, Omniverse, Spectrum-X, Quantum, BlueField, DGX en HGX zijn handelsmerken en/of gedeponeerde handelsmerken van NVIDIA Corporation in de VS en andere landen. AMD, het AMD Arrow-logo, EPYC, Instinct, Ryzen en Threadripper zijn handelsmerken van Advanced Micro Devices, Inc. Dell en PowerEdge zijn handelsmerken van Dell Inc. of haar dochterondernemingen. Intel en Xeon zijn handelsmerken van Intel Corporation of haar dochterondernemingen. AMAX, AceleMax en LiquidMax zijn handelsmerken van AMAX Engineering Corporation. Alle andere productnamen, logo's en merken zijn eigendom van hun respectieve eigenaren. Wij gebruiken ze uitsluitend om de producten aan te duiden die wij beschrijven, leveren of ondersteunen; het gebruik ervan betekent niet dat de eigenaren ons onderschrijven.

Loading blog...

Home / Blogs
AI AgentsRagNebuladbVector SearchSemantic SearchLLMDatabaseMcpOllamaRustAI

AI-agents bouwen met NebulaDB: semantisch zoeken, RAG en een Visa AI Agent

Acht praktische Labs en een werkende Visa AI Agent: wat we op NebulaDB bouwden, wat we maten en wat we leerden

Balinder Walia8 november 20266 min read
Build AI agents with NebulaDB: semantic search, filtered SQL, RAG and a Visa AI Agent

De meeste AI-agents falen op data, niet op het model. Ze halen het verkeerde document op, lekken een record dat de gebruiker niet mag zien, of laten een taalmodel een getal verzinnen dat juist klinkt. We bouwden acht praktische NebulaDB Labs en een werkende Visa AI Agent om te laten zien hoe u die laag goed krijgt. Dit artikel loopt door wat we bouwden, wat we maten en wat we leerden. De volledige technische gids bevat elke query, elk plan en elk resultaat.

Het idee: de data, zoekfunctie en modelaanroepen van de agent op één plek

Clouddatabases zoals AlloyDB AI van Google hebben het duidelijk gemaakt: een AI-applicatie is makkelijker te bouwen wanneer de database de vector search, de embeddings en de modelaanroepen doet, dicht bij de operationele data. We zijn het met dat idee eens. NebulaDB is onze opensource-invulling ervan, één Rust-binary die u op uw eigen hardware kunt draaien:

  • Documenten met metadata, bij het schrijven ge-embed door een inplugbare embedder (wij draaien nomic-embed-text, 768 dimensies).
  • Vector-, keyword- (BM25) en hybride zoeken via één endpoint.
  • SQL met betekenis: semantic_match(text, '…') naast gewone filters zoals min_age <= 55, via REST of het Postgres-wireprotocol.
  • Een LLM-gateway (/api/v1/ai/chat) die chat, redeneren en samenvatten naar het model stuurt dat u configureert.
  • Een MCP-server, zodat agents zoals Claude SQL, zoeken en RAG als tools kunnen aanroepen.

Onze productie-instantie bevat 8,3 miljoen documenten. De Labs draaien op diezelfde server, elk in een eigen kleine bucket.

Acht Labs, acht bedrijven, één database

Elk Lab leert één idee in twee tot vijf minuten en draait tegen een echte NebulaDB. Er zijn geen opnames en geen ingeblikte getallen. U kiest een bedrijfs-"pack" (een scholenstichting, een zorggroep, een teamchat van een logistiek bedrijf, een nieuwsredactie, een B2B-leverancier, kleine Britse bedrijven met belastingnotities, Indiase boeren die in het Hindi en Punjabi vragen stellen, of een Thais visumbureau) en het Lab vult bij het eerste gebruik de documenten van dat pack. Alle data is verzonnen.

  1. Betekenis versus woorden: dezelfde vraag via BM25, vector search en hybride zoeken, naast elkaar.
  2. Modelvergelijking: hit@1, hit@5 en MRR voor elke retriever over een gelabelde vragenset.
  3. Filters die ertoe doen: semantisch zoeken plus metadatafilters in één SQL-statement, met EXPLAIN ANALYZE.
  4. RAG, stap voor stap: veiligheidsregels, dan retrieval, dan genummerde bronnen, dan hetzelfde model twee keer gevraagd, één keer zonder de bronnen en één keer met.
  5. Redeneren over de data: een plan in meerdere stappen waarin elke stap een live SQL-query is.
  6. Wanneer nee zeggen: weigeringsregels, toegangsfilters per gebruiker en relevantiedrempels, gescoord op een confusion matrix.
  7. Opschalen: een HNSW-ef-sweep die latency inruilt tegen overeenstemming.
  8. Zie de ruimte: embeddings in uw browser geprojecteerd naar 2D.

Wat we maten: hybride zoeken wint niet altijd

Op 8 november 2026 draaiden we de gelabelde vragen van elk pack tegen productie-NebulaDB en registreerden we hit@1, het aandeel vragen waarvan het juiste document als eerste terugkwam:

BedrijfspackBM25VectorHybride
Scholenstichting en universiteit59%74%89%
Zorginstellingen62%88%73%
Thais visumbureau42%71%65%
Kleine bedrijven en belasting58%62%77%
Boeren (Engels, Hindi, Punjabi)42%32%48%

Hier kwamen twee lessen uit. Ten eerste hangt de beste retriever af van het bedrijf: hybride zoeken won voor de school en het belastingpack, terwijl gewone vector search won voor zorginstellingen en visa. Meet voordat u kiest. Ten tweede heeft een op het Engels gerichte embedder moeite met Hindi en Punjabi, en geen enkele hoeveelheid prompt engineering lost dat op. De oplossing is een meertalige embedder. Deze vragensets zijn klein (26 tot 55 vragen per stuk), dus behandel ze als smoke tests, niet als benchmarks.

De Visa AI Agent: laat code beslissen, laat het model schrijven

De Visa AI Agent beantwoordt vragen voor "Lotus Gate", een fictief Thais visumbureau, met 138 documenten: 32 visumtypen verdeeld over 21 routes, plus regels, processen, tarieven, kantoren en vertrouwelijke dossiernotities van klanten. De ontwerpregel is eenvoudig: het taalmodel beslist nooit wat er wordt opgevraagd. Kleine lokale modellen volgen instructies voor tool-aanroepen niet betrouwbaar, dus gewone code doet vier taken:

  1. Het leest de leeftijd, het spaargeld, het inkomen en het doel van de aanvrager uit het bericht.
  2. Het voert eerst de veiligheidsregels uit. Een verzoek om een vals bankafschrift krijgt een vast antwoord, en er wordt geen model aangeroepen.
  3. Het kiest de tools en schrijft de SQL zelf, zoals deze echte Visa Finder-query:
SELECT * FROM lab_visa
 WHERE semantic_match(text, 'I''m 55, British, with 900k THB savings and want to retire in Chiang Mai')
   AND kind = 'visa_type'
   AND min_age <= 55
   AND min_funds_thb <= 900000
   AND array_contains(purpose, 'retire')
 LIMIT 200

In productie leverde dit precies drie routes op in ongeveer 100 ms: de Non-O van 90 dagen voor pensionering, de Non-O-A van één jaar en Thailand Privilege. De visumkaarten op het scherm worden opgebouwd uit die SQL-rijen, niet uit het proza van het model.

  1. Het controleert het antwoord. Elk getal in het antwoord van het model moet in een bron voorkomen.

Die laatste controle bewees haar waarde. Met het productiemodel van 3 miljard parameters adviseerde één antwoord het juiste visum, maar "berekende" het ook een maandinkomen van 75.000 THB door het spaargeld door 12 te delen. Geen enkele bron zegt dat. Van vier runs bevatten er twee een getal dat in geen enkele bron voorkomt, en de controle markeerde beide. Met dezelfde bronnen schreef een model van 30 miljard parameters een correcte vergelijking van vijf routes, met bronvermelding. De SQL, de kaarten en de controles waren in elke run identiek. Alleen de schrijfkwaliteit veranderde.

Privédata blijft in de database

Een ongefilterde hybride zoekopdracht naar "I want to retire in Chiang Mai, I am 55" leverde op plaats twee een vertrouwelijke dossiernotitie over een andere klant op. Retrieval gaat over relevantie, niet over rechten. In NebulaDB is de oplossing een filter binnen de query, AND client_id = 'LG-1042', zodat rijen buiten de scope van de ingelogde gebruiker de database nooit verlaten. Anonieme bezoekers zien alleen openbare documenten. We leerden dit op de harde manier: de eerste regelzoekopdracht van de agent was gewoon hybride zoeken, en we ontdekten die dossiernotitie in het bewijs voor een gast terwijl we dit artikel schreven. Eén predicaat client_id = 'public' loste het op.

Wanneer de overheid de regels verandert

Visumregels veranderen vaak, en dat is het sterkste argument voor RAG boven finetuning. Het paneel "The rules changed" in het RAG-Lab neemt een gesimuleerde wijziging van een officiële pagina opnieuw in, onder hetzelfde document-id, en stelt de vraag opnieuw. Het volgende antwoord citeert de nieuwe regel, en er wordt geen model opnieuw getraind. In productie wordt dit een geplande crawler. Die hasht elke officiële pagina, upsert de gewijzigde tekst met de bijbehorende source en as_of-datum, en laat de agent de update bij de volgende vraag citeren.

Probeer het, en bouw daarna uw eigen

  • De Labs: showcase.nebuladb.net/#/labs. Log in met een Google-account.
  • De Visa AI Agent: showcase.nebuladb.net/#/tab/visaagent.
  • De code: github.com/bwalia/nebuladb, inclusief de Labs onder apps/showcase/src/labs/.
  • De verdieping: AI-agents bouwen met NebulaDB: de technische gids.

Wilt u een agent als deze over uw eigen documenten, met uw eigen toegangsregels, op hardware die u zelf beheert? Neem contact met ons op; we beginnen met een pack van uw data in Lab-stijl en meten de retrieval voordat we ook maar één prompt schrijven.

De visuminhoud in de demo is fictief en vereenvoudigd. Regels veranderen vaak, dus controleer dit bij de Thaise immigratiedienst of een Thaise ambassade. Dit is geen juridisch advies.