Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Mi az a prompt?

1. lecke 16 közül Frissítve 2026. november 3. Kezdő
Ezen az oldalon
  1. A prompt: a mesterséges intelligenciával való kapcsolattartásod felülete
  2. Hogyan dolgozza fel a modell a promptodat?
  3. A prompt hatása a válasz minőségére
  4. Egy hatékony prompt alkotóelemei
  5. A Mistral Chat Completions API-ja
  6. Főbb megállapítások

Frissítve: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chat neve Vibe lett (a cím továbbra is: chat.mistral.ai): ez egyetlen ügynök munkához és kódoláshoz, ahol a beszélgetéseid, beállításaid és előfizetéseid megmaradnak. A régi Le Chat élmény továbbra is elérhető a Chat módban; a Work módban az ügynökök készségekké (skills) váltak (az @ jellel hívhatók meg), az emlékek a tudásbázist képezik, a mélyreható kutatás pedig a Deep Research készség. Az előfizetési csomagok neve mostantól: Mistral Free, Pro, Team és Enterprise. Ez a lecke már a Vibe nevet használja; egyes itt leírt menük neve vagy elhelyezkedése megváltozhatott.

Frissítve: 2026. november 2. — modellek. A Mistral Large 3 (mistral-large-2512) és a Mistral Medium 3.5 modelleket 2026. október 31 óta deprecated státuszba helyezték, és 2027. április 30-án teljesen eltávolítják őket; kijelölt utódjuk, a Mistral Large 4 (mistral-large-4) már október 6 óta nyilvános előzetes verzióban (public preview) elérhető. A tanfolyam példái az mistral-large-latest álnevet használják, amely a hivatalos dokumentáció szerint (2026. november 3-i ellenőrzés) továbbra is a Mistral Large 3-ra mutat, ahogyan a mistral-medium-latest is a Mistral Medium 3.5-re: ezek az álnevek 2027. április 30-ig érvényesek maradnak. Új projektek esetén teszteld a kijelölt utódot, a mistral-large-4 modellt.

A prompt: a mesterséges intelligenciával való kapcsolattartásod felülete

Amikor egy Mistral nyelvi modellel lépsz kapcsolatba, minden elküldött üzeneted egy promptnak minősül. Ez a kifejezés azt az utasítást vagy kérést jelöli, amelyet a modellnek küldesz, hogy választ kapj. Annak megértése, hogy mi is pontosan a prompt és hogyan működik, az első lépés ahhoz, hogy a legtöbbet hozd ki a Mistral modellekből, függetlenül attól, hogy a Vibet vagy az API-t használod.

Egy prompt lehet olyan egyszerű, mint egy közvetlen kérdés – „Mi Franciaország fővárosa?“ –, de lehet olyan összetett is, mint egy több bekezdésből álló dokumentum, amely kontextust, példákat, formátumi megkötéseket és részletes utasításokat tartalmaz. E két véglet között teljes spektrum húzódik, és te döntöd el, hol helyezed el a csúszkát a tét nagysága alapján. A kapott válasz minősége közvetlenül függ a megfogalmazott prompt minőségétől: ez ennek a teljes tanfolyamnak a központi tézise, amit leckéről leckére验证ni fogsz.

Hogyan dolgozza fel a modell a promptodat?

Ahhoz, hogy jól írj promptot, először meg kell értened, mi történik a modell oldalán. A Mistral modellek szövegkiegészítéssel (text completion) működnek: a modell megkapja a promptodat, és tokenről tokenre generálja a legvalószínűbb folytatást. Egy token általában egy szónak vagy szótagnak felel meg – a „hello“ lehet egyetlen token, míg egy ritka szó több darabra törik szét.

Konkrétan a ciklus mindig ugyanaz: elküldöd a promptodat a Mistral Chat Completions API-ján keresztül, a modell elemzi az összes rendelkezésre álló kontextust, majd tokenről tokenre generálja a választ, minden lépésnél a legmegfelelőbb tokent választva az addigiak alapján. A teljes választ ezután egy blokkban kapod vissza, vagy streamelve, ahogy a modell generálja azt.

Ez a mechanizmus magyarázza, miért olyan fontos a promptod megfogalmazása. A modell nem „érti“ a rejtett szándékodat: csupán kiterjeszti a neki adott szöveget. Ha ez a szöveg homályos, a legvalószínűbb folytatás is ugyanolyan homályos szöveg lesz. Ha a szöveg pontos kereteket szab, a legvalószínűbb folytatás respectálni fogja ezeket a kereteket. A promptod szó szerint meghatározza a generálás irányát.

A prompt hatása a válasz minőségére

A jó és a rossz prompt közötti különbség látványos lehet, és semmi sem győz meg jobban erről, mint egy közvetlen összehasonlítás. Képzeld el, hogy ezt kérdezed a modelltől:

Tell me about marketing.

Egy általános esszét kapsz arról, mi is a marketing – ez pontos, de a mindennapi munkád szempontjából haszontalan. Hasonlítsd ezt most ehhez a megfogalmazáshoz:

You are a digital marketing consultant specializing in French SMEs.
List 5 content marketing strategies adapted to a budget of less than
€500 per month. For each strategy, indicate:
- The main channel
- The weekly time required
- The expected ROI at 6 months

Itt a modell tudja, kinek kell lennie, kihez szól, milyen költségvetési korlátok között dolgozik, és milyen formátumban kell deliverálnia az eredményt. Egy konkrét, strukturált tervet generál, amely közvetlenül felhasználható egy megbeszélésen. Jegyezd meg: a két eredmény közötti különbség nem a modellben rejlik (ami mindkét esetben ugyanaz), hanem kizárólag az utasítás pontosságában.

Egy hatékony prompt alkotóelemei

Ha elemezzük a fenti második promptot, megtalálod azokat az építőköveket, amelyeket e tanfolyam során használni fogsz. A kontextus biztosítja a feladat megértéséhez szükséges háttérinformációkat – példánkban azt, hogy francia KKV-król és kis költségvetésről van szó. Az utasítás pontosan meghatározza, mit vársz a modelltől: sorolj fel öt stratégiát, ne pedig homályos tanácsokat vagy előadást tartson. A formátum leírja a kívánt válaszstruktúrát – lista, táblázat, JSON vagy bekezdés –, és ez teszi az eredményt szerkesztés nélkül is használhatóvá. A korlátozások (constraints) határozzák meg a betartandó kereteket, mint például a hossz, a hangnem vagy a szókincs. Végül a példák demonstrálják a modell számára a várt eredményt; ez egy olyan hatékony technika, hogy később egy egész leckét szentelünk neki.

Nem kell minden alkalommal mind ezeket az elemeket tartalmaznia a promptodnak. Egy egyszerű kérdéshez csak egy világos utasítás szükséges, és egy triviális prompt túlterhelése kontraproduktív lenne. Amint azonban a feladat összetettebbé válik – például specifikus közönségnek írás, adatelemzés vagy formázott deliverable előállítása –, ezen komponensek kombinálása jelentősen javítja az eredményt.

A Mistral Chat Completions API-ja

A Mistral esetében a promptok a Chat Completions API-n keresztül futnak. Ez az API egy strukturált üzenetformátumot használ, ahol minden üzenetnek van egy szerepe (system, user, assistant) és tartalma (content). Ezekkel a szerepekkel a következő leckében mélyebben is foglalkozunk; egyelőre csak nézd meg, hogyan néz ki egy minimális hívás a Mistral Python SDK-val:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "What are the 3 principles of effective prompting?"}
    ]
)

print(response.choices[0].message.content)

Ez a kód elküld egy egyszerű promptot, és kiírja a modell válaszát. Ennyi az egész – és mégis, minden itt van: egy üzenet, egy szerep, tartalom. A következő leckékben megtanulod, hogyan aknázd ki teljes mértékben ennek az API-nak a gazdagságát, hogy e három sorból valódi alkalmazásokat hozz létre.

Főbb megállapítások

  • A prompt az az utasítás, amelyet a Mistral modellnek küldesz, hogy választ kapj
  • A prompt minősége közvetlenül meghatározza a válasz minőségét
  • Egy hatékony prompt egyesíti a kontextust, az utasítást, a formátumot és a korlátozásokat
  • A Mistral modellek a Chat Completions API-n keresztül dolgozzák fel a promptokat
  • A promptok megfogalmazására fordított idő a leghatékonyabb eszköz az eredményeid javítására