Analýza a rozhodování
Na této stránce
Lekce aktualizována 2. listopadu 2026. Původní příklady využívaly model Magistral, který byl 31. července 2026 vyřazen. Nyní využívají Mistral Small 4 (
mistral-small-2603) nebo Mistral Large 4 (mistral-large-4-0) s parametremreasoning_effort="high"a parsují odpověď pomocí funkceseparerz Lekce 3. Zdroj: Reasoning (Mistral Documentation).
Uvažování na podporu rozhodování
Buďme upřímní, než se ponoříme do technik: model za tebe rozhodnutí neudělá a ani to není jeho cílem. To, co uvažování přináší do procesu rozhodování, je totéž, co poskytuje dobrý konzultant – explicitnost. Kritéria, která zůstávala implicitní, scénáře, kterými jsi neprošel, rizika, která nikdo nezmiňoval: to vše černé na bílém ponechává konečné slovo tobě, ale mnohem lépe informovanému.
Složitá rozhodnutí vyžadují víceparametrickou analýzu, zvažování různých perspektiv a schopnost vyhodnotit kompromisy. Právě zde strukturované uvažování přináší ve srovnání s intuitivní odpovědí značnou přidanou hodnotu.
Strukturovaná komparativní analýza
Uvažování umožňuje metodické srovnávání:
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
comparison = """My team needs to choose between PostgreSQL and MongoDB for a new application.
Context:
- B2B SaaS project management application
- 500 initial users, target of 10,000 in 2 years
- Structured data (users, projects, tasks) + free-text comments
- Team of 4 developers, all experienced in SQL
- Limited server budget (startup)
Analyze both options and recommend the best one."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior technical consultant.
ANALYSIS METHOD:
1. Identify relevant decision criteria
2. Evaluate each option against each criterion
3. Weight criteria based on context
4. Identify risks for each option
5. Formulate an argued recommendation
REFLECTION:
Explore trade-offs. Consider short-term and long-term implications.
RESPONSE:
Clear recommendation with justification, risk mitigation plan."""},
{"role": "user", "content": comparison}
],
)
Analýza scénářů
Uvažování je obzvláště efektivní pro zkoumání důsledků různých voleb:
scenario = """Our startup (15 employees, $2M ARR) received two offers:
1. Series A funding round of $5M from a VC with 25% dilution
2. Acquisition offer of $12M by a large group (3-year earn-out)
Analyze both scenarios and their implications."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Strategic analyst.
For each scenario, evaluate:
- Financial impact at 1 year, 3 years, 5 years
- Impact on decision-making autonomy
- Risks and probability of realization
- Impact on team and culture"""},
{"role": "user", "content": scenario}
],
)
Vzor: Automatizovaná rozhodovací matice
Můžeš automatizovat tvorbu rozhodovacích matic:
def decision_matrix(client, options, criteria, context):
"""Generates a structured decision matrix."""
options_text = "\n".join(f"- {opt}" for opt in options)
criteria_text = "\n".join(f"- {crit}" for crit in criteria)
prompt = f"""Context: {context}
Options to evaluate:
{options_text}
Evaluation criteria:
{criteria_text}
For each option, rate each criterion on a scale of 1 to 5.
Justify each rating.
Calculate the total weighted score.
Recommend the optimal option."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Decision analysis expert. Be objective and rigorous in your evaluations."},
{"role": "user", "content": prompt}
],
)
return separer(response.choices[0].message.content)[1] # the response, without the reasoning
# Example: framework selection
result = decision_matrix(
client,
options=["React + Next.js", "Vue + Nuxt", "Svelte + SvelteKit"],
criteria=[
"Learning curve",
"Ecosystem and community",
"Performance",
"Developer recruitment",
"Long-term maintainability"
],
context="Redesign of a B2C e-commerce site, team of 3 junior devs"
)
Analýza rizik
Strukturované uvažování je ideální pro identifikaci a hodnocení rizik:
risk_analysis = """We plan to migrate our production database
(50 GB, 200 tables, 15 connected applications) from MySQL 5.7 to PostgreSQL 16.
Identify all risks associated with this migration and propose a mitigation plan."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior DBA and system architect.
RISK ANALYSIS:
For each identified risk, specify:
- Probability (low/medium/high)
- Impact (low/medium/critical)
- Mitigation plan
- Rollback plan"""},
{"role": "user", "content": risk_analysis}
],
)
Vyhodnocování kompromisů
Technická rozhodnutí často zahrnují kompromisy. Uvažování pomáhá je explicitně definovat:
tradeoff = """Microservices vs. monolithic architecture for our application:
Our situation:
- Team of 6 developers
- HR management application
- 3 modules: recruitment, payroll, leave management
- Deployment on Kubernetes
- Need for independent module updates
Analyze the trade-offs of each approach."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": tradeoff}]
)
Vzor: Advokát ďábla
Toto je nejcennější vzor v této lekci, protože opravuje zkreslení, kterému všichni podléháme: jakmile je rozhodnutí učiněno, hledáme pouze potvrzení. Explicitní žádost modelu, aby rozhodnutí napadl – našel slabiny, scénáře selhání, křehké předpoklady – tě donutí vyslechnout si to, co žádný kolega neřekne nahlas a co si už ani sám sobě nepřiznáváš:
def challenge_decision(client, decision, context):
"""Plays devil's advocate on a decision."""
prompt = f"""A team has made the following decision:
DECISION: {decision}
CONTEXT: {context}
Play devil's advocate:
1. Identify the 5 main arguments AGAINST this decision
2. For each argument, assess its severity (1-5)
3. Propose conditions under which this decision would be catastrophic
4. Suggest necessary safeguard measures
5. Conclude: Is the decision solid despite the counter-arguments?"""
return client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Critical analyst. Be incisive but constructive."},
{"role": "user", "content": prompt}
],
)
Small 4 nebo Large 4 pro analýzu?
Správným reflexem je sladit model s kritičností a vratností rozhodnutí. Pro jednoduché srovnání dvou možností s jasnými kritérii, rychlé vyhodnocení nebo rozhodnutí, které můžeš příští týden opravit: Mistral Small 4 v režimu high funguje velmi dobře za nižší cenu. Jakmile se však analýza stane víceparametrickou se spornými váhami, rozhodnutí je strategické a těžko vratné (volba architektury, migrace produkce, finanční arbitráž) nebo scénář zahrnuje skutečnou nejistotu, otestuj Mistral Large 4 v režimu high. Schopnější model má větší šanci udělat rozdíl při zkoumání kompromisů a nepříznivých případů, ale pouze srovnání na tvých vlastních případech ti řekne, zda jsou vyšší náklady oprávněné.
Klíčové poznatky
- Uvažování transformuje analýzu rozhodování na strukturovaný a opakovatelný proces.
- Používej systémový prompt, který vynucuje metodu analýzy (kritéria, váhy, rizika).
- Rozhodovací matice a analýza scénářů těží z uvažování enormně.
- Vzor advokát ďábla využívá uvažování k zpochybnění tvých rozhodnutí.
- Přizpůsob model kritičnosti rozhodnutí: Small 4 pro běžné úkoly, Large 4 otestuj pro strategická rozhodnutí.