Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Prompting a reasoning model

Lekcija 6 od 12 Ažurirano 2. studenoga 2026. Programer
Na ovoj stranici
  1. Što se promijenilo od Magistrala
  2. Odvajanje rezoniranja od odgovora
  3. Prilagodba po domenama
  4. Tri česte pogreške
  5. Ključne točke

Lekcija je ponovno napisana 2. studenoga 2026. Ova je lekcija prethodno obrađivala Magistral sistemski prompt, koji je povučen 31. srpnja 2026. Trenutna dokumentacija o rezoniranju (Reasoning) više ne zahtijeva namjenski sistemski prompt: reasoning_effort je dovoljan. Sljedeći odjeljci razlikuju što je Magistral dokumentacija navodila, što se promijenilo i koja pravila promptanja ostaju korisna.

Što se promijenilo od Magistrala

Magistral je najbolje radio s zadanim sistemskim promptom, koji je dokumentacija reproducirala (sada arhivirano na stranici Native reasoning (deprecated)). U biti, upućivao je model da prvo sastavi svoje rezoniranje, poput unutarnjeg monologa, nakon čega slijedi samostalan odgovor; da piše u Markdownu, koristeći LaTeX za jednadžbe; i da odgovori na jeziku upita. Čak je uključivao i predložak za rezoniranje, u obliku fragmenta thinking smještenog u sistemsku poruku. Parametar prompt_mode omogućivao je prisiljavanje ovog zadanog prompta ("reasoning") ili njegovo onemogućavanje (None).

Kod trenutnih modela ništa od ovoga nije potrebno: stranica o rezoniranju ne spominje ni namjenski sistemski prompt ni prompt_mode. Rezoniranje omogućuješ s reasoning_effort, a tvoj sistemski prompt vraća se u svoju standardnu ulogu, posvećenu roli, metodi i očekivanom formatu. Ako migriraš s Magistrala, ukloni predložak za rezoniranje iz svojih sistemskih poruka i prompt_mode iz svojih poziva, zatim usporedi rezultate (Lekcija 8).

Odvajanje rezoniranja od odgovora

Model sada ima dva različita prostora: rezoniranje, koje korisnik često ne vidi, i konačni odgovor. Dobar prompt to uzima u obzir. On opisuje očekivanu metodu, što bi stručnjak iz domene provjerio, i postavlja format odgovora: odgovor mora biti razumljiv bez rezoniranja, budući da će rezoniranje općenito biti skriveno.

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",
)

Kod ove funkcije fibonacci kojoj nedostaje bazni slučaj, zahtjev za dvije hipoteze isključuje refleksnu dijagnozu „povećaj limit rekurzije“ i vodi do stvarnog uzroka.

Prilagodba po domenama

Isti kostur, metoda pa format odgovora, prilagođava se specifičnoj domeni. U matematici se metoda fokusira na hipoteze i vrstu dokaza:

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."""

U strateškoj analizi fokus je na dionicima i kvantifikaciji, a očekivani odgovor postaje preporuka popraćena planom:

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."""

Tri česte pogreške

Prompt je previše nejasan. „Ti si korisni asistent“ ne govori ništa o metodi: model rezonira prema svojim navikama, a ne tvojima. Opiši što bi stručnjak provjerio.

Prompt je kontradiktoran. „Budi vrlo sažet. Detaljno opiši svaki korak.“ stavlja model pred nemoguću zapovijed. Riješi kontradikciju raspodjelom uloga: detalji pripadaju rezoniranju, sažetost konačnom odgovoru.

good_prompt = """Be concise in your final response: conclusions and essential figures only.
Explore details in your reasoning, not in the response."""

**Zahtijevanje procesa u odgovoru. Zahtijevanje da se „rezonira korak po korak“ u vidljivom odgovoru navodi model da ponovno napiše ono što je već učinio u svom rezoniranju: odgovor se produžuje, a ti plaćaš dvaput za iste korake u izlaznim tokenima. Zatraži korake u odgovoru samo ako ih korisnik treba pročitati, na primjer u edukativnom tutoru.

Ključne točke

  • Zadani sistemski prompt i prompt_mode bili su specifični za Magistral: više nisu potrebni
  • Omogući rezoniranje s reasoning_effort, a sistemski prompt zadrži u njegovoj klasičnoj ulozi
  • Opiši očekivanu metodu i format odgovora čitljivog bez rezoniranja
  • Raspodijeli uloge: detalji u rezoniranju, sažetost u odgovoru
  • Ne tjeraš model da ponovno piše proces u odgovoru ako ga nitko ne treba čitati