Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Konteksti ja rajoitteet

Oppitunti 4 / 16 Päivitetty 28. heinäkuuta 2026 Aloittelija
Tällä sivulla
  1. Konteksti: Anna mallille tieto, jota sillä ei ole
  2. Kolme annettavaa kontekstityyppiä
  3. Määrittele odotettu muoto
  4. Rajoita pituutta
  5. Rajoita sävyä ja rekisteriä
  6. Rajoita laajuutta
  7. Yhdistä konteksti ja rajoitteet
  8. Keskeiset asiat

Konteksti: Anna mallille tieto, jota sillä ei ole

Mistral-malleilla on laaja yleinen tietämys, mutta ne eivät tiedä mitään erityistilanteestasi: yrityksestäsi, projektistasi, kohdeyleisöstäsi tai liiketoimintarajoitteistasi. Kehotteeseen sisällyttämäsi konteksti kuromittaa tämän kuilun. Tämä on se tekijä, joka erottaa yleiskäyttöisen työkalun erikoistuneesta avustajasta. Ilman kontekstia malli tuottaa yleispäteviä vastauksia – keskimäärin oikeita, mutta käytännössä kelvottomia. Oikealla kontekstilla se tuottaa räätälöityjä vastauksia.

Kolme annettavaa kontekstityyppiä

Ensimmäinen on tilannekonteksti: pyyntöäsi ympäröivä tilanne. Markkinointijohtaja, joka kirjoittaa pelkästään “ehdota markkinointisuunnitelma”, saa oppikirjamaisen suunnitelman. Jos hän määrittelee tilanteensa, kaikki muuttuu:

Context: I am the marketing director of an SME with 50 employees
specializing in B2B office furniture sales.
We are launching a new eco-friendly line in September 2026.
Our annual marketing budget is €80,000.

Jokainen lause tässä kontekstissa karsii kymmeniä aiheen vierestä olevia vastauksia: ei B2C-strategioita, ei miljoonaluokan budjetteja, ei lanseeraukseen liittymättömiä suosituksia.

Toinen on asiakirjakonteksti: data, joka mallin tulee analysoida tai jota sen tulee käyttää. Malli ei tunne sisäisiä lukujasi – sinun on annettava ne sille, ihanteellisesti tunnisteilla rajattuna erottaaksesi ne ohjeistuksesta:

Here are the quarterly results to analyze:

<data>
Q1 2026: Revenue €1.2M, margin 23%, 145 new clients
Q2 2026: Revenue €1.5M, margin 21%, 178 new clients
Q3 2026: Revenue €1.1M, margin 19%, 112 new clients
</data>

Identify trends and propose 3 corrective actions for Q4.

Kolmas on kohdeyleisökonteksti: kenelle tuotettu sisältö on tarkoitettu. Et selitä samaa aihetta samalla tavalla aloittelijalle ja asiantuntijalle. Määrittele esimerkiksi: “Teksti on suunnattu kokeneille Python-kehittäjille (yli 5 vuoden kokemus), jotka tutustuvat kielimallien API-rajapintoihin ensimmäistä kertaa. Pythonin perusteita ei tarvitse selittää, mutta käsittele LLM-käsitteet yksityiskohtaisesti.” Malli skaalaa tällöin yksityiskohtaisuustason täsmälleen sinne, missä lukijasi sitä tarvitsee.

Määrittele odotettu muoto

Tulosteen muotoilu on yksi tehokkaimmista rajoitteista. Ilman ohjausta malli valitsee oletusmuodon – usein proosan – joka sinun on muokattava jälkikäteen. Määrittelemällä muodon saat täsmälleen sen, mitä tarvitset, valmiina käytettäväksi.

Jos haluat listan, sano se: “Listaa edut luettelomerkein (enintään 5).” Jos haluat taulukon: “Esitä tulokset Markdown-taulukkona, sarakkeet Ominaisuus | Saatavuus | Prioriteetti.” Ohjelmistointegraatiota varten jäsennelty JSON on kuningas, ja se kannattaa määritellä kenttä kerrallaan:

Return the response in the following JSON format:
{
  "summary": "string (max 100 words)",
  "keywords": ["string"],
  "sentiment": "positive | neutral | negative",
  "confidence_score": "number (0-1)"
}

Sama periaate pätee koodiin: “Kirjoita funktio Python 3.11+:lla. Lisää Google-tyyliset docstringit ja tyyppivihjeet. Sisällytä loppuun 2 käyttöesimerkkiä kommentteina.” Mitä tarkemmin kuvailet muodon, sitä vähemmän jälkityötä sinulla on.

Rajoita pituutta

Mistral-mallit pyrkivät olemaan tyhjentäviä, ellet aseta rajoja. Voit rajoittaa pituutta sanamäärällä (“Vastaa enintään 150 sanalla”), rakenteella (“Vastaa täsmälleen 3 kappaleessa, joissa kussakin on 2–3 lausetta”) tai elementtien määrällä (“Anna täsmälleen 5 suositusta, kukin yhtenä lauseena”).

Yksi varoitus kuitenkin: kielimallit laskevat sanoja ja merkkejä huonosti. Pyyntö “täsmälleen 150 sanaa” tuottaa noin 150 sanan tekstin, mutta harvoin osuu täysin nappiin. Jos pituus on todella tärkeä, suosii rakenteellisia rajoitteita – kappaleiden, kohtien tai osioiden määrää – joita malli noudattaa paljon uskollisemmin kuin tarkkoja lukuja.

Rajoita sävyä ja rekisteriä

Vastauksen sävy vaikuttaa suoraan sen hyödyllisyyteen: väärän sävyinen teksti on tekstiä, joka on kirjoitettava uudelleen. Ole eksplisiittinen, vaikka se tarkoittaisikin useiden määritteiden yhdistämistä: “Sävy: ammattimainen mutta helposti lähestyttävä. Vältä teknistä jargonia, ellei se ole väistämätöntä (jolloin määrittele se). Käytä muodollista kieltä. Ei emoji-merkkejä eikä puhekieltä.”

Vinkki: tehokkaimmat sävyohjeet vertaavat tehtävää tunnettuun ammatilliseen tilanteeseen. “Vastaa kuin vanhempi konsultti, joka esittää johtoryhmälle”, “Ota opettavainen sävy, kuten professori, joka selittää maisteriopiskelijoille” tai “Ole suora ja ytimekäs kuin sisäinen tarkastusraportti”: jokainen näistä lauseista tiivistää koko joukon sanavalintoja, pituutta ja asentoa yhdeksi kuvaksi, jonka malli osaa tulkita.

Rajoita laajuutta

Laajuuden rajaaminen tarkoittaa sitä, että kerrot mallille, missä sen tulee pysähtyä. Tässä esimerkki rajoitteista:

Scope constraints:
- Focus ONLY on the French market
- Do NOT mention US or UK regulations
- Ignore tax aspects (another expert handles this)
- If information is missing, state it explicitly
  rather than inventing it

Kiinnitä erityistä huomiota viimeiseen rajoitteeseen: se on paras puolustuksesi hallusinaatioita vastaan. Malli, jota pyydetään antamaan täydellinen vastaus, pyrkii täyttämään aukot uskottavalla tiedolla; antamalla sille nimenomaisen luvan myöntää rajansa, muutat hiljaisen keksimisen näkyväksi lipuksi, jonka voit sitten käsitellä.

Yhdistä konteksti ja rajoitteet

Käytännössä ammattimainen kehote yhdistää luontevasti kaikki edellä mainitut: kontekstin ja pysyvät säännöt järjestelmäkehotteeseen (system prompt) sekä datan ja odotetun muodon käyttäjäviestiin. Tässä on täydellinen esimerkki HR-analyysistä:

messages = [
    {
        "role": "system",
        "content": """You are a senior HR analyst at a tech company.
Rules:
- Formal English, professional tone
- Base your analysis solely on the provided data
- If data is missing, flag it with [MISSING_DATA]
- Format: sections with headings, bullet points, no prose"""
    },
    {
        "role": "user",
        "content": """Analyze the absenteeism data below and propose an action plan.

Q1 2026 Data:
- Overall absenteeism rate: 7.2% (+1.8 points vs Q1 2025)
- Most affected department: Customer Support (12.1%)
- Main reason: short-term sick leave (< 5 days)
- Average tenure of absent employees: 2.3 years

Expected format:
1. Diagnosis (3 points max)
2. Probable causes (3 hypotheses)
3. Action plan (5 concrete measures with timeline)"""
    }
]

Huomaa, kuinka jokainen tässä oppitunnissa käsitelty elementti löytää paikkansa: rooli ja rekisteri järjestelmäosiossa, rajattu data käyttäjäviestissä, numeroitu muoto viestin lopussa ja keksimisen estävä suojamekanismi ([MISSING_DATA]) asetettuna kerran ja kaikkia.

Keskeiset asiat

  • Konteksti muuttaa yleisen vastauksen personoiduksi
  • Anna tarvittaessa tilanne-, asiakirja- ja kohdeyleisökonteksti
  • Määrittele aina odotettu tulostemuoto (JSON, lista, taulukko jne.)
  • Rajoita pituutta rakenteen eikä sanamäärän perusteella
  • Rajaa laajuus ja anna mallille lupa ilmoittaa puuttuvasta tiedosta