Citace se zdroji: Objekt odkazu a RAG
Na této stránce
Aktualizováno 3. listopadu 2026 na základě příručky Mistralu Citations & References: zdroje se předávají jako výsledek nástroje v objektu, kde jsou klíče čísla (
"0","1"…) a hodnoty obsahujíurl,title,snippets(seznam seznamů),description,dateasource. „Objekt odkazu“ s politype,reference_idasource_idz předchozí verze se v dokumentaci nevyskytuje, stejně jako specifické prahové hodnoty pro počet zdrojů. Zdroj: Citations & References.
Proč jsou citace ve výrobě nezbytné
Když nasadíš systém Retrieval-Augmented Generation (RAG) do produkce, tvoji uživatelé potřebují odpovědi modelu ověřit. Odpověď bez zdroje je neověřitelné tvrzení. Citace promění odpověď AI v zdokumentovanou, vysledovatelnou a spolehlivou.
Mistral AI nativně integruje mechanismus citací, který umožňuje modelu zakládat odpovědi na zdrojových dokumentech a poskytovat přesné odkazy. Model byl hluboce trénován k tomu, aby se opíral o dokumenty a extrahoval relevantní pasáže.
Formát odkazu
U Mistralu neprocházejí zdroje vyhrazeným parametrem: dorazí k modelu jako výsledek volání nástroje. Tvůj nástroj vrátí JSON objekt, kde každý klíč je číslo zdroje ("0", "1", "2"…) a každá hodnota popisuje zdroj:
references = {
"0": {
"url": "https://docs.example.com/guide",
"title": "Deployment Guide v3.2",
"snippets": [
[
"Production deployment requires verification...",
"Load tests must validate at least 1000 req/s..."
]
],
"description": None,
"date": "2026-03-15",
"source": "docs-deployment"
}
}
Pole odkazu
- Klíč (
"0","1"…) – identifikátor zdroje, který model znovu použije ve svých citacích url– adresa původního zdrojetitle– název zdroje určený k zobrazenísnippets– relevantní úryvky jako seznam seznamů vět: toto je obsah, který model používá k ukotvení své odpovědidescription– krátký popis, neboNonedate– datum publikace nebo aktualizacesource– původ zdroje (databáze dokumentů, webová stránka)
Architektura pipeline RAG s citacemi
Kompletní pracovní postup se dělí na čtyři kroky.
1. Vyhledávání dokumentů
Tvůj systém pro vyhledávání (Elasticsearch, Pinecone, pgvector atd.) vrátí dokumenty relevantní pro dotaz uživatele.
2. Vytváření odkazů
Načtené dokumenty strukturuješ do tohoto formátu:
def build_references(search_results):
"""Converts search results to Mistral's reference format."""
return {
str(i): {
"url": result.get("url", ""),
"title": result["title"],
"snippets": [result["relevant_passages"]],
"description": None,
"date": result.get("date"),
"source": result.get("collection", "default"),
}
for i, result in enumerate(search_results)
}
3. Volání modelu s nástrojem
Deklaruješ nástroj, který model zavolá, aby získal zdroje. Po jeho zavolání tvůj kód vrátí json.dumps(references) v zprávě ToolMessage a poté pokračuješ v konverzaci (další lekce).
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
get_information_tool = {
"type": "function",
"function": {
"name": "get_information",
"description": "Retrieves relevant document sources",
"parameters": {
"type": "object",
"properties": {"query": {"type": "string"}},
"required": ["query"]
}
}
}
4. Model cituje své zdroje
Konečná odpověď není prostý řetězec: její obsah střídá objekty TextChunk a ReferenceChunk, kde pole reference_ids obsahuje čísla citovaných zdrojů – 0 pro klíč "0". Tyto ID vyhledáš ve své tabulce odkazů, abys mohl zobrazit názvy a odkazy.
Osvědčené postupy pro úryvky (snippets)
Kvalita citací přímo závisí na kvalitě úryvků a prvním nastavením, které musíš hlídat, je jejich délka. Úryvek o dvou až pěti větách poskytne modelu hutnou a použitelnou pasáž; výňatek zabírající celou stránku zředí relevantní informace do té míry, že model zdroj sice ocituje, ale nebude se v něm skutečně opírat. Dej si však pozor, abys úryvek nezkrátil příliš: úryvek vytržený z kontextu může být špatně interpretován – „míra stoupá na 20 %“ nedává smysl, pokud byla předchozí věta specifikující, o jakou míru jde, useknuta.
Počet zdrojů hraje stejnou roli jako délka, ale v měřítku dotazu: každý přidaný zdroj stojí kontextové tokeny, ať už je citován, či nikoliv. Začni s několika málo zdroji a zkontroluj v reference_ids, které z nich model skutečně použil, než přidáš další. Nakonec, když záleží na načasování (verzionovaná dokumentace, ceníky, předpisy), vyplň pro každý zdroj pole date: jsou to informace, které může model využít a které můžeš zobrazit i ty.
Klíčové poznatky
- Zdroje procházejí jako výsledek nástroje, indexované číslem (
"0","1"…), s URL, názvem, úryvky a metadaty - Model Mistral je nativně trénován k tomu, aby své odpovědi zakládal na poskytnutých zdrojích
- Úryvky musí být stručné a zasazené do kontextu pro vysoce kvalitní citace
- Pro optimální využití se omez na 3–7 odkazů na dotaz
- Citace promění odpovědi AI v ověřitelné a vysledovatelné informace