Kötegelt lekérések fájl nélkül: akár 10 000 kérés inline módon
Ezen az oldalon
Frissítve: 2026. november 3.: November 3-i frissítés: a
files.downloadegy HTTP-választ (httpx2.Response) ad vissza; a.decode()hívása előtt olvasd be a tartalmát a.read()metódussal.
A fájlalapú kötegelés könnyűsúlyú alternatívája
Az inline kötegelés lehetővé teszi, hogy a kötegelt lekéréseket közvetlenül az API-hívásban küldd el, kihagyva a fájlfeltöltés lépését. Ez az ideális módszer, ha közepes volumenű lekéréseid vannak (akár 10 000), és egyszerűsíteni szeretnéd a munkafolyamatodat.
Fájlalapú vs. inline kötegelés
Mielőtt belevágnánk a kódba, tisztázzuk a két megközelítés közötti különbségeket:
| Szempont | Fájlalapú kötegelés | Inline kötegelés |
|---|---|---|
| Maximális volumen | 1 000 000 lekérés | 10 000 lekérés |
| Előfeltételek | JSONL-fájl feltöltése | Nincs |
| Lépések | Feltöltés + Feladat létrehozása | Feladat létrehozása (egyetlen hívás) |
| Felhasználási esetek | Éles környezet, nagy volumen | Tesztelés, prototípuskészítés, közepes volumen |
Inline feladat létrehozása
Az input_files paraméter helyett egy requests paramétert adsz át, amely közvetlenül tartalmazza a lekérések listáját:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
# Inline lekérések előkészítése
inline_requests = [
{
"custom_id": f"req-{i:04d}",
"body": {
"max_tokens": 150,
"messages": [
{
"role": "system",
"content": "You are a text classification expert."
},
{
"role": "user",
"content": f"Classify this text: {text}"
}
]
}
}
for i, text in enumerate(my_texts)
]
# Feladat létrehozása inline lekérésekkel
job = client.batch.jobs.create(
requests=inline_requests,
model="mistral-small-latest",
endpoint="/v1/chat/completions"
)
print(f"Inline job created: {job.id}")
print(f"Number of requests: {len(inline_requests)}")
A kód eltérése minimális: input_files= helyett requests=. A munkafolyamat többi része (állapotkövetés, eredmények letöltése) megegyezik.
Gyakorlati példa: Jegyek osztályozása
Íme egy teljes példa ügyfélszolgálati jegyek osztályozására:
from mistralai.client import Mistral
import json
import time
client = Mistral(api_key="your-api-key")
# Ügyfélszolgálati jegyek szimulálása
tickets = [
{"id": "TK-001", "message": "I cannot log in to my account"},
{"id": "TK-002", "message": "How do I cancel my subscription?"},
{"id": "TK-003", "message": "The app crashes on startup"},
{"id": "TK-004", "message": "Can you add dark mode?"},
{"id": "TK-005", "message": "My invoice is incorrect"},
]
# Inline lekérések összeállítása
requests = [
{
"custom_id": ticket["id"],
"body": {
"max_tokens": 50,
"messages": [
{
"role": "system",
"content": (
"Classify the ticket into one of these categories: "
"AUTHENTICATION, BILLING, BUG, "
"FEATURE, SUBSCRIPTION. "
"Reply with the category only."
)
},
{"role": "user", "content": ticket["message"]}
]
}
}
for ticket in tickets
]
# Inline köteg indítása
job = client.batch.jobs.create(
requests=requests,
model="mistral-small-latest",
endpoint="/v1/chat/completions"
)
# Várakozás és eredmények lekérése
while True:
status = client.batch.jobs.get(job_id=job.id)
if status.status in ("SUCCESS", "FAILED", "CANCELLED"):
break
time.sleep(5)
# Eredmények feldolgozása
if status.status == "SUCCESS":
data = client.files.download(file_id=status.output_file)
for line in data.read().decode("utf-8").strip().split("\n"):
entry = json.loads(line)
ticket_id = entry["custom_id"]
category = entry["response"]["body"]["choices"][0]["message"]["content"]
print(f"{ticket_id} -> {category.strip()}")
Mikor melyik megközelítést válaszd?
A döntő tényező nem csupán a volumen, hanem az, hogy a kötegelés hol illeszkedik a munkafolyamatodba. Prototípuskészítés során egy promptot néhány száz példán tesztelsz, finomítod, majd újra futtatod. Ha minden iterációnál köztes JSONL-fájlt írsz, az csak lassítja a ciklust. Az inline kötegelés megszünteti ezt a súrlódást: a szkripted menet közben generálja a lekéréseket, ugyanabban a hívásban elküldi őket, és percek alatt iterálhatsz. Ugyanez a logika vonatkozik a könnyűsúlyú integrációkra, az egyszeri elemző szkriptekre vagy a napi feldolgozásra is, amennyiben az 10 000 lekérés alatt marad.
A fájlalapú kötegelés akkor kerül előtérbe, ha a kötegelés éles környezeti láncszemmé válik. Először mechanikailag: 10 000 lekérés felett ez az egyetlen lehetőség. De ami fontosabb, szerkezetileg: a feltöltött fájl tartós artefaktum. Több feladathoz is újra felhasználhatod, nyilvántartásként megőrizheted, hogy pontosan mit küldtél be, és tisztán elválaszthatod az előkészítő lépést (amely felépíti, validálja és verziókezeli a fájlt) a végrehajtó lépéstől (amely elindítja a feladatot). Amikor egy kötegelt feladat éjszakánként fut ügyféladatokon, ez a nyomon követhetőség nem luxus; ez teszi lehetővé, hogy hat hónap múlva is megválaszolhasd a kérdést: „Mit küldtünk a modellnek március 12-én?“
A gyakorlatban sok csapat mindkettőt használja: inline módot a promptfejlesztés során, majd átvált fájlalapú kötegelésre az iparosításkor. Mivel az eredmények követésére és lekérésére szolgáló kód mindkét módnál azonos, a migráció csupán a requests= paraméter input_files=-re cserélésére korlátozódik.
Főbb megállapítások
- Az inline kötegelés kihagyja a feltöltési lépést, mivel a lekéréseket közvetlenül a
requestsparaméteren keresztül adod át - Az inline feladatok limitje lekérésenként 10 000, szemben a fájlalapú kötegelés 1 milliós limitjével
- Az állapotkövetés és az eredmények letöltése mindkét módnál azonos
- Prototípuskészítéshez és közepes volumenhez az inline-t részesítsd előnyben; nagy volumenű éles környezethez használd a fájlalapú kötegelést