Document QnA API'en
På denne side
Lektion opdateret 3. november 2026. Tillæg 3. november 2026: For at sende en lokal PDF skal du transmittere den som base64 i formatet
{"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Typendocument_base64, der findes i ældre eksempler, eksisterer hverken i dokumentationen eller imistralaiSDK’et, og disse eksempler ville have fejlet. Kilder: OCR Processor · Document QnA.
Forespørg dine dokumenter på naturligt sprog
Document QnA kombinerer OCR med en Mistral LLM, så du kan stille spørgsmål direkte om dit dokuments indhold. I stedet for at skulle scanne halvtreds sider for at finde en specifik klausul eller et tal, stiller du blot spørgsmålet og læser svaret. Internt udfører tjenesten to trin: OCR udtrækker tekst, struktur og formatering, hvorefter en Mistral-chatmodel analyserer det udtrukne indhold for at generere et svar. Denne kombination er gennemsigtig for dig – ét enkelt API-kald håndterer det hele.
Et andet endpoint end OCR
Dette er den del, der ofte driller folk ved første forsøg. Ren OCR bruger client.ocr.process, hvorimod QnA bruger standard Chat-endpointet client.chat.complete med en besked, der indeholder både en tekstblok og en document_url-blok. Med andre ord bliver dokumentet en vedhæftning til dit spørgsmål, ligesom et billede i en multimodal udveksling.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Spørgsmål om et offentligt dokument
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)
Tre måder at sende dokumentet på
En offentlig URL er den mest direkte rute, ideel til dokumenter, der allerede er tilgængelige online – f.eks. en videnskabelig publikation, en institutionsrapport eller en PDF hostet på din hjemmeside.
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
)
Lokale filer sendes derimod som base64. Dette er standardtilstanden, når et dokument er fortroligt eller gemt bag din firewall; intet behøver at blive offentliggjort på nettet for at kunne forespørges.
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
)
Endelig findes der en tredje mulighed for filer, der allerede er uploadet via Files API’en: Du uploader én gang med purpose="ocr" og refererer derefter til det resulterende ID så mange gange, som du har brug for. For et dokument, du planlægger at forespørge flere gange, undgår du dermed at genuploade flere megabytes for hvert spørgsmål.
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
)
Hvilken chatmodel til hvilket spørgsmål
Parameteren model er op til dig, og den påvirker både svarkvalitet og omkostninger.
| Model | Profil | Hvornår skal du vælge den |
|---|---|---|
mistral-small-latest | Hurtig og økonomisk | Tilstrækkelig til de fleste spørgsmål |
mistral-medium-latest | Godt kompromis | Balanceret hastighed og nøjagtighed |
mistral-large-latest | Mere præcis | Kompleks analyse og ræsonnement |
Dit valg afhænger af kompleksiteten i dine spørgsmål og dit budget: At udtrække et beløb fra en faktura kræver ikke den samme model som at sammenligne ansvarsregimer mellem to kontrakter.
Kædning af spørgsmål
Du behøver ikke stille alt på én gang. Du sender dokumentet i den første besked, tilføjer modellens svar til historikken og stiller derefter dit opfølgningsspørgsmål som ren tekst: Dokumentkonteksten forbliver i samtalen. Dette er den naturlige måde at udforske en rapport på – start med et resumé, og dyk derefter ned i det punkt, der interesserer dig.
history = [
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize this document in 3 points."},
{
"type": "document_url",
"document_url": "https://example.com/report.pdf"
}
]
}
]
# Første kald
response = client.chat.complete(
model="mistral-small-latest",
messages=history
)
# Tilføj svar til historik
history.append({
"role": "assistant",
"content": response.choices[0].message.content
})
# Opfølgningsspørgsmål
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)
Hvad QnA ikke gør for dig
Der er fire begrænsninger, det er værd at kende, før du bygger en tjeneste ovenpå dette. For det første størrelsen: 50 MB pr. fil og maksimalt 1.000 sider, hvilket udelukker store arkiver uden forudgående opsplitning. For det andet omkostningerne, da lange dokumenter forbruger mange input-tokens ved hvert stillet spørgsmål. For det tredje betyder manglen på vedvarende hukommelse, at du selv skal genopbygge historikken; hvert kald er uafhængigt uden for en samtale med flere tur’er. Det mest tricky punkt er det sidste: LLM’en fortolker lige så meget, som den udtrækker, hvilket kan introducere fejl i præcise tal. Til et beløb, der skal ind i regnskabet, bør du foretrække struktureret annotering; reserver QnA til forståelse og syntese.
Vigtige pointer
- Document QnA bruger Chat-endpointet med
document_url-indhold: enten en offentlig URL eller en base64-kodet PDF som en data-URL - Den interne workflow er OCR efterfulgt af LLM, men kun ét kald er nødvendigt
- Tre sendemetoder: URL, base64, uploadet fil
- Samtaler med flere tur’er muliggør dybdegående analyse
- Vælg din chatmodel baseret på kompleksiteten i dine spørgsmål