Προτροπή ενός μοντέλου συλλογισμού
Σε αυτήν τη σελίδα
Μάθημα ξαναγραμμένο στις 2 Νοεμβρίου 2026. Αυτό το μάθημα κάλυπτε προηγουμένως την προτροπή συστήματος Magistral, η οποία αποσύρθηκε στις 31 Ιουλίου 2026. Η τρέχουσα τεκμηρίωση συλλογισμού (Reasoning) δεν απαιτεί πλέον ειδική προτροπή συστήματος: το
reasoning_effortαρκεί. Οι παρακάτω ενότητες διακρίνουν τι ανέφερε η τεκμηρίωση Magistral, τι έχει αλλάξει και ποιους κανόνες προτροπής παραμένουν χρήσιμοι.
Τι έχει αλλάξει από το Magistral
Το Magistral απέδιδε καλύτερα με μια προεπιλεγμένη προτροπή συστήματος, την οποία η τεκμηρίωση αναπαρήγαγε (τώρα αρχειοθετημένη στη σελίδα Native reasoning (deprecated)). Ουσιαστικά, οδηγούσε το μοντέλο να συντάξει πρώτα τον συλλογισμό του, σαν έναν εσωτερικό μονόλογο, ακολουθούμενο από μια αυτόνομη απάντηση· να γράφει σε Markdown, χρησιμοποιώντας LaTeX για εξισώσεις· και να απαντά στη γλώσσα του ερωτήματος. Περιλάμβανε ακόμη ένα πρότυπο συλλογισμού, υπό τη μορφή ενός αποσπάσματος thinking τοποθετημένου στο μήνυμα συστήματος. Μια παράμετρος, το prompt_mode, σας επέτρεπε να επιβάλετε αυτή την προεπιλεγμένη προτροπή ("reasoning") ή να την απενεργοποιήσετε (None).
Με τα τρέχοντα μοντέλα, τίποτα από αυτά δεν είναι απαραίτητο: η σελίδα συλλογισμού δεν αναφέρει ούτε ειδική προτροπή συστήματος ούτε prompt_mode. Ενεργοποιείτε τον συλλογισμό με το reasoning_effort και η προτροπή συστήματός σας επιστρέφει σε μια τυπική προτροπή συστήματος, αφιερωμένη στον ρόλο, τη μέθοδο και την αναμενόμενη μορφή. Αν κάνετε μετάβαση από το Magistral, αφαιρέστε το πρότυπο συλλογισμού από τα μηνύματα συστήματός σας και το prompt_mode από τις κλήσεις σας, και στη συνέχεια συγκρίνετε τα αποτελέσματα (Μάθημα 8).
Διαχωρισμός συλλογισμού από την απάντηση
Το μοντέλο διαθέτει πλέον δύο διακριτούς χώρους: τον συλλογισμό, τον οποίο ο χρήστης συχνά δεν βλέπει, και την τελική απάντηση. Μια καλή προτροπή λαμβάνει υπόψη αυτό το γεγονός. Περιγράφει την αναμενόμενη μέθοδο, τι θα επαλήθευε ένας ειδικός του κλάδου, και ορίζει τη μορφή της απάντησης: η απάντηση πρέπει να είναι κατανοητή χωρίς τον συλλογισμό, καθώς ο συλλογισμός θα είναι γενικά κρυφός.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
system_prompt = """You are a senior Python debugging expert.
METHOD
- Read all the code before formulating a diagnosis.
- Formulate at least two hypotheses before concluding.
- Verify that your fix does not create a new problem.
FINAL RESPONSE
1. The precise diagnosis
2. The root cause
3. The corrected code
4. A test that proves the fix"""
response = client.chat.complete(
model="mistral-small-2603",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": "My code crashes with a RecursionError: def fibonacci(n): return fibonacci(n-1) + fibonacci(n-2)"},
],
reasoning_effort="high",
)
Σε αυτή τη συνάρτηση fibonacci που στερείται βασικής περίπτωσης, η απαίτηση για δύο υποθέσεις αποκλείει τη αναδρομήή διάγνωση «αύξηση του ορίου αναδρομής» και οδηγεί στην πραγματική αιτία.
Προσαρμογή ανά κλάδο
Ο ίδιος σκελετός, μέθοδος και έπειτα μορφή απάντησης, προσαρμόζεται στον συγκεκριμένο κλάδο. Στα μαθηματικά, η μέθοδος εστιάζει στις υποθέσεις και τον τύπο της απόδειξης:
math_prompt = """You are a rigorous mathematician.
METHOD
- State the hypotheses before every proof.
- Explicitly choose between induction, contradiction, or direct calculation.
- Verify the result on a specific case.
FINAL RESPONSE
Formal proof: hypotheses, justified steps, conclusion."""
Στη στρατηγική ανάλυση, εστιάζει στα ενδιαφερόμενα μέρη και την ποσοτικοποίηση, και η αναμενόμενη απάντηση γίνεται μια σύσταση συνοδευόμενη από ένα σχέδιο:
strategy_prompt = """You are a strategy consultant.
METHOD
- Evaluate each option based on feasibility, impact, and risk.
- Quantify whenever possible, even if only as an order of magnitude.
- Seek the strongest objection to your own recommendation.
FINAL RESPONSE
A clear recommendation, the pros and cons of each option, an action plan with dated steps."""
Τρία συχνά λάθη
Η προτροπή είναι πολύ ασαφής. Το «Είστε ένας χρήσιμος βοηθός» δεν λέει τίποτα για τη μέθοδο: το μοντέλο συλλογίζεται σύμφωνα με τις συνήθειές του και όχι τις δικές σας. Περιγράψτε τι θα επαλήθευε ένας ειδικός.
Η προτροπή είναι αντιφατική. Το «Να είστε πολύ συνοπτικοί. Αναλύστε κάθε βήμα σε βάθος» θέτει το μοντέλο ενώπιον μιας αδύνατης εντολής. Επιλύστε την αντίφαση κατανέμοντας τους ρόλους: η λεπτομέρεια ανήκει στον συλλογισμό, η συνοπτικότητα στην τελική απάντηση.
good_prompt = """Be concise in your final response: conclusions and essential figures only.
Explore details in your reasoning, not in the response."""
Αίτημα της διαδικασίας στην απάντηση. Το να ζητάτε να «συλλογιστείτε βήμα προς βήμα» στην ορατή απάντηση κάνει το μοντέλο να γράψει δεύτερη φορά αυτό που έχει ήδη κάνει στον συλλογισμό του: το μήκος της απάντησης αυξάνεται και πληρώνετε δύο φορές για τα ίδια βήματα σε tokens εξόδου. Ζητήστε βήματα στην απάντηση μόνο αν ο χρήστης χρειάζεται να τα διαβάσει, για παράδειγμα σε έναν εκπαιδευτικό tutor.
Βασικά σημεία
- Η προεπιλεγμένη προτροπή συστήματος και το
prompt_modeήταν ειδικά για το Magistral: δεν είναι πλέον απαραίτητα - Ενεργοποιήστε τον συλλογισμό με το
reasoning_effortκαι διατηρήστε την προτροπή συστήματος στον κλασικό της ρόλο - Περιγράψτε την αναμενόμενη μέθοδο και τη μορφή μιας απάντησης αναγνώσιμης χωρίς τον συλλογισμό
- Κατανείμετε τους ρόλους: λεπτομέρεια στον συλλογισμό, συνοπτικότητα στην απάντηση
- Μην κάνετε το μοντέλο να ξαναγράψει τη διαδικασία στην απάντηση αν κανείς δεν χρειάζεται να τη διαβάσει