Lähe põhisisu juurde
Eesti— Vali keel
Menüü

JSON Mode'i praktilised näited

Õppetund 5 / 12 Värskendatud 3. november 2026 Arendajatele
Sellel lehel
  1. JSON Mode’i praktiline rakendamine
  2. Entiteetide eraldamine struktureerimata tekstist
  3. tugiteenuste pöördumiste klassifitseerimine
  4. Kirjelduse teisendamine tooteleheks
  5. Mitme elemendi töötlemine ühes päringus
  6. Peamised punktid

Uuendatud 3. novembril 2026: Eelnev TypeScripti näide importis Mistrali vaikimisi ekspordina, kuid SDK pakub ainult nimelist eksporti (import { Mistral } from "@mistralai/mistralai"). Samuti oli API-võti kodeeritud otse koodi ja välja content tüüp sunniti kasutades !, mis on ebapiisav, kuna väli võib olla ka tükkide loend. Kontrollitud kompileerimisega SDK 3.5.0 ja TypeScript 7.0.2 abil. Allikas: Mistral TypeScript SDK.

JSON Mode’i praktiline rakendamine

Sa tead, kuidas JSON Mode’i sisse lülitada; nüüd vaatame läbi konkreetseid näiteid. Reaalsetes projektides kerkib esile kolm stsenaariumi, millest igaüks illustreerib erinevat viisi selle režiimi kasutamiseks. Kood on esitatud Pythonis, koos TypeScripti vasteatega seal, kus tõlge pole ilmne.

Entiteetide eraldamine struktureerimata tekstist

Entiteetide eraldamine on kõige sagedasem ja kuluefektiivsem kasutusjuhtum: müügimeilis on olemas kõik kontaktandmed, kuid need peituvad allkirja ja viisakusväljendite taga. Järgnevas näites on võtmeks süsteemse vihje viimane rida – nõue kasutada puuduva info korral null takistab mudelil telefoninumbrit lihtsalt välja mõtlemast, et väli täita.

from mistralai.client import Mistral
import json

client = Mistral(api_key="your-api-key")

email_text = """
Hello,
I am Marie Dupont, Sales Director at TechVision SAS.
You can reach me at 06 12 34 56 78 or by email at [email protected].
Our headquarters are at 42 rue de la Paix, 75002 Paris.
Best regards,
Marie
"""

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": """Extract contact information from the provided text.
Return a JSON with keys: name, title, company, phone, email, address.
If information is missing, use null."""
        },
        {"role": "user", "content": email_text}
    ],
    response_format={"type": "json_object"},
    temperature=0
)

contact = json.loads(response.choices[0].message.content)
print(f"Name: {contact['name']}")
print(f"Company: {contact['company']}")
print(f"Phone: {contact['phone']}")

Oodatav väljund:

{
  "name": "Marie Dupont",
  "title": "Sales Director",
  "company": "TechVision SAS",
  "phone": "06 12 34 56 78",
  "email": "[email protected]",
  "address": "42 rue de la Paix, 75002 Paris"
}

tugiteenuste pöördumiste klassifitseerimine

Klassifitseerimine nõuab teistsugust lähenemist: selle asemel, et lasta mudelil ise väärtusi valida, loetled sa vihjes iga välja lubatud väärtused. See muudab tulemused ühest pöördumisest teiseni võrreldavaks ja otse kasutatavaks marsruutimisel. Pane tähele üleminekut mudelile mistral-small-latest – pöördumiste esmane liigitamine ei õigusta kõige võimsama mudeli kasutamist.

tickets = [
    "My payment was charged twice, I demand an immediate refund!",
    "How can I change my password?",
    "Your app crashes every time I open the settings tab.",
]

for ticket in tickets:
    response = client.chat.complete(
        model="mistral-small-latest",
        messages=[
            {
                "role": "system",
                "content": """Classify the support ticket.
Return a JSON with:
- category: "billing", "account", "technical", "feature_request", or "other"
- priority: "low", "medium", "high", or "critical"
- sentiment: "positive", "neutral", or "negative"
- summary: one-sentence summary"""
            },
            {"role": "user", "content": ticket}
        },
        response_format={"type": "json_object"},
        temperature=0
    )

    result = json.loads(response.choices[0].message.content)
    print(f"Category: {result['category']} | Priority: {result['priority']} | Sentiment: {result['sentiment']}")

Siin on sama klassifikaator TypeScriptis. Kontroll enne JSON.parsei tuletab meelde, et SDK tüübib contenti valikuliseks ja kujul string | ContentChunk[]: parsida saab ainult stringi.

import { Mistral } from "@mistralai/mistralai";

const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });

const ticket = "My payment was charged twice!";

const response = await client.chat.complete({
  model: "mistral-small-latest",
  messages: [
    {
      role: "system",
      content: `Classify the support ticket.
Return a JSON with: category, priority, sentiment, summary.`,
    },
    { role: "user", content: ticket },
  ],
  responseFormat: { type: "json_object" },
  temperature: 0,
});

const contenu = response.choices[0]?.message?.content;
if (typeof contenu !== "string") {
  throw new Error("The response does not contain JSON text.");
}
const result = JSON.parse(contenu);
console.log(`Category: ${result.category}`);
console.log(`Priority: ${result.priority}`);

Kirjelduse teisendamine tooteleheks

Kolmas stsenaarium: turundusteksti teisendamine andmebaasi valmis kirjeiks. See ülesanne on keerulisem, sest tüübid loevad – hind peab saabuma arvuna, tarneaeg kahe täisarvuna ja tasuta tarne boolväärtusena. Seetõttu on vihjes vajalikud täpsed annotatsioonid.

product_text = """
The 16-inch MacBook Pro with M4 Pro chip is available starting at €2,799.
It features 24 GB of unified RAM, a 512 GB SSD, and a Liquid Retina XDR display.
Available in Space Black and Silver. Free delivery within 3-5 days.
"""

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": """Convert the product description into a structured sheet.
JSON with: name, brand, price_eur (number), specs (object with ram_gb, storage_gb, screen),
colors (list), delivery_days_min, delivery_days_max, free_shipping (boolean)."""
        },
        {"role": "user", "content": product_text}
    ],
    response_format={"type": "json_object"},
    temperature=0
)

product = json.loads(response.choices[0].message.content)
print(json.dumps(product, indent=2, ensure_ascii=False))

Tulemus:

{
  "name": "MacBook Pro 16-inch",
  "brand": "Apple",
  "price_eur": 2799,
  "specs": {
    "ram_gb": 24,
    "storage_gb": 512,
    "screen": "Liquid Retina XDR"
  },
  "colors": ["Space Black", "Silver"],
  "delivery_days_min": 3,
  "delivery_days_max": 5,
  "free_shipping": true
}

Pane tähele, et brändi Apple alliktekstis ei mainita: mudel järeldas selle toote nime põhjal. See on tugevus rikastamisel, kuid risk, mida tuleb jälgida, kui nõuad rangelt sõnasõnalist eraldamist.

Mitme elemendi töötlemine ühes päringus

Midagi ei sunni sind tegema iga elemendi kohta eraldi päringut. Küsides mudelilt ühe võtme all olevat loendit, vähendad päringute arvu – ja seega ka kogunenud latentsust – lühikeste ülesannete puhul, nagu arvustuste analüüs. Siin nõutav hinne jääb vahemikku -1,0 kuni 1,0, mis on kasulik kokkulepe tulemuste hilisemaks agregeerimiseks.

texts = [
    "Excellent product, I recommend it!",
    "Late delivery, damaged product.",
    "Decent for the price, nothing exceptional."
]

response = client.chat.complete(
    model="mistral-small-latest",
    messages=[
        {
            "role": "system",
            "content": "Analyze the sentiment of each review. Return a JSON with a key 'reviews' containing a list of objects {text, sentiment, score}. The score ranges from -1.0 (very negative) to 1.0 (very positive)."
        },
        {"role": "user", "content": "\n---\n".join(texts)}
    ],
    response_format={"type": "json_object"},
    temperature=0
)

reviews = json.loads(response.choices[0].message.content)["reviews"]
for r in reviews:
    print(f"[{r['score']:+.1f}] {r['sentiment']} — {r['text'][:40]}...")

Üks detail, mis on ühine kõigile neile näidetele ja väärib rõhutamist: temperature=0 on siin süstemaatiline. Eraldamise ja klassifitseerimise ülesannetes ei lisa loovus midagi, kuid maksab kordustäpsusega.

Peamised punktid

  • JSON Mode sobib suurepäraselt andmete eraldamiseks, klassifitseerimiseks ja teisendamiseks
  • Kasuta süsteemset vihjet oodatava struktuuri ja tüüpide defineerimiseks
  • temperature=0 tagab korratavad tulemused
  • Mitme elemendi töötlemine ühes päringus on võimalik, küsides JSON-loendit
  • Parsi vastus alati json.loads() / JSON.parse() abil enne andmete kasutamist