A Forge folyamat
Ezen az oldalon
Frissítés: 2026. november 2. — A Le Chat mostantól Vibe. 2026. május 28-tól a Le Chat új neve Vibe (továbbra is a chat.mistral.ai címen érhető el): egyetlen ügynök munkához és kódoláshoz, amely megőrzi beszélgetéseidet, beállításaidat és előfizetéseidet. A régi Le Chat élmény továbbra is elérhető a Chat módban. A Work módban az ügynökök készségekké (skills) váltak (a
@jellel hívhatók meg), az emlékek (memories) szolgálják a tudásbázist, a mélyreható kutatás pedig a Deep Research készség. A csomagok neve mostantól Mistral Free, Pro, Team és Enterprise. Ez a lecke a Vibe nevet használja; vedd figyelembe, hogy az itt leírt egyes menük neve vagy elhelyezkedése megváltozhatott.
Az értékeléstől a telepítésig: a teljes út
Egy Forge-projekt négy fázison megy keresztül, amelyet egy Mistral Field Deployment Engineer (FDE) irányít. Nem egyedül konfigurálsz bármit is egy konzolból. Ehelyett a projekt közös elköteleződés a szervezeted és a Mistral AI között, meghatározott mérföldkövekkel, mérhető deliverable-ekkel és kiszámítható idővonallal: 2–4 hét az értékelésre, 4–8 hét az adatelőkészítésre, 4–6 hét a tanításra és iterációra, valamint 2–4 hét a telepítésre és monitorozásra. Összesen 3–6 hónappal számolj, a használati eset összetettségétől és az adatok minőségétől függően. Ha előre ismered ezt a sorrendet, elkerülöd, hogy hat hetes eredményt ígérj a vezetőségednek.
1. fázis: Értékelés (2–4 hét)
A cél annak meghatározása, hogy a Forge a megfelelő megközelítés-e, valamint a siker kritériumainak definiálása. A Mistral csapat a business szponzoroddal és a technikai csapatoddal együttműködve négy területen dolgozik. A használati eset auditja a legegyszerűbb, mégis legkényelmetlenebb kérdésekkel kezdődik: Pontosan milyen problémát oldasz meg? Valóban tesztelted már a prompt mérnökséget és a RAG-t? Miért elégtelenek ezek? Az adatfelmérés méri a rendelkezésre álló mennyiséget és azok tényleges állapotát – strukturált vagy strukturálatlan, annotált vagy nyers, aktuális vagy elavult.
Ezt követi az alapvonal mérése, egy lépés, amelyet sokan kihagynak, majd később megbánják. Fel kell mérned az általános célú modell teljesítményét a célzott feladatokon; enélkül nem tudod számszerűsíteni, mit ad hozzá a Forge. A fázis a KPI-k definiálásával zárul: pontosság, visszahívás (recall), feldolgozási idő és felhasználói elégedettség.
A deliverable egy hatókör-dokumentum (scoping document), amely tartalmazza a használati eset definícióját, az adatlajstromot, az alapvonal mutatókat, a célzott KPI-ket és egy előzetes ütemtervet. Ezt közös go/no-go döntés követi. Ha az adatok elégtelenek, vagy a használati eset nem indokolja a Forge használatát, a Mistral csapat a RAG vagy a prompt mérnökség felé terel. Egy ilyen korai „nem“ több hónapi munkát és jelentős költségvetést takarít meg neked.
2. fázis: Adatelőkészítés (4–8 hét)
Ez a fázis építi fel a tanító adatkészletet. Ez a legkritikusabb és legidőigényesebb szakasz, mivel a modell minősége közvetlenül függ a tanításához használt adatok minőségétől. A munka a gyűjtéssel kezdődik: dokumentumok, példák és használati esetek kinyerése a belső rendszereidből. Ezt követi a tisztítás – duplikációk, elavult dokumentumok és sérült adatok eltávolítása –, majd a strukturálás, amely a nyers adatokat a tanításhoz használható utasítás-válasz párokká alakítja. Amikor a használati eset megköveteli, a téma szakértőid által végzett annotáció címkéket, kategóriákat vagy metaadatokat ad hozzá. Ugyanezen szakértők végső validálása biztosítja, hogy a korpusz tükrözze a valós gyakorlatokat és az elvárt minőségi szintet.
Már az elején rögzítsd írásban a dokumentumok szerepköreit. Az adatcsapatod felel a gyűjtésért, tisztításért és strukturálásért. A téma szakértőid felelnek az annotációért és a validálásért. A Mistral FDE módszertani útmutatást nyújt, validálja a formátumokat, valamint javaslatot tesz a mennyiségekre és minőségi szabványokra.
Négy buktató ismétlődik folyamatosan. Egy olyan korpusz, amely túlreprezentál bizonyos eseteket, ugyanilyen arányban torz modellt eredményez. Az elavult dokumentumok olyan modellt hoznak létre, amely magabiztosan válaszol elavult eljárások alapján, ami veszélyesebb, mint ha nem is válaszolna. Néhány száz példa soha nem elég a minőségi finomhangoláshoz. Végül, ha választanod kell, válassz egy kisebb, homogén korpuszt egy hatalmas, egyenetlen minőségű helyett.
3. fázis: Tanítás és iteráció (4–6 hét)
Az alapmodellt finomhangolják a te adatkészleteddel, majd egy validációs készleten értékelik, amely olyan adatokból áll, amelyeket a tanítás során sosem látott. Az eredményeket összehasonlítják az 1. fázisban definiált alapvonallal és célzott KPI-kkel. Bármilyen eltérés iterációt indít el: a hiperparaméterek beállítása, az adatkészlet gazdagítása vagy az azonosított hibák javítása. Ezzel párhuzamosan a szakértőid üzleti validációt végeznek a modell valós eseteken történő tesztelésével. Egy olyan modell, amely teljesíti a metrikákat, de a mindennapi fájlokon elbukik, még nem áll készen.
A gyakorlatban a célszint eléréséhez 2–4 iteráció szükséges, amelyek mindegyike 1–2 hétig tart. Az FDE felel a teljes technikai oldalért: a tanítás konfigurálásáért, a hiperparaméterek optimalizálásáért, a teljesítményproblémák diagnosztizálásáért és az adatjavítások javaslatáért. A csapatodnak nincs szüksége gépi tanulási szakértelemre; az FDE működik technikai interfészként közted és a Forge platform között.
4. fázis: Telepítés és monitorozás (2–4 hét)
Az egyedi modell települ a célinfrastruktúrára – Mistral Cloud, dedikált VPC vagy on-premise –, és integrálódik a környezetedbe a Mistral Enterprise, az Enterprise Search vagy a belső alkalmazásaidon keresztül API-k segítségével. A terheléses tesztek validálják a teljesítményt éles körülmények között. A képzés felkészíti a végfelhasználókat egy olyan modellre, amely másképp viselkedik, mint egy általános célú. A műszerfalak (dashboards) nyomon követik a teljesítményt, a mennyiséget és az elégedettséget.
Ez a monitorozás közvetlenül tájékoztatja az irányítást (governance). Észleli a fokozatos teljesítményromlást, a nem várt használati eseteket, és jelzéseket ad az újratanításhoz, mint például új adatok elérhetősége vagy eljárásbeli változások. Egy Forge-modell nem statikus. Tervezz negyedéves ciklust a gyorsan fejlődő területekhez, féléves ciklust a stabil területekhez, és igény szerinti ciklust a nagyobb változásokhoz, mint az új szabályozások, fúziók vagy termékbevezetések.
Költségvetés és erőforrások biztosítása
A Mistral oldalán az elköteleződés tartalmaz egy dedikált FDE-t a projekt időtartamára, a tanítási infrastruktúrát (GPU-k), valamint technikai és módszertani támogatást. A te oldaladon tartalékolj a business szponzorod idejének 10–20%-át, egy 1–2 fős adatcsapatot részmunkaidőben a 2. fázis alatt, néhány heti órát a téma szakértőidtől a validáláshoz, valamint egy projekt költségvetést, amely az összetettségtől függ (ezt az értékelési fázisban kell meghatározni). Ténylegesen biztosítsd ezeket az erőforrásokat. Egy olyan projekt, ahol a szponzor nem tisztázta ezt az időráfordítást, elakad a 2. fázisban.
Főbb megállapítások
- A Forge folyamat 3–6 hónapot vesz igénybe négy fázison keresztül: értékelés, adat, tanítás és telepítés
- Az adatelőkészítés a legkritikusabb fázis – az adatok minősége határozza meg a modell minőségét
- Egy Mistral FDE irányít végig a folyamaton – a csapatodnak nincs szüksége gépi tanulási szakértelemre
- Tervezz újratanítási ciklust a teljesítmény hosszú távú fenntartásához