Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Esimerkkejä JSON-tilan käytännön sovelluksista

Oppitunti 5 / 12 Päivitetty 3. marraskuuta 2026 Kehittäjä
Tällä sivulla
  1. JSON-tilan käytäntöön vienti
  2. Entiteettien poimiminen jäsentelemättömästä tekstistä
  3. Tukipyyntöjen luokittelu
  4. Kuvauksen muuntaminen tuotekortiksi
  5. Useiden kohteiden käsittely yhdessä pyynnössä
  6. Keskeiset asiat

Päivitetty 3. marraskuuta 2026: Aiemmassa TypeScript-esimerkissä Mistral tuotiin oletusvientinä, mutta SDK tarjoaa vain nimetyn viennin (import { Mistral } from "@mistralai/mistralai"). Lisäksi API-avain oli kovakoodattu ja content-kentän tyyppi pakotettiin merkillä !, mikä ei riitä, koska kenttä voi olla myös palasten lista. Varmistettu kääntämällä SDK:n versiolla 3.5.0 ja TypeScriptin versiolla 7.0.2. Lähde: Mistral TypeScript SDK.

JSON-tilan käytäntöön vienti

Tiedät jo, miten JSON-tila otetaan käyttöön; tarkastellaan seuraavaksi konkreettisia esimerkkejä. Kolme skenaariota toistuvat jatkuvasti todellisissa projekteissa, ja kukin havainnollistaa eri tapaa hyödyntää tätä tilaa. Koodi on esitetty Pythonilla, ja TypeScript-vastineet on lisätty silloin, kun käännös ei ole itsestään selvä.

Entiteettien poimiminen jäsentelemättömästä tekstistä

Entiteettien poiminta on yleisin ja kustannustehokkain käyttötapa: myyntisähköposti sisältää kaikki yhteystiedot, mutta ne hautautuvat allekirjoituksen ja kohteliaisuuksien sekaan. Seuraavan esimerkin avainohje on järjestelmäkehotteen viimeinen rivi – vaatimus käyttää arvoa null puuttuville tiedoille estää mallia keksimästä puhelinnumeroa vain täyttääkseen kentän.

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']}")

Odotettu tuloste:

{
  "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"
}

Tukipyyntöjen luokittelu

Luokittelu vaatii hieman erilaisen lähestymistavan: sen sijaan, että antaisit mallin valita omat arvonsa, luettele sallitut arvot kullekin kentälle kehotteessa. Tämä tekee tuloksista vertailukelpoisia pyynnöstä toiseen ja suoraan käytettäviä reititykseen. Huomaa vaihto malliin mistral-small-latest – tukipyyntöjen lajittelu ei perustele tehokkaimman mallin käyttöä.

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']}")

Tässä on sama luokittelija TypeScriptillä. Tarkistus ennen JSON.parse-funktiota muistuttaa, että SDK määrittelee content-kentän valinnaiseksi ja tyypiltään string | ContentChunk[]: vain merkkijono voidaan jäsentää.

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}`);

Kuvauksen muuntaminen tuotekortiksi

Kolmas skenaario: markkinointitekstin muuntaminen tietokantaa varten valmiiksi tietueeksi. Tämä harjoitus on haastavampi, koska tietotyypeillä on väliä – hinnan on saavuttava numerona, toimitusajan kahdena kokonaislukuna ja ilmaisen toimituksen totuusarvona. Siksi kehotteessa käytetään tarkkoja merkintöjä.

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))

Tulos:

{
  "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
}

Huomaa, että tuotemerkki Apple ei esiinny lähdetekstissä missään: malli pääteli sen tuotenimen perusteella. Tämä on vahvuus tiedon rikastamisessa, mutta riski, jota on seurattava, jos vaadit ehdottoman kirjaimellista poimintaa.

Useiden kohteiden käsittely yhdessä pyynnössä

Mikään ei pakota tekemään yhtä pyyntöä kohdetta kohden. Pyytämällä mallia tuottamaan lista yhden avaimen alla, vähennät pyyntöjen määrää – ja siten kumulatiivista viivettä – lyhyissä tehtävissä kuten arvosteluanalyysissä. Tässä pyydetty pisteytys vaihtelee välillä -1,0–1,0, mikä on hyödyllinen käytäntö tulosten myöhempää aggregointia varten.

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]}...")

Yksi yksityiskohta, joka on yhteinen kaikille näille esimerkeille, ansaitsee korostamisen: temperature=0 on tässä systemaattinen. Poiminta- ja luokittelutehtävissä luovuus ei lisää mitään, mutta heikentää toistettavuutta.

Keskeiset asiat

  • JSON-tila loistaa tiedon poiminnassa, luokittelussa ja muunnoksissa
  • Käytä järjestelmäkehotetta määrittelemään odotettu rakenne ja tietotyypit
  • temperature=0 varmistaa toistettavat tulokset
  • Eräajon suorittaminen yhdessä pyynnössä on mahdollista pyytämällä JSON-listaa
  • Jäsennä vastaus aina json.loads()- tai JSON.parse()-funktiolla ennen tietoihin pääsyä