API Document QnA
Na této stránce
Lekce aktualizována 3. listopadu 2026. Dodatek ze dne 3. listopadu 2026: Chcete-li odeslat místní soubor PDF, předejte jej jako base64 ve formátu
{"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Typdocument_base64, který se vyskytuje ve starších příkladech, v dokumentaci ani v SDKmistralaineexistuje a tyto příklady by selhaly. Zdroje: OCR Processor · Document QnA.
Dotazování na dokumenty přirozeným jazykem
Document QnA kombinuje OCR s jazykovým modelem Mistral LLM, což ti umožňuje klást otázky přímo na obsah tvých dokumentů. Místo toho, abys prohledával padesát stránek kvůli nalezení konkrétní klauzule nebo čísla, jednoduše položíš otázku a přečteš si odpověď. Interně služba provádí dva kroky: OCR extrahuje text, strukturu a formátování, poté chatovací model Mistral analyzuje extrahovaný obsah a vygeneruje odpověď. Tato kombinace je pro tebe transparentní – vše zařídí jediné volání API.
Jiný koncový bod než u OCR
To je část, která lidi při prvním pokusu často zmátne. Čisté OCR používá client.ocr.process, zatímco QnA využívá standardní koncový bod Chat client.chat.complete se zprávou obsahující jak textový blok, tak blok document_url. Jinými slovy, dokument se stane přílohou tvé otázky, stejně jako obrázek v multimodální konverzaci.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Otázka týkající se veřejného dokumentu
response = client.chat.complete(
model="mistral-small-latest",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "What is the total revenue mentioned?"
},
{
"type": "document_url",
"document_url": "https://example.com/annual-report.pdf"
}
]
}
]
)
print(response.choices[0].message.content)
Tři způsoby odeslání dokumentu
Veřejná URL je nej přímější cestou, ideální pro dokumenty, které jsou již dostupné online – například vědecká publikace, institucionální zpráva nebo PDF hostované na tvém webu.
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize the main points."},
{
"type": "document_url",
"document_url": "https://arxiv.org/pdf/1805.04770"
}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
Místní soubory se naopak odesílají jako base64. Toto je výchozí režim, kdykoli je dokument důvěrný nebo uložený za tvým firewallem; nic nemusí být zveřejněno na webu, aby bylo možné se na něj dotazovat.
import base64
with open("contract.pdf", "rb") as f:
doc_base64 = base64.b64encode(f.read()).decode("utf-8")
messages = [
{
"role": "user",
"content": [
{
"type": "text",
"text": "What are the termination clauses?"
},
{
"type": "document_url",
"document_url": f"data:application/pdf;base64,{doc_base64}"
}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
Nakonec existuje třetí možnost pro soubory již nahrané prostřednictvím Files API: nahraješ je jednou s parametrem purpose="ocr" a následně odkazuješ na výsledné ID tolikrát, kolikrát je potřeba. U dokumentu, který plánuješ vícekrát dotazovat, se tím vyhneš opakovanému nahrávání několika megabajtů u každé otázky.
uploaded = client.files.upload(
file=open("report.pdf", "rb"),
purpose="ocr"
)
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "What is the planned budget?"},
{"type": "file_id", "file_id": uploaded.id}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
Který chatovací model pro kterou otázku
Parametr model je na tobě a ovlivňuje jak kvalitu odpovědi, tak náklady.
| Model | Profil | Kdy jej vybrat |
|---|---|---|
mistral-small-latest | Rychlý a úsporný | Postačuje pro většinu otázek |
mistral-medium-latest | Dobrý kompromis | Vyvážená rychlost a přesnost |
mistral-large-latest | Přesnější | Složitá analýza a odvozování |
Tvá volba závisí na složitosti tvých otázek a tvém rozpočtu: extrakce částky z faktury nevyžaduje stejný model jako porovnávání režimů odpovědnosti mezi dvěma smlouvami.
Řetězení otázek
Nemusíš se ptát na vše najednou. Dokument odešleš v první zprávě, přidáš odpověď modelu do historie a poté položíš svou následnou otázku pouze jako text: kontext dokumentu zůstává v konverzaci zachován. Toto je přirozený způsob, jak prozkoumat zprávu – začni shrnutím a poté se ponoř hlouběji do bodu, který tě zajímá.
history = [
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize this document in 3 points."},
{
"type": "document_url",
"document_url": "https://example.com/report.pdf"
}
]
}
]
# První volání
response = client.chat.complete(
model="mistral-small-latest",
messages=history
)
# Přidání odpovědi do historie
history.append({
"role": "assistant",
"content": response.choices[0].message.content
})
# Následná otázka
history.append({
"role": "user",
"content": "Detail the second point."
})
response = client.chat.complete(
model="mistral-small-latest",
messages=history
)
print(response.choices[0].message.content)
Co QnA pro tebe neudělá
Než na tomto základě postavíš službu, stojí za to znát čtyři omezení. Zaprvé, velikost: 50 MB na soubor a maximum 1 000 stránek, což vylučuje velké archivy bez předchozího rozdělení. Zadruhé, náklady, protože dlouhé dokumenty spotřebují mnoho vstupních tokenů u každé položené otázky. Zatřetí, absence trvalé paměti znamená, že si historii musíš rekonstruovat sám; každé volání je nezávislé mimo rámec vícekolové konverzace. Nejožehavější je poslední bod: LLM nejen extrahuje, ale také interpretuje, což může u přesných čísel zavést chyby. Pro částky vstupující do účetnictví upřednostni strukturovanou anotaci; QnA si nech pro pochopení a syntézu.
Klíčové poznatky
- Document QnA využívá koncový bod Chat s obsahem
document_url: buď veřejnou URL, nebo PDF zakódované v base64 jako datovou URL - Interní pracovní postup je nejprve OCR a poté LLM, ale vyžaduje se pouze jedno volání
- Tři metody odeslání: URL, base64, nahraný soubor
- Vícekolové konverzace umožňují hloubkovou analýzu
- Vyber si chatovací model podle složitosti svých otázek