Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Kombiniranje modaliteta: višemodalni radni tijekovi

Lekcija 13 od 14 Ažurirano 2. studenoga 2026. Početnik
Na ovoj stranici
  1. Snaga kombinirane višemodalnosti
  2. Slika + tekst: iznad opisa
  3. Audio + dokument: pametni sažetak
  4. Četiri profesionalna radna tijeka za repliciranje
  5. Glatko pokretanje stroja
  6. Ključne točke

Ažuriranje 2. studenoga 2026. — Le Chat postaje Vibe. Od 28. svibnja 2026., Le Chat je rebrendiran u Vibe (i dalje na chat.mistral.ai): jedinstveni agent za posao i kodiranje koji prenosi tvoje razgovore, postavke i pretplate. Legacy iskustvo Le Chata ostaje dostupno u načinu Chat; u načinu Work, agenti su postali vještine (pozivaju se s @), memorije služe kao baza znanja, a dubinsko istraživanje sada je vještina Deep Research. Planovi se sada nazivaju Mistral Free, Pro, Team i Enterprise. Ova lekcija koristi naziv Vibe; imaj na umu da su se neki izbornici ovdje opisani možda promijenili u nazivu ili lokaciji.

Snaga kombinirane višemodalnosti

Tijekom ovog tečaja istražio/la si tri ključne mogućnosti Mistral AI-ja: viziju za analizu slika, audio za transkripciju i sintezu govora te obradu dokumenata s inteligentnim OCR-om. Svaka od njih pojedinačno impresionira. No njihovo kombiniranje u jedinstvenom radnom tijeku otključava njihov puni potencijal: izvori se isprepliću i nadopunjuju, proizvodeći rezultate koji nadilaze ono što bi bilo koji pojedinačni modalitet mogao postići sam. Ova lekcija pokazuje ti kako orkestrirati te kombinacije.

Slika + tekst: iznad opisa

Najčešći slučaj upotrebe uključuje obogaćivanje slike preciznim tekstualnim uputama. Razlika između slabe i bogate naredbe je dramatična. Uzmi snimku zaslona PowerPoint slajda: „Opiši ovu sliku“ daje bljutav parafraz. Ali „Ovo je slajd iz naše prezentacije za investitore. Preformuliraj glavnu poruku za širu publiku“ ili „Ovaj slajd prikazuje naše kvartalne rezultate. Identificiraj top 3 brojke i predloži upečatljiv naslov“ iskorištava i vizualno razumijevanje modela i njegovu sposobnost pisanja – čineći izlaz odmah upotrebljivim.

Isto načelo vrijedi za fotografije s terena. „Ovo je fotografija našeg štanda na sajmu. Predloži poboljšanja kako bi privukli više posjetitelja“ pretvara model u konzultanta; „Ova fotografija prikazuje naš trenutni raspured ureda. Predloži reorganizaciju za bolju suradnju“ čini ga planerom prostora. U oba slučaja, tekstualni kontekst usmjerava fokus modela.

Možeš kombinirati i više slika s komparativnom uputom: tri dizajnerska maketa uz „Rangiraj ove makete prema vizualnoj jasnoći i obrazloži svoj rang“ ili fotografiju prije i poslije obnove uz „Procijeni postotak napretka i identificiraj preostale zadatke.“

Audio + dokument: pametni sažetak

Posebno moćan radni tijek križa audio transkripciju s analizom dokumenata. Klasičan scenarij je sastanak: prvo učitaj dnevni red (PDF) u Vibe, zatim snimku sastanka, i na kraju pitaj: „Ovo su dnevni red i snimka našeg sastanka. Za svaku točku dnevnog reda sažmi što je odlučeno i navedi zadatke za djelovanje.“ Model unakrsno referencira oba izvora kako bi proizveo strukturirani sažetak točku po točku – dok bi sama transkripcija dala dugačak doslovni prijepis za uređivanje, a sam dnevni red bio prazna ljuska.

Varijanta za studente funkcionira jednako dobro: učitaj PDF slajdove s predavanja, zatim audio snimku profesora, i pitaj „Izradi opsežne bilješke za ponavljanje kombiniranjem slajdova s usmenim objašnjenjima profesora.“ Slajdovi pružaju strukturu i točne definicije; audio dodaje objašnjenja, primjere i naglaske. Konačne bilješke daleko su bogatije od onoga što bi bilo koji izvor mogao pružiti zasebno.

Četiri profesionalna radna tijeka za repliciranje

Za konkurentsku obavještajnu djelatnost, napravi snimke zaslona početnih stranica triju konkurenata, učitaj ih u Vibe i pitaj: „Usporedi ove 3 početne stranice. Identificiraj snage i slabosti svake u smislu poruke, dizajna i poziva na akciju.“

Za uključivanje klijenata, učitaj potpisani ugovor (PDF) nakon čega slijedi klijentov brief (dokument ili slika), i pitaj: „Sažmi ugovorne obveze i unakrsno ih poveži s očekivanjima iz briefa. Postoje li nedosljednosti?“ Rano otkrivanje ovih neusklađenosti sprječava da usred projekta otkriješ kako prodajno obećanje nije u ugovoru.

Za analizu događaja, kombiniraj tri izvora: fotografije s događaja, audio snimke govora i program (PDF), zatim pitaj: „Izradi izvještaj nakon događaja ističući ključne trenutke, memorabilne citate i evaluaciju koliko je dobro program pokriven.“

Za internu obuku, obrni tok: snimi svoje usmeno objašnjenje procesa, pusti Vibe da ga transkribira, pitaj „Pretvori ovu transkripciju u strukturirani vodič za postupak s numeriranim koracima“, zatim dodaj snimke zaslona s „Integriraj opise ovih snimki zaslona kao ilustracije za svaki korak.“ U četiri poruke, improvizirano objašnjenje postaje formalna dokumentacija.

Glatko pokretanje stroja

Nekoliko navika čini ove radne tijekove mnogo glađima. Kontekstualiziraj svaku datoteku koju učitavaš – „Ovo je dnevni red“, „Ovo je odgovarajuća snimka“ – kako bi model ispravno povezao izvore. Za složene radne tijekove, idi korak po korak: umjesto slanja svega u jednoj poruci, gradi razgovor poruku po poruku, validirajući svaki korak prije prelaska na sljedeći. Imenuj svoje datoteke eksplicitno prije učitavanja: „izvjestaj-q3-2026.pdf“ informira model; „dokument.pdf“ ne. I zapamti da je glasovni način sam po sebi ulazni modalitet: za duge upute, diktiraj ih umjesto tipkanja odlomka.

Ključne točke

  • Kombiniranje slike + teksta + audija + dokumenta u jedinstvenom radnom tijeku umnožava mogućnosti
  • Najmoćniji radni tijekovi unakrsno referenciraju više izvora: audio sastanka + dnevni red, fotografije + klijentov brief
  • Kontekstualiziraj svaku učitani datoteku kako bi pomogao/la modelu da uspostavi ispravne veze
  • U složenim radnim tijekovima idi korak po korak umjesto slanja svega odjednom
  • Glasovni način može poslužiti kao ulazni alat za detaljne upute