Műhely: Szövegelemzés
Ezen az oldalon
A műhely célja
Az írás után váltsunk sebességet: ez a műhely arra készít fel, hogy elemzési feladatokra használd a Mistralt – szövegek hangulatának elemzésére, kulcsinformációk kinyerésére és tartalom osztályozására. Ezek a készségek alapvetőek az üzleti szöveges adatfeldolgozás automatizálásához. Valahányszor egy embernek tucatnyi hasonló szöveget kell elolvasnia ugyanazon információrács alapján, ott automatizálási lehetőség rejlik. Észreveszel majd egy közös szálat a három gyakorlatban: a hőmérséklet (temperature) alacsonyan marad, mert elemzésnél a következetesség fontosabb, mint a kreativitás.
1. gyakorlat: Ügyfélvélemények hangulatának elemzése
Képzeld el ezt a helyzetet: egy piactér ügyfélszolgálatát vezeted, és naponta százával kapod a véleményeket. Mindet elolvasni lehetetlen; automatizáltan kell elemezned őket, hogy felismerd az ismétlődő problémákat és prioritást állíts fel a válaszokhoz. A rendszerprompt egy rögzített elemzési rácsot határoz meg – hangulat, témák, sürgősség, intézkedés –, és JSON-kimenetet ír elő, hogy a jegykezelő eszközöd feldolgozhassa az eredményt.
messages = [
{
"role": "system",
"content": """You are a customer experience analyst.
For each review, provide:
1. Overall sentiment: positive / mixed / negative
2. Topics covered (max 3)
3. Urgency level: low / medium / high
4. Recommended action (1 sentence)
Respond in structured JSON."""
},
{
"role": "user",
"content": """Analyze these 3 customer reviews:
Review 1: "Order received in 2 days, careful packaging. However, the user
manual is only in English, which is a shame for a product sold in France.
The product itself works very well."
Review 2: "This is the THIRD time I've received a defective item. Support
has been giving me the runaround for 2 weeks. I will contact the DGCCRF if
nothing moves."
Review 3: "Good value for money. Nothing exceptional but does the job.
Standard delivery, no issues."
Return a JSON table with the analysis of each review."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.1
)
A várt eredmény így néz ki – vedd észre, hogy az 1. vélemény, amely általában elégedett, de fenntartásokkal él, „vegyes“ (mixed) kell legyen, nem „pozitív“, míg a 2. vélemény, amely a DGCCRF (francia fogyasztóvédelmi hatóság) értesítésével fenyeget, magas sürgősséget kell kiváltson:
[
{
"review": 1,
"sentiment": "mixed",
"themes": ["delivery", "documentation", "product quality"],
"urgency": "low",
"action": "Translate the user manual to French for future batches."
},
{
"review": 2,
"sentiment": "negative",
"themes": ["product quality", "customer service", "recurrence"],
"urgency": "high",
"action": "Escalate to support manager for priority handling."
},
{
"review": 3,
"sentiment": "positive",
"themes": ["value for money", "delivery"],
"urgency": "low",
"action": "No action required, standard satisfied review."
}
]
2. gyakorlat: Strukturált adatok kinyerése
Második helyzet: szabad szöveges álláspályázati e-maileket kapsz, és ki kell nyerned belőlük a kulcsinformációkat az ATS-ed (Jelöltkövető Rendszer) számára. A kinyerés fő kockázata a kitalálás: egy utasítások nélkül hagyott modell boldogan kitölti a hézagokat hihető következtetésekkel. Innen ered a rendszerprompt két sarkalatos szabálya – „nem megadott“ (not provided) minden hiányzó információ esetén, és a következtetés abszolút tilalma.
messages = [
{
"role": "system",
"content": """You extract structured data from free text.
Rules:
- If information is not mentioned, indicate "not provided"
- NEVER deduce information: stay strictly with the text
- Dates must be in YYYY-MM-DD format
- Skills must be normalized terms"""
},
{
"role": "user",
"content": """Extract information from this job application email:
"Hello,
I am submitting my application for the full-stack developer position
published on LinkedIn. My name is Sarah Benali and I have 6 years
of experience in web development. Currently a Lead Developer at DataViz (Paris),
I work primarily with React, Node.js, and PostgreSQL. I also have
strong experience with AWS and Docker. My current daily rate is
€650 and I am available starting May 15, 2026.
Best regards,
Sarah Benali"
Expected JSON format:
{
"name": "",
"target_role": "",
"experience_years": 0,
"current_role": "",
"current_company": "",
"location": "",
"skills": [],
"daily_rate": "",
"availability": ""
}"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
Íme a kimenet, amit kapnod kell:
{
"name": "Sarah Benali",
"target_role": "Full-stack developer",
"experience_years": 6,
"current_role": "Lead Developer",
"current_company": "DataViz",
"location": "Paris",
"skills": ["React", "Node.js", "PostgreSQL", "AWS", "Docker"],
"daily_rate": "€650",
"availability": "2026-05-15"
}
Figyeld meg a hőmérsékletet 0,0 értéken: kinyerésnél determinisztikus, a forrásszöveghez hű választ akarsz. Figyeld meg továbbá a dátum ISO formátumra való konverzióját is, amelyet expliciten kértek a szabályokban – ezen utasítás nélkül a modell egyszerűen lemásolta volna a „May 15, 2026“ szöveget.
3. gyakorlat: Ügyfélszolgálati jegyek osztályozása
Utolsó helyzet: a támogatási csapatod kategorizálatlan jegyeket kap, amelyeket automatikusan a megfelelő osztályra kell irányítani. Ennél a gyakorlatnál a kulcs a kategóriák és prioritások kimerítő meghatározása a rendszerpromptban. Ha hagyod, hogy a modell saját taxonómiát találjon ki, minden jegyköteg más-más kategóriákkal kerül ki, és az irányításod kezelhetetlenné válik.
messages = [
{
"role": "system",
"content": """You classify technical support tickets.
Available categories:
- BILLING: payment issues, invoices, subscriptions, refunds
- TECHNICAL: bugs, errors, functionality issues, slowness
- ACCOUNT: login, password, settings, account deletion
- FEATURE: requests for new features, suggestions
- OTHER: anything that doesn't fit the categories above
Priorities:
- P1: service inaccessible, data loss, direct financial impact
- P2: degraded functionality, workaround possible
- P3: question, information request, suggestion
Respond ONLY in JSON, no text before or after."""
},
{
"role": "user",
"content": """Classify these 4 tickets:
Ticket A: "Unable to log in since this morning. I tried to
reset my password but I'm not receiving the email."
Ticket B: "Would it be possible to add an Excel export in addition to CSV?"
Ticket C: "I was charged twice for my March subscription."
Ticket D: "The app crashes when I import a file larger than 50 MB.
Error message: MEMORY_EXCEEDED."
Format:
[{"ticket": "A", "category": "", "priority": "", "service": "", "summary": ""}]"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
A várt eredmény – vedd észre, hogy a C jegy, közvetlen pénzügyi hatásával, P1-be kerül, míg a D jegy technikai összeomlása P2-n marad, mivel létezik kerülőmegoldás:
[
{
"ticket": "A",
"category": "ACCOUNT",
"priority": "P2",
"service": "Level 1 Support",
"summary": "Unable to log in, reset email not received"
},
{
"ticket": "B",
"category": "FEATURE",
"priority": "P3",
"service": "Product",
"summary": "Request for Excel export in addition to CSV"
},
{
"ticket": "C",
"category": "BILLING",
"priority": "P1",
"service": "Accounting",
"summary": "Double charge March subscription, refund request"
},
{
"ticket": "D",
"category": "TECHNICAL",
"priority": "P2",
"service": "Development",
"summary": "Crash importing large files (MEMORY_EXCEEDED)"
}
]
Tippek elemzési feladatokhoz
Négy legjobb gyakorlat foglalja össze e műhely módszerét. Dolgozz 0 hőmérsékleten osztályozás és kinyerés esetén: következetességre van szükséged, nem ihletre. Határozd meg expliciten a kategóriákat a rendszerpromptban, különben a modell sajátokat talál ki. Mindig add hozzá a „nem megadott“ utasítást a hiányzó adatokhoz, különben a modell hihető kitalációkkal tölti ki a hézagokat. És bármilyen bevezetés előtt tesztelj határeseteket: kétértelmű szövegeket, két kategóriába eső jegyeket, hiányos adatokat – itt mutatkoznak meg a rácsod gyengeségei, nem a tankönyvi eseteknél.
Főbb megállapítások
- A Mistrallel végzett szövegelemzés alacsony hőmérsékleten (0–0,2) működik a legjobban
- Mindig határozd meg a kategóriákat és a kimeneti formátumot a promptban
- Érvényesítsd a „nem megadott“ szabályt a hallucinációk elkerülése érdekében
- A few-shot módszer javítja az osztályozás következetességét
- Mielőtt éles környezetbe helyeznéd, teszteld reprezentatív valós eseteken