Εργαστήριο: Δημιουργία Περιεχομένου
Σε αυτήν τη σελίδα
Στόχος του Εργαστηρίου
Αυτό το τελικό εργαστήριο εξερευνά τη δημιουργική πλευρά των μοντέλων Mistral: καταιγισμός ιδεών (brainstorming), δημιουργία σεναρίων εκπαίδευσης και παραγωγή περιεχομένου μάρκετινγκ. Το παράδοξο της δημιουργίας με τη βοήθεια της Τεχνητής Νοημοσύνης είναι ότι απαιτεί περισσότερη δομή, όχι λιγότερη: η υψηλή θερμοκρασία χωρίς δικλείδες ασφαλείας παράγει ένα μη αξιοποιήσιμο χάος, ενώ η υψηλή θερμοκρασία εντός ενός καλά περιορισμένου prompt αποδίδει ιδέες που είναι ταυτόχρονα πρωτότυπες και εφαρμόσιμες. Αυτός ο συνδυασμός—ελεγχόμενη ελευθερία—είναι αυτό που θα εξασκήσετε στις τρεις ασκήσεις που ακολουθούν.
Άσκηση 1: Δομημένος Καταιγισμός Ιδεών
Ας ξεκινήσουμε με μια περίπτωση προϊόντος: ετοιμάζετε την κυκλοφορία μιας νέας εφαρμογής για κινητά και χρειάζεστε ιδέες για χαρακτηριστικά που θα σας διαφοροποιήσουν. Ένας απλός καταιγισμός ιδεών θα απέδιδε μια λίστα με αόριστα συνθήματα· για να είναι εφαρμόσιμες σε μια συνάντηση προϊόντος, κάθε ιδέα πρέπει να παρουσιάζεται προ-αξιολογημένη. Παρατηρήστε πώς το system prompt επιβάλλει έναν πίνακα αξιολόγησης (προσπάθεια, αντίκτυπος, διαφοροποίηση) σε κάθε ιδέα, μετατρέποντας το μοντέλο σε γεννήτρια φύλλων προϊόντος και όχι σε μηχανή προτάσεων.
messages = [
{
"role": "system",
"content": """You are a creative product manager specializing in B2C mobile apps.
For each idea, provide:
- Feature name (max 5 words)
- Description (2 sentences)
- Development effort: S (< 1 week) / M (1-4 weeks) / L (> 1 month)
- Estimated user impact: low / medium / high
- Competitive differentiation: low / medium / high
Propose varied ideas: some pragmatic, some bold."""
},
{
"role": "user",
"content": """Product context:
- Personal budget management app for 25-35 year olds in France
- Current features: expense tracking, automatic categorization,
savings goals, bank synchronization
- Main competitors: Bankin, Linxo, Finary
- Identified problem: 60% of users abandon after 3 weeks
Generate 8 feature ideas to improve retention.
Rank them by decreasing impact."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.8,
presence_penalty=0.6
)
Το μοντέλο θα πρέπει να παράγει 8 πραγματικά ποικίλες ιδέες: κοινωνικά χαρακτηριστικά όπως προκλήσεις μεταξύ φίλων, παιχνιδοποίηση (gamification) με σερί, badges και επίπεδα, προβλεπτική νοημοσύνη όπως ειδοποιήσεις υπερανάληψης, ή πρωτότυπες ενσωματώσεις όπως η κοινή διαχείριση εξόδων σε ομάδες. Αυτή η ποικιλομορφία δεν είναι τυχαία: ο συνδυασμός temperature=0.8 και presence_penalty=0.6 αντανακλά ακριβώς τα μαθήματα της προηγούμενης ενότητας—η θερμοκρασία ανοίγει το πεδίο των δυνατοτήτων, ενώ το presence penalty εμποδίζει το μοντέλο να επαναλαμβάνει την ίδια ιδέα οκτώ φορές.
Επεκτείνετε την άσκηση. Μειώστε τη θερμοκρασία στο 0.4 και συγκρίνετε: οι ιδέες γίνονται πιο συμβατικές αλλά πιο ρεαλιστικές. Προσθέστε τον περιορισμό «Τουλάχιστον 2 ιδέες πρέπει να αξιοποιούν τη γενετική ΤΝ» και παρατηρήστε πώς συμμορφώνεται το μοντέλο. Τέλος, αλλάξτε το πρόσωπο (persona): «Είστε σχεδιαστής UX» θα κατευθύνει τις προτάσεις προς την εμπειρία χρήστη και όχι προς τα τεχνικά χαρακτηριστικά.
Άσκηση 2: Δημιουργικά Σενάρια για Εκπαίδευση
Αλλαγή σκηνικού για τη δεύτερη άσκηση: δημιουργείτε σενάρια για ένα σεμινάριο διοίκησης. Ένα καλό σενάριο εκπαίδευσης πρέπει να είναι ρεαλιστικό, ελκυστικό και—αυτό είναι το δυσκολότερο κομμάτι—να επιτρέπει πολλαπλές νόμιμες προσεγγίσεις: αν υπάρχει μια προφανής απάντηση, η ομαδική συζήτηση θα εξαντληθεί σε πέντε λεπτά. Το system prompt κωδικοποιεί αυτές τις απαιτήσεις μία προς μία, μέχρι και τους αριθμούς που καθιστούν το δίλημμα συγκεκριμένο.
messages = [
{
"role": "system",
"content": """You are an instructional designer specializing in management training.
Each scenario must:
- Be grounded in a realistic French professional context (2026)
- Present a dilemma with no obvious solution
- Involve at least 3 stakeholders with divergent interests
- Include figures to make the decision concrete
- End with 3 reflection questions for the group
Tone: professional, immersive, engaging."""
},
{
"role": "user",
"content": """Create a training scenario on the theme:
"Managing a conflict between individual performance and collective well-being"
Context: a 12-person tech team in a Paris-based scale-up.
The scenario should last about 30 minutes of group discussion.
Also provide a facilitator sheet with key points to surface."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.7
)
Το αναμενόμενο αποτέλεσμα είναι ένα πλήρες σενάριο: μια κατάσταση περιγραμμένη λεπτομερώς με τους αριθμούς της (έσοδα, προθεσμίες, κύκλος εργασιών), τουλάχιστον τρεις χαρακτήρες με τα δικά τους κίνητρα, ένα κεντρικό δίλημμα με υπερασπίσιμα επιχειρήματα και για τις δύο πλευρές, ανοιχτές ερωτήσεις προβληματισμού χωρίς μία και μοναδική απάντηση, και το φύλλο του εκπαιδευτή με τα βασικά σημεία που πρέπει να αναδυθούν, τις παγίδες που πρέπει να αποφευχθούν και έναν πίνακα αξιολόγησης. Μια θερμοκρασία 0.7 δίνει στο μοντέλο την ελευθερία να επινοήσει χαρακτήρες και καταστάσεις, ενώ η επιβαλλόμενη δομή διασφαλίζει ότι το σενάριο παραμένει usable στην τάξη.
Άσκηση 3: Περιεχόμενο Μάρκετινγκ Πολλαπλών Μορφών
Η τελική άσκηση σας βάζει στη θέση του διευθυντή μάρκετινγκ: κυκλοφορείτε μια νέα υπηρεσία και πρέπει να παράγετε περιεχόμενο για πολλά κανάλια ταυτόχρονα, ξεκινώντας από ένα ενιαίο brief. Κάθε κανάλι έχει τους δικούς του κώδικες—μια ανάρτηση στο LinkedIn δεν γράφεται όπως ένα θέμα email—και το system prompt τους επιβάλλει, υποστηριζόμενο από αριθμητικούς περιορισμούς.
messages = [
{
"role": "system",
"content": """You are a content director producing multi-channel marketing
material from a single brief.
For each channel, respect specific constraints:
- LinkedIn: 1200-1500 characters, expert tone, 3-5 hashtags, a punchy hook
- Email: subject (max 50 chars), preview text (max 90 chars), body (200 words max)
- Web page: headline (max 10 words), subtitle (max 25 words), 3 USP blocks,
main CTA
Style: professional French, formal 'you', data-driven where possible.
NEVER use empty superlatives ("market leader", "revolutionary solution")."""
},
{
"role": "user",
"content": """Product brief:
Name: SecureDocs AI
Type: Document management SaaS with integrated AI
Price: starting at 19 euros/user/month
Target: legal and compliance departments (50-500 employees)
USP: Automatic document classification by AI, risky clause detection,
integrated GDPR/NIS2 compliance
Launch: April 15, 2026
Launch offer: 3 months free for the first 100 signups
Produce content for the 3 channels."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.6
)
Θα πρέπει να λάβετε τρία διακριτά μπλοκ, το καθένα με τους κώδικες του καναλιού του. Για το LinkedIn: μια επαγγελματική ανάρτηση που ανοίγει με ένα ελκυστικό hook—μια ερώτηση ή ένα στατιστικό στοιχείο—που διατυπώνει το πρόβλημα, παρουσιάζει τη λύση και καταλήγει σε μια CTA προς τον ιστότοπο, με σχετικά hashtags. Για το email: ένα σύντομο και intriging θέμα, συμπληρωματικό κείμενο προεπισκόπησης (όχι redundant με το θέμα) και ένα σώμα δομημένο ως πρόβλημα/λύση/προσφορά/CTA. Για την ιστοσελίδα: ένας τίτλος προσανατολισμένος στα οφέλη, ένας υπότιτλος που καθορίζει το κοινό-στόχο, τρία μπλοκ USP με τίτλο και μια ξεκάθαρη CTA.
Και εδώ, οι παραλλαγές είναι διαφωτιστικές: παράγετε το ίδιο περιεχόμενο με n=3 και temperature=0.7 για να συγκρίνετε τρεις εκδοχές και να επιλέξετε την καλύτερη, προσθέστε ένα κανάλι («Νήμα Twitter/X σε 5 αναρτήσεις») ή αλλάξτε το κοινό-στόχο—«ΜΜΕ του βιομηχανικού τομέα» αντί για «νομικά τμήματα»—για να δείτε πώς αλλάζει ολόκληρη η γωνία προσέγγισης του μάρκετινγκ.
Η Δημιουργική Ροή Εργασίας 3 Βημάτων
Για περιεχόμενο υψηλής ποιότητας, η βέλτιστη πρακτική δεν είναι να ζητάτε τα πάντα σε ένα μόνο κάλεσμα, αλλά να αλυσοδετείτε βήματα προσαρμόζοντας τη θερμοκρασία στο καθένα:
# Step 1: Brainstorming (high temperature)
idees = client.chat.complete(
model="mistral-large-latest",
messages=[{"role": "user", "content": "10 angles for an article on [subject]"}],
temperature=0.9
)
# Step 2: Selection and structuring (low temperature)
plan = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": f"Among these angles:\n{idees}\nChoose the best and create a detailed outline."}
],
temperature=0.3
)
# Step 3: Writing (medium temperature)
article = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "system", "content": "Write according to this outline, tone [your tone]."},
{"role": "user", "content": plan}
],
temperature=0.5
)
Αυτή η ροή εργασίας διαχωρίζει τις αποκλίνουσες φάσεις—καταιγισμός ιδεών, όπου θέλετε τόλμη—από τις συγκλίνουσες φάσεις—δομή και συγγραφή, όπου θέλετε αυστηρότητα. Αυτή είναι ακριβώς η προσέγγιση μιας ανθρώπινης δημιουργικής ομάδας: δεν αξιολογείτε τις ιδέες ενώ τις παράγετε, και δεν γράφετε ενώ δομείτε.
Βασικά σημεία
- Υψηλή θερμοκρασία (0.7-0.9) για καταιγισμό ιδεών, μέτρια (0.4-0.6) για συγγραφή
- Το presence penalty ενθαρρύνει την ποικιλομορφία των ιδεών
- Δομείτε τα δημιουργικά σας prompts με ακριβείς περιορισμούς (μορφή, μήκος, ύφος)
- Χρησιμοποιείτε μια ροή εργασίας πολλαπλών βημάτων και παράγετε πολλαπλές εκδοχές (
n > 1) για να επιλέξετε την καλύτερη - Προσαρμόζετε το πρόσωπο (persona) στο κανάλι: ειδικός για το LinkedIn, προσανατολισμένος στις πωλήσεις για το email, συνοπτικός για τον ιστό
Ελέγξτε τις Γνώσεις σας
Μετά τα τέσσερα εργαστήρια, ένας τελικός έλεγχος των τεχνικών.
1. Ποιος είναι ο σκοπός του ρόλου system σε σύγκριση με τον ρόλο user;
Απάντηση: Το system ορίζει το διαρκές πλαίσιο (ταυτότητα, κανόνες, μορφή) για όλη τη συζήτηση· ο user μεταφέρει τα τρέχοντα αιτήματα—οι οδηγίες εφαρμογής δεν αναμειγνύονται με τα μηνύματα.
2. Πότε προτιμάται το few-shot από τις οδηγίες;
Απάντηση: Όταν το να δείχνεις είναι καλύτερο από το να λες: ακριβείς μορφές, λεπτές αποχρώσεις ύφους, οριακές περιπτώσεις—ένα ή δύο παραδείγματα βαθμονομούν την έξοδο καλύτερα από μια παράγραφο κανόνων.
3. Τι αλλάζει η αλυσίδα σκέψης (chain of thought) σε ένα σύνθετο έργο;
Απάντηση: Το να ζητάτε συλλογισμό πριν από το συμπέρασμα κάνει τα βήματα να ξετυλίγονται αντί να πηγαίνουν κατευθείαν σε μια πιθανή απάντηση—λιγότερα λάθη στον υπολογισμό, τη λογική και τις ανταλλαγές (trade-offs).
4. Θερμοκρασία και Top P: ποια ρύθμιση για ποια ανάγκη;
Απάντηση: Χαμηλή θερμοκρασία για factual και εξαγωγή (ντετερμινισμός), υψηλή για δημιουργικότητα· το Top P περιορίζει τη δειγματοληψία στα πιο πιθανά tokens—ρυθμίζετε το ένα ή το άλλο, σπάνια και τα δύο.
5. Αναφέρετε δύο αντι-πρότυπα (anti-patterns) prompting που πρέπει να αποφύγετε.
Απάντηση: Το να ζητάτε τα πάντα σε μία πρόταση χωρίς δομή ή μορφή εξόδου, και η στοίβαξη αντικρουόμενων οδηγιών—τα μαθήματα των εργαστηρίων δείχνουν το αντίθετο: ξεκάθαρος στόχος, ξεκάθαροι περιορισμοί, επαναλήψεις.
Τα τέσσερα εργαστήρια μετέτρεψαν αυτές τις τεχνικές σε συνήθειες—χρησιμοποιήστε τα πλαίσια τους ως πρότυπα για τις δικές σας περιπτώσεις.