API Endpoints

De KB Search Agent communiceert met de WATCH API V2 op aipromptpower.com. Hieronder staan alle endpoints die de agent gebruikt.

Authenticatie

POST /api/v2/auth/login
Content-Type: application/json

{
    "employee_code": "REINT",
    "password": "..."
}

Response: { "data": { "access_token": "eyJ..." } }

Chat (semantisch zoeken + LLM antwoord)

POST /api/v2/chat/WATCH-KB-SEARCH/{template_code}
Authorization: Bearer {token}
Content-Type: application/json

{
    "question": "Hoe werkt de artikelbijlage?",
    "conversation_id": "kb-agent-2026-03-27-11-00"
}

De conversation_id koppelt vervolgvragen aan hetzelfde gesprek. Wordt gelogd in CHAT_CONVERSATIONS.

Keyword Search (bronnen zoeken op tekst)

GET /api/v2/knowledge-bases/{kb_code}/sources?search={term}&status=L&limit=20
Authorization: Bearer {token}

Doorzoek elke KB apart. Combineert resultaten uit meerdere KB's.

Volledige Brontekst

GET /api/v2/knowledge-bases/{kb_code}/sources/{source_code}
Authorization: Bearer {token}

Retourneert complete_content (LONGTEXT) met de volledige brontekst.

Chunk Search

GET /api/v2/knowledge-bases/{kb_code}/sources/{source_code}/chunks?search={term}&limit=20
Authorization: Bearer {token}

Context Blocks (beheer)

GET    /api/v2/context-blocks
GET    /api/v2/context-blocks/{code}
POST   /api/v2/context-blocks
PATCH  /api/v2/context-blocks/{code}
DELETE /api/v2/context-blocks/{code}

AI Models (beheer)

GET    /api/v2/ai-models
GET    /api/v2/ai-models/{code}
POST   /api/v2/ai-models
PATCH  /api/v2/ai-models/{code}
POST   /api/v2/ai-models/{code}/costs

GET    /api/v2/ai-model-settings
GET    /api/v2/ai-model-settings/{code}
POST   /api/v2/ai-model-settings
PATCH  /api/v2/ai-model-settings/{code}

Base URL

Alle endpoints zijn relatief ten opzichte van:

https://www.aipromptpower.com/source/api-v2/public/api/v2/

Laatste nieuws

Vermenselijken we onze AI-agents terecht?

We geven onze AI-agents namen, karakters en zelfs gezichten. Helpt dat echt, of is het vooral makkelijk voor ons eigen brein? Wat onderzoekers en bouwers zeggen over het vermenselijken van agent-teams.

Lees meer

Verdient deze taak een eigen AI-agent?

Bij het bouwen van een team van AI-agents is de verleiding groot om van elke taak een nieuwe agent te maken. Maar verdient die taak dat wel? Een beslis-kader met vier vormen, van een simpel script tot een volwaardige agent.

Lees meer

Wat is er overgebleven van prompt-engineering in 2026?

We hebben drie jaar prompt-tips zien komen en gaan. Wat werkt nu nog, en wat is achterhaalde folklore? Een eerlijke balans, met de drie populairste tricks die niet meer werken en vier technieken die wel blijven.

Lees meer

Proloog: Hoe AiPromptPower aan een Ai-team begon

Hoe AiPromptPower in achttien dagen van één naar zes Ai-medewerkers groeide, en waarom Reint Endendijk koos voor de vlucht naar voren in plaats van minder Ai.

Lees meer