Introduktion til Mistral Workflows
På denne side
Opdatering 2. november 2026 — Modeller. Mistral Large 3 (
mistral-large-2512) og Mistral Medium 3.5 blev udfaset den 31. oktober 2026 og vil blive helt trukket tilbage den 30. april 2027. Deres udpegede efterfølger, Mistral Large 4 (mistral-large-4), har været tilgængelig i offentlig forhåndsvisning siden den 6. oktober. Eksemplerne i dette kursus bruger aliassetmistral-large-latest, som ifølge den officielle specifikation (verificeret 3. november 2026) stadig peger på Mistral Large 3, ligesommistral-medium-latestpeger på Mistral Medium 3.5. Disse aliasser forbliver gyldige indtil den 30. april 2027. Til nye projekter bør du testemistral-large-4, som er den udpegede efterfølger.
Orkestrering af komplekse AI-opgaver
En seriøs AI-applikation passer aldrig ind i et enkelt API-kald. Forestil dig en tjeneste, der hver nat genererer en kunderapport: den henter data fra tre systemer, sender dem til en model til behandling, e-mailer resultatet, venter på en leders godkendelse og udløser derefter en faktureringsproces. Denne kæde strækker sig over timer, nogle gange dage, og krydser netværk, køer og tredjepartstjenester – hvoraf ingen er 100 % pålidelige.
Den dag maskinen, der kører denne pipeline, genstarter mellem afsendelsen af e-mailen og behandlingen af fakturaen, står du over for to udfald. Enten starter du alt forfra, og kunden modtager rapporten en anden gang, eller også har du manuelt skrevet et system af checkpoints, låse og tilstandstabeller – hundreder af kod linjer, der intet har med din kerneforretning at gøre. Platformen Mistral AI Workflows, lanceret i offentlig forhåndsvisning den 27. april 2026, eksisterer for at spare dig for dette valg. Den giver en fundamental garanti: dit workflow vil aldrig miste sine fremskridt.
Hvad er et holdbart workflow?
Et holdbart workflow er et program, hvor hvert trin persisters, før det næste påbegyndes. Tag den natlige rapport igen: i det øjeblik e-mailen sendes afsted, har platformen allerede logget i sit journal, at dette trin er fuldført, og har registreret resultatet. Hvis processen stopper et sekund senere, genoptages den ved faktureringstrinnet, ikke forfra – uden datatab eller dobbelte handlinger.
Denne mekanisme er ikke eksperimentel. Mistral Workflows-platformen drives af Temporal, en orkestreringsmotor, der er bevist i produktion hos virksomheder som Netflix, Uber og Stripe. Du arver en eksekveringsmodel, der allerede har modstået fejl i stor skala, pakket ind i et Mistral-lag, der eksponerer den via moderne Python.
Trin i et typisk workflow
Før vi dykker ned i detaljerne i de følgende lektioner, får du her hele rejsen, du skal igennem, fra definition af kode til overvågning i produktion.
Definér aktiviteter
Hver arbejdsenhed (API-kald, databaseforespørgsel, AI-behandling) kapsles i en async-funktion kaldet en aktivitet.
Opret workflowet
Workflowet orkestrerer aktiviteterne: rækkefølgen for eksekvering, betingelserne og logikken for forgrening.
Start en worker
Workeren er den proces, der faktisk udfører dine workflows og aktiviteter. Den forbinder til Mistral-platformen og venter på opgaver.
Udløs eksekvering
Du starter workflowet via Python SDK'et eller et cURL-kald. Platformen persisterer hvert trin og håndterer automatisk genoptagelse.
Observer og overvåg
Hver aktivitet genererer OpenTelemetry-spor. Du sporer eksekveringen i realtid og diagnosticerer problemer.
Centrale platformfunktioner
Eksekveringen er pålidelig og fejl tolerant. Workflows mister aldrig fremskridt, fordi hvert trin persisters, før man går videre til det næste. Uanset om det er et servernedbrud, et netværksudfald eller en forbigående fejl fra en udbyder, genoptages workflowet automatisk præcis, hvor det slap, uden nogen indgriben fra din side.
Platformen er også designet til AI-native scenarier. En agent, der kæder værktøjskald sammen, en sekvens af modeller eller en langvarig samtale med en assistent: disse mønstre involverer lange ventetider og hyppige genoptagelser, hvilket er netop målgruppen for brugstilfælde. Workflows kan vare fra få sekunder til flere uger, hvilket muliggør scenarier, der er umulige med en simpel HTTP-forespørgsel, såsom at vente tre dage på menneskelig validering.
Arkitekturen er også fuldt ud observerbar ende-til-ende. Hver handling – fuldførelse af aktivitet, signal, fejl – registreres som en begivenhed i realtid. Du kan streame disse begivenheder til eksterne systemer, så du f.eks. kan vise slutbrugeren en fremskridtslinje, der afspejler den faktiske behandlingstilstand frem for en dekorativ animation. Endelig bruger Python SDK’et velkendte dekoratorer og async/await-mønstre: hvis du kender Python, ved du allerede, hvordan man skriver workflows.
Konkrete brugstilfælde
Fire familier af applikationer dukker regelmæssigt op. En pipeline til dokumentbehandling kæder udtrækning, analyse, opsummering og klassificering sammen, hvor hvert dokument gennemgår de samme trin, så en fejl midt i en batch ikke tvinger en fuld genstart frem. En kundesupport-agent henter kontekst, genererer et svar, eskalerer til et menneske om nødvendigt og følger op på opgaver efter løsning dage efter, at sagen er lukket. Et workflow til indholdsmoderation får flere modeller til at analysere det samme element, anvender et flertalsafstemning og eskalerer til en menneskelig moderator ved uenighed. Endelig indsamler rapportgenerering data fra flere kilder, aggregerer dem, producerer teksten, formaterer den og sender dokumentet.
Offentlig forhåndsvisning: Hvad betyder det?
Funktionen Workflows har været i offentlig forhåndsvisning siden lanceringen den 27. april 2026 (officiel meddelelse), og denne status har praktiske konsekvenser. Før du begynder, skal du tjekke den aktuelle status i Workflows-dokumentationen. API’er og funktioner kan ændre sig uden varsel: fastlås dine afhængighedsversioner, og planlæg at gennemgå udgivelsesnotater før hver opdatering. Platformen er produktionsklar, men kræver forsigtighed, hvilket betyder, at du bør have en backupplan for kritiske processer. Brugerfeedback påvirker direkte køreplanen, så dit input har reel vægt. Nogle tekniske begrænsninger findes stadig, og vi detaljerer dem i de følgende lektioner i stedet for at feje dem ind under gulvtæppet.
Vigtige pointer
- Mistral Workflows lader dig orkestrere komplekse AI-opgaver med en garanti for holdbarhed
- Platformen drives af Temporal, en orkestreringsmotor bevist i produktion
- Arkitekturen hviler på tre komponenter: aktiviteter (det egentlige arbejde), workflows (orkestrering), workers (eksekvering)
- Hvert trin persisters – et afbrudt workflow genoptages automatisk
- Funktionen er i offentlig forhåndsvisning (april 2026): API’er er underlagt ændringer