Preskoči na glavni sadržaj
Hrvatski— Odaberite jezik
Izbornik

Primjeri praktične uporabe JSON načina

Lekcija 5 od 12 Ažurirano 3. studenoga 2026. Programer
Na ovoj stranici
  1. Uvođenje JSON načina u praksu
  2. Izdvajanje entiteta iz nestrukturiranog teksta
  3. Klasificiranje tiketa za podršku
  4. Pretvaranje opisa u tehnički list proizvoda
  5. Obrada više stavki u jednom pozivu
  6. Ključne točke

Ažurirano 3. studenog 2026.: TypeScript primjer prethodno je uvozio Mistral kao zadani izvoz (default export), no SDK nudi samo imenovani izvoz (import { Mistral } from "@mistralai/mistralai"). Također je hardkodirao API ključ i forsirao tip polja content pomoću !, što je nedovoljno jer to polje može biti i popis isječaka. Provjereno kompajliranjem sa SDK-om 3.5.0 i TypeScriptom 7.0.2. Izvor: Mistral TypeScript SDK.

Uvođenje JSON načina u praksu

Znaš kako aktivirati JSON način; sada pogledajmo konkretne primjere. Tri se scenarija neprestano pojavljuju u stvarnim projektima, a svaki ilustrira drugačiji način iskorištavanja ovog načina. Kod je napisan u Pythonu, s ekvivalentima u TypeScriptu tamo gdje prijevod nije trenutno očigledan.

Izdvajanje entiteta iz nestrukturiranog teksta

Izdvajanje entiteta najčešći je i najisplativiji slučaj uporabe: prodajni e-mail sadrži pune kontakt podatke, ali su oni zakopani u potpisu i ljubaznostima. Ključna uputa u sljedećem primjeru nalazi se u posljednjem retku sistemskog prompta – zahtijevanje vrijednosti null za nedostajuće informacije sprječava model da izmisli telefonski broj samo kako bi popunio polje.

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']}")

Očekivani ishod:

{
  "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"
}

Klasificiranje tiketa za podršku

Klasifikacija zahtijeva drugačiji pristup: umjesto da modelu dopustiš da sam odabere vrijednosti, u promptu nabrajaš dopuštene vrijednosti za svako polje. To rezultate čini usporedivima od tiketa do tiketa i izravno upotrebljivima za usmjeravanje. Obrati pažnju na prelazak na mistral-small-latest – trijaža tiketa ne opravdava korištenje najmoćnijeg modela.

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']}")

Evo istog klasifikatora u TypeScriptu. Provjera prije JSON.parse podsjeća nas da SDK tipizira content kao opcionalno i kao string | ContentChunk[]: samo se niz znakova (string) može parsirati.

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}`);

Pretvaranje opisa u tehnički list proizvoda

Treći scenarij: transformacija marketinškog teksta u zapis spreman za bazu podataka. Ova vježba je zahtjevnija jer su tipovi podataka bitni – cijena mora stići kao broj, trajanje isporuke kao dva cijela broja, a besplatna dostava kao boolean. Otuda i precizne anotacije u promptu.

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))

Rezultat:

{
  "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
}

Primijeti da se brand, Apple, nigdje ne pojavljuje u izvornom tekstu: model ga je zaključio iz naziva proizvoda. To je prednost za obogaćivanje podataka, ali i rizik koji trebaš pratiti ako zahtijevaš strogo doslovno izdvajanje.

Obrada više stavki u jednom pozivu

Ništa te ne prisiljava da napraviš jedan poziv po stavci. Ako od modela zatražiš popis pod jednim ključem, smanjuješ broj zahtjeva – a time i kumulativnu latenciju – za kratke zadatke poput analize recenzija. Ovdje tražena ocjena kreće se od -1,0 do 1,0, što je korisna konvencija za kasnije agregiranje rezultata.

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]}...")

Jedan detalj zajednički svim ovim primjerima zaslužuje naglasak: temperature=0 ovdje je sustavan. Za zadatke izdvajanja i klasifikacije kreativnost ništa ne dodaje, a košta reproduktivnosti.

Ključne točke

  • JSON način izvrsno služi za izdvajanje podataka, klasifikaciju i konverziju
  • Upotrijebi sistemski prompt za definiranje očekivane strukture i tipova
  • temperature=0 osigurava reproduktivne rezultate
  • Grupna obrada u jednom zahtjevu moguća je traženjem JSON popisa
  • Uvijek parsiraj odgovor s json.loads() / JSON.parse() prije pristupa podacima