Přejít na hlavní obsah
Čeština— Vyberte jazyk
Menu

Workshop: Analýza textu

Lekce 14 z 16 Aktualizováno 28. července 2026 Začátečník
Na této stránce
  1. Cíl workshopu
  2. Cvičení 1: Analýza sentimentu zákaznických recenzí
  3. Cvičení 2: Extrakce strukturovaných dat
  4. Cvičení 3: Klasifikace ticketů podpory
  5. Tipy pro analytické úlohy
  6. Klíčové poznatky

Cíl workshopu

Po psaní přepneme rychlost: tento workshop tě naučí využívat Mistral k analytickým úkolům – analýze sentimentu textu, extrakci klíčových informací a klasifikaci obsahu. Tyto dovednosti jsou stěžejní pro automatizaci zpracování textových dat v podnikání. Kdykoli člověk čte desítky podobných textů, aby z nich získal stejnou sadu informací, máš kandidáta na automatizaci. Všimneš si společného jmenovatele ve všech třech cvičeních: teplota zůstává nízká, protože u analýzy záleží více na konzistenci než na kreativitě.

Cvičení 1: Analýza sentimentu zákaznických recenzí

Představ si tuto situaci: spravuješ zákaznickou podporu pro tržiště a denně dostáváš stovky recenzí. Číst je všechny je nemožné; potřebuješ je analyzovat automaticky, abys odhalil opakující se problémy a prioritizoval odpovědi. Systémový prompt definuje pevnou analytickou mřížku – sentiment, témata, naléhavost, akce – a vynucuje výstup ve formátu JSON, aby jej tvůj nástroj pro správu ticketů mohl zpracovat.

messages = [
    {
        "role": "system",
        "content": """You are a customer experience analyst.
For each review, provide:
1. Overall sentiment: positive / mixed / negative
2. Topics covered (max 3)
3. Urgency level: low / medium / high
4. Recommended action (1 sentence)

Respond in structured JSON."""
    },
    {
        "role": "user",
        "content": """Analyze these 3 customer reviews:

Review 1: "Order received in 2 days, careful packaging. However, the user
manual is only in English, which is a shame for a product sold in France.
The product itself works very well."

Review 2: "This is the THIRD time I've received a defective item. Support
has been giving me the runaround for 2 weeks. I will contact the DGCCRF if
nothing moves."

Review 3: "Good value for money. Nothing exceptional but does the job.
Standard delivery, no issues."

Return a JSON table with the analysis of each review."""
    }
]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    temperature=0.1
)

Očekávaný výsledek vypadá takto – všimni si, že recenze 1, která vyjadřuje obecnou spokojenost s výhradou, musí vyjít jako „mixed“ (smíšená), nikoliv „positive“ (pozitivní), a recenze 2 s hrozbou kontaktování DGCCRF (francouzský úřad pro ochranu spotřebitele) musí spustit vysokou naléhavost:

[
  {
    "review": 1,
    "sentiment": "mixed",
    "themes": ["delivery", "documentation", "product quality"],
    "urgency": "low",
    "action": "Translate the user manual to French for future batches."
  },
  {
    "review": 2,
    "sentiment": "negative",
    "themes": ["product quality", "customer service", "recurrence"],
    "urgency": "high",
    "action": "Escalate to support manager for priority handling."
  },
  {
    "review": 3,
    "sentiment": "positive",
    "themes": ["value for money", "delivery"],
    "urgency": "low",
    "action": "No action required, standard satisfied review."
  }
]

Cvičení 2: Extrakce strukturovaných dat

Druhá situace: dostáváš e-maily s žádostmi o zaměstnání v podobě volného textu a potřebuješ z nich extrahovat klíčové informace pro tvůj ATS (systém pro sledování uchazečů). Hlavním rizikem při extrakci je vymýšlení: model bez instrukcí si rád doplní mezery pravděpodobnými dedukcemi. Proto dvě kardinální pravidla systémového promptu – „not provided“ (neuvedeno) pro jakékoli chybějící informace a absolutní zákaz dedukce.

messages = [
    {
        "role": "system",
        "content": """You extract structured data from free text.
Rules:
- If information is not mentioned, indicate "not provided"
- NEVER deduce information: stay strictly with the text
- Dates must be in YYYY-MM-DD format
- Skills must be normalized terms"""
    },
    {
        "role": "user",
        "content": """Extract information from this job application email:

"Hello,

I am submitting my application for the full-stack developer position
published on LinkedIn. My name is Sarah Benali and I have 6 years
of experience in web development. Currently a Lead Developer at DataViz (Paris),
I work primarily with React, Node.js, and PostgreSQL. I also have
strong experience with AWS and Docker. My current daily rate is
€650 and I am available starting May 15, 2026.

Best regards,
Sarah Benali"

Expected JSON format:
{
  "name": "",
  "target_role": "",
  "experience_years": 0,
  "current_role": "",
  "current_company": "",
  "location": "",
  "skills": [],
  "daily_rate": "",
  "availability": ""
}"""
    }
]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    temperature=0.0
)

Zde je výstup, který bys měl dostat:

{
  "name": "Sarah Benali",
  "target_role": "Full-stack developer",
  "experience_years": 6,
  "current_role": "Lead Developer",
  "current_company": "DataViz",
  "location": "Paris",
  "skills": ["React", "Node.js", "PostgreSQL", "AWS", "Docker"],
  "daily_rate": "€650",
  "availability": "2026-05-15"
}

Všimni si teploty nastavené na 0,0: pro extrakci chceš deterministickou odpověď věrnou zdrojovému textu. Také si všimni převodu data do formátu ISO, který je explicitně vyžadován v pravidlech – bez této instrukce by model zkopíroval „May 15, 2026“ tak, jak je.

Cvičení 3: Klasifikace ticketů podpory

Poslední situace: tvůj tým podpory dostává nekategoriizované tickety, které je třeba automaticky směrovat na správné oddělení. Klíčem k tomuto cvičení je vyčerpávající definice kategorií a priorit v systémovém promptu. Pokud necháš model vymyslet si vlastní taxonomii, každá dávka ticketů vyjde s jinými kategoriemi a tvé směrování se stane neudržitelným.

messages = [
    {
        "role": "system",
        "content": """You classify technical support tickets.

Available categories:
- BILLING: payment issues, invoices, subscriptions, refunds
- TECHNICAL: bugs, errors, functionality issues, slowness
- ACCOUNT: login, password, settings, account deletion
- FEATURE: requests for new features, suggestions
- OTHER: anything that doesn't fit the categories above

Priorities:
- P1: service inaccessible, data loss, direct financial impact
- P2: degraded functionality, workaround possible
- P3: question, information request, suggestion

Respond ONLY in JSON, no text before or after."""
    },
    {
        "role": "user",
        "content": """Classify these 4 tickets:

Ticket A: "Unable to log in since this morning. I tried to
reset my password but I'm not receiving the email."

Ticket B: "Would it be possible to add an Excel export in addition to CSV?"

Ticket C: "I was charged twice for my March subscription."

Ticket D: "The app crashes when I import a file larger than 50 MB.
Error message: MEMORY_EXCEEDED."

Format:
[{"ticket": "A", "category": "", "priority": "", "service": "", "summary": ""}]"""
    }
]

response = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    temperature=0.0
)

Očekávaný výsledek – všimni si, že ticket C s přímým finančním dopadem jde do P1, zatímco technický pád v ticketu D zůstává na P2, protože existuje obejití:

[
  {
    "ticket": "A",
    "category": "ACCOUNT",
    "priority": "P2",
    "service": "Level 1 Support",
    "summary": "Unable to log in, reset email not received"
  },
  {
    "ticket": "B",
    "category": "FEATURE",
    "priority": "P3",
    "service": "Product",
    "summary": "Request for Excel export in addition to CSV"
  },
  {
    "ticket": "C",
    "category": "BILLING",
    "priority": "P1",
    "service": "Accounting",
    "summary": "Double charge March subscription, refund request"
  },
  {
    "ticket": "D",
    "category": "TECHNICAL",
    "priority": "P2",
    "service": "Development",
    "summary": "Crash importing large files (MEMORY_EXCEEDED)"
  }
]

Tipy pro analytické úlohy

Čtyři osvědčené postupy shrnují metodu tohoto workshopu. Pracuj s teplotou 0 pro klasifikaci a extrakci: chceš konzistenci, ne inspiraci. Definuj kategorie explicitně v systémovém promptu, jinak si model vymyslí vlastní. Vždy zahrň instrukci „not provided“ pro chybějící data, jinak si model mezery doplní pravděpodobnými výmysly. A před jakýmkoli nasazením testuj na hraničních případech: nejednoznačné texty, tickety spadající do dvou kategorií, částečná data – zde se projeví slabiny tvé mřížky, nikoliv na učebnicových příkladech.

Klíčové poznatky

  • Analýza textu s Mistralem funguje nejlépe s nízkou teplotou (0–0,2)
  • Vždy definuj kategorie a formát výstupu v promptu
  • Vynucuj pravidlo „not provided“, abys předešel halucinacím
  • Few-shot zlepšuje konzistenci klasifikace
  • Před nasazením do produkce testuj na reprezentativních reálných případech