Hvorfor strukturerede outputs?
På denne side
Modelopdatering, 2. november 2026. 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 i offentlig forhåndsvisning siden den 6. oktober. Eksemplerne i dette kursus bruger aliasetmistral-large-latest, som ifølge den officielle specifikation stadig peger på Mistral Large 3 (verificeret 3. november 2026). Tilsvarende pegermistral-medium-latestpå Mistral Medium 3.5. Disse aliaser forbliver gyldige indtil den 30. april 2027. Testmistral-large-4til nye projekter, da det er den udpegede efterfølger.
Problemet med frit formulerede outputs
Når du placerer en sprogmodel midt i en automatiseret pipeline, støder du hurtigt på et problem, der sjældent viser sig dag ét: dens svar i fritekst er uforudsigelige. De samme oplysninger kan formuleres på dusinvis af forskellige måder, og hver variation tvinger din efterfølgende kode til at fortolke den anderledes. Det, der virker under en demo, bryder sammen i produktionen, ofte uden at give lyd fra sig.
Tag en helt almindelig opgave. Du beder Mistral om at udtrække et produktnavn og en pris fra en kommerciel beskrivelse. Uden begrænsninger kan modellen svare:
Produktet hedder "Widget Pro" og koster €49,99.
Eller, for samme input blot få timer senere:
Navn: Widget Pro
Pris: 49,99 EUR
Begge svar er korrekte for et menneske. For din kode har de næsten intet til fælles: decimalseparatoren er ændret fra komma til punktum, valutasymbolet er blevet til en ISO-kode, og sætningsstrukturen er forsvundet. Hver variation kræver forskellig parser-logik. I produktion fører dette til stille fejl, brudte pipelines og timevis af fejlfinding.
JSON: Det universelle format til pipelines
JSON løser dette problem ved at gennemtvinge en maskinlæsbar struktur. Den samme udtrækning bliver entydig:
{
"name": "Widget Pro",
"price": 49.99,
"currency": "EUR"
}
Koden, der modtager dette svar, bliver igen simpel og pålidelig. I stedet for at skrive et skrøbeligt regulært udtryk, skriver du to stabile linjer:
import json
data = json.loads(response)
product_name = data["name"]
price = data["price"]
Farvel til risikable regulære udtryk og heuristisk parsing. JSON er de facto-standarden for system-til-system-kommunikation, hvilket gør det til det naturlige valg for LLM-outputs i professionelle sammenhænge.
Hvor behovet opstår
Strukturerede outputs bliver essentielle, så snart modellens svar fodrer noget andet end en skærm. Informationsudtrækning er det mest direkte eksempel: at trække enheder – navne, datoer, beløb – ud af ustrukturerede dokumenter er kun nyttigt, hvis resultatet lander direkte i et system. Klassificering følger samme logik: kategorisering af supportbilletter, e-mails eller kundeanmeldelser kræver, at mærkatet og dets konfidensscore ankommer i forudsigelige felter og ikke er begravet i en sætning.
Datatransformation går et skridt videre ved at konvertere fritekst til strukturerede poster beregnet til en database. Agenter og kaldkæder er lige så afhængige af dette: en agent kan kun orkestrere et workflow, hvis den returnerer en struktureret handling med værktøjsnavnet og dets parametre i stabile nøgler. Endelig fungerer en LLM nogle gange som et mellemlag foran en REST-API, der forventer en specifik payload – i dette tilfælde er formatet ikke en bekvemmelighed; det er en kontrakt.
Omkostningerne ved misdannede outputs
I produktion er pålidelighed ikke valgfri, og et misdannet output koster dig på tre måder. Syntaktisk ugyldig JSON får din applikation til at crashe under parsing, hvilket er det mest synlige scenarie, men paradoksalt nok det mindst farlige. Manglende felter ødelægger dine data i stilhed: posten godkendes, men den er ufuldstændig, og problemet dukker ikke op før uger senere. Uoverensstemmende typer – en streng "42" hvor du forventede tallet 42 – forårsager uventet adfærd i efterfølgende beregninger uden nogensinde at udløse en undtagelse.
Mistrals strukturerede outputs adresserer disse tre udfordringer med to komplementære mekanismer. JSON-tilstand garanterer gyldigt JSON-output uden at gennemtvinge et skema: du aktiverer det med en parameter og styrer formatet via prompten. Brugerdefinerede strukturerede outputs går videre ved at gennemtvinge et præcist skema, beskrevet ved hjælp af Pydantic i Python eller Zod i TypeScript.
Dette kursus guider dig gennem begge tilgange. Du lærer at vælge den rigtige til dit brugstilfælde, skrive den tilhørende kode på begge sprog og håndtere fejltilfælde med mønstre, der holder i produktion.
Vigtige pointer
- Fritekst-outputs er uforudsigelige og uegnede til automatiserede pipelines
- JSON er standardformatet for maskine-til-maskine-kommunikation
- Mistral tilbyder to mekanismer til strukturerede outputs: JSON-tilstand og brugerdefinerede strukturerede outputs
- Output-pålidelighed er afgørende i produktion – strukturerede outputs er en investering, ikke en luksus