Voorbeeld 1 tot en met 3 zijn echte runs uit de testomgeving van Blits.ai, ingekort en geanonimiseerd, met fragmenten uit het log zoals het platform ze heeft vastgelegd. Voorbeeld 4 laat goedkeuring per tool zien en is ter illustratie.

Waar komen deze logs vandaan?

Elke workflowrun bewaart zijn toolaanroepen met argumenten, resultaten, duur en een markering voor mislukte aanroepen, plus de iteraties, pogingen en validatieresultaten. Gesprekken leggen per beurt een trace vast met toolbeslissingen, guardrailcontroles, kwaliteitsscores, opnieuw gegenereerde antwoorden en fallbacks naar andere aanbieders.

Kunnen we deze logs uit het platform halen?

Ja. Rungegevens downloadt u vanuit het platform, en het decision log exporteert u als JSON of streamt u via OpenTelemetry naar uw eigen SIEM of observabilityplatform.

Moet er een medewerker ingrijpen als er iets misgaat?

Nee. In de eerste drie voorbeelden herstelt het platform zelf, of beschermt het zelf de klant. Een medewerker grijpt alleen in waar u dat vereist, zoals bij de terugbetaling in het vierde voorbeeld.

Voorbeelden van agentruns

Echte runs uit onze testomgeving, stap voor stap, zoals het platform ze heeft gelogd: een workflow die een andere route vindt als een bestand ontbreekt, een guardrailcontrole die overstapt naar een andere aanbieder en een kwaliteitscontrole die een zwak antwoord bij de klant weghoudt.

Voorbeeld 1 tot en met 3 zijn echte runs uit de testomgeving van Blits.ai, ingekort en geanonimiseerd: namen van assistenten, documenten en gespreksinhoud zijn verwijderd. Voorbeeld 4 is ter illustratie.

Echte run, geanonimiseerd

1. Een workflow vindt een andere route als een bestand ontbreekt

Een workflow moet een klantrapport als pdf maken. Het bestand dat hij moest gebruiken, bestaat niet. Run van 12 oktober 2026.

TriggertriggeredBy: "manual"
Een gebruiker start de workflow. De taak: een klantrapport als pdf maken op basis van het bestand met klantgegevens.
Foutfile_ingest → failed: true
De agent vraagt het bestand customer_report.json op. De tool geeft na 595 ms "File not found" terug en de aanroep wordt als mislukt gemarkeerd.
Agentbeslissing
De fout gaat als resultaat van de tool terug naar de agent. In plaats van te stoppen zoekt de agent een ander document met klantgegevens dat al in het platform staat.
Toolaanroepfile_ingest → totalRows: 5000
Hij opent een spreadsheet met één tabblad van 5.000 klantregels en leest de kolommen: naam, geslacht, land, leeftijd, datum en ID.
Toolaanroepgenerate_scope_of_work → pdf
De agent stelt het rapport op en genereert een pdf van 66 KB.
Resultaatstatus: "completed"
Run voltooid: 4 iteraties, 1 poging, 28,4 seconden, er kwam niemand aan te pas. In de eigen samenvatting van de agent staat dat het bronbestand ontbrak en dat het rapport op basis van een andere bron is gemaakt.

Fragment uit het log

"status": "completed", "iterations": 4, "attempts": 1, "durationMs": 28380,
"toolsUsed": [
  { "name": "file_ingest", "failed": true, "durationMs": 595,
    "result": { "error": "File customer_report.json not found" } },
  { "name": "file_ingest", "durationMs": 1599,
    "result": { "type": "excel", "sheetCount": 1, "totalRows": 5000 } },
  { "name": "generate_scope_of_work", "durationMs": 4073,
    "result": { "success": true, "fileName": "customer_report_2026-10-12.pdf", "sizeBytes": 66348 } }
]

Echte run, geanonimiseerd

2. Een guardrailcontrole stapt over naar een andere aanbieder

Een assistent voor kaartadvies in de testomgeving van een bank beantwoordt een vraag van een klant. Het model dat de inputguardrail uitvoert, faalt. Gespreksbeurt van 6 oktober 2026.

Bericht
Een klant stelt een vraag over kaarten.
AgentbeslissingresolvedToolCalls: 0
De agent bekijkt welke tools hij heeft en besluit dat hij zonder tool kan antwoorden.
Foutgemini-3.1-flash-lite
De controle van de inputguardrail draait op Gemini 3.1 Flash Lite en faalt.
Fallbackprovider_fallback → gpt-4.1
De controle gaat naar GPT 4.1 bij OpenAI en wordt afgerond. De overstap staat in de trace, met de namen van beide modellen.
Resultaatstatus: "success"
De beurt eindigt met status success. De klant krijgt een normaal antwoord en merkt niets van de storing.

Fragment uit het log

{ "traceType": "policy_check", "requiresExecution": false, "resolvedToolRoles": [] }
{ "traceType": "latency", "stage": "chain_total", "usedTools": false }
{ "traceType": "provider_fallback", "stage": "input",
  "from": "gemini-3.1-flash-lite", "toProvider": "OpenAI", "to": "gpt-4.1" }
status: "success"

Echte run, geanonimiseerd

3. Een kwaliteitscontrole houdt een zwak antwoord bij de klant weg

Een testassistent krijgt een vaag bericht van één woord. Het platform probeert drie keer een bruikbaar antwoord te maken en blokkeert het daarna. Gespreksbeurt van 19 september 2026.

Bericht
De gebruiker stuurt een vaag bericht.
Guardrailenforce_rag_retry
De agent plant een antwoord zonder de kennisbank te raadplegen. Voor deze assistent eist het platform dat antwoorden op bronnen steunen, dus moet de agent opnieuw plannen, nu met een zoekopdracht in de kennisbank.
Toolaanroepcustom-rag-search
De zoekopdracht in de kennisbank draait en de agent schrijft een antwoord.
Guardrailquality: 30 / 100 → regenerate
De kwaliteitscontrole geeft het antwoord een score van 30 uit 100: het beantwoordt de vraag niet en vraagt om verduidelijking. De beoordelaar draait zelf op een fallbackmodel, omdat zijn primaire model faalt.
Agentbeslissingquality: 30 → regenerate
De agent schrijft een nieuw antwoord, met de reden van de beoordelaar als instructie. Opnieuw een score van 30, dus probeert hij het nog één keer.
Guardrailquality: 40 → max_regenerations_exhausted
Het derde antwoord krijgt een score van 40. Het maximale aantal keer opnieuw genereren is bereikt en het antwoord wordt afgewezen.
Resultaatstatus: "blocked"
De outputguardrail blokkeert het antwoord. De klant krijgt het fallbackbericht dat voor de assistent is ingesteld, in plaats van een zwak of fout antwoord.

Fragment uit het log

{ "traceType": "enforce_rag_retry", "availableExecutionTools": ["custom-rag-search"] }
{ "traceType": "provider_fallback", "stage": "quality", "from": "gpt-5-pro", "to": "gpt-4.1" }
{ "traceType": "quality_check_evaluated", "attempt": 0, "score": 30, "action": "regenerate" }
{ "traceType": "quality_check_regenerated", "attempt": 1, "previousScore": 30 }
{ "traceType": "quality_check_evaluated", "attempt": 1, "score": 30, "action": "regenerate" }
{ "traceType": "quality_check_regenerated", "attempt": 2, "previousScore": 30 }
{ "traceType": "quality_check_evaluated", "attempt": 2, "score": 40, "action": "regenerate" }
{ "traceType": "quality_check_rejected", "finalScore": 40, "attempts": 3,
  "reason": "max_regenerations_exhausted" }
output_guardrails_triggered

Illustratief

4. Een terugbetaling wacht op goedkeuring

Een klant meldt een dubbele afschrijving. Terugbetalingen verplaatsen geld, daarom vraagt de tool voor terugbetalingen standaard om goedkeuring.

Bericht
Klant: "Er is gisteren twee keer geld afgeschreven voor dezelfde bestelling."
Toolaanroepget_transactions
De agent leest de transacties van de klant en vindt twee identieke afschrijvingen van 189 AED.
Goedkeuringrefund_transaction: "requires approval"
De agent roept de tool voor terugbetalingen aan. De tool vraagt om goedkeuring en draait dus nog niet.
Bericht
De agent laat de klant weten dat de terugbetaling wordt beoordeeld en dat het antwoord in dit gesprek volgt.
Goedkeuringapproved
Een medewerker keurt de terugbetaling 6 minuten later goed in het platform. Naam en tijdstip worden gelogd.
Toolaanroeprefund_transaction → confirmed
De tool voor terugbetalingen draait en de betaalprovider bevestigt de terugbetaling.
Resultaat
De agent bevestigt de terugbetaling in hetzelfde gesprek aan de klant.

Voorbeelden van agentruns: veelgestelde vragen

Hoe het platform werkt

Zo werken Blits.ai-agents

Foutafhandeling en herstel

Beveiliging en governance

Betrouwbaarheid en SLA

Integratiestandaarden

Functies

Release notes

Wilt u het zien op uw eigen systemen?

We organiseren een werksessie over uw use case, met uw data en de modellen die u kiest.

Plan een gesprek