Introduzione ai flussi di lavoro Mistral
In questa pagina
Aggiornamento 2 novembre 2026 — Modelli. Mistral Large 3 (
mistral-large-2512) e Mistral Medium 3.5 sono stati deprecati il 31 ottobre 2026 e verranno ritirati il 30 aprile 2027. Il loro successore designato, Mistral Large 4 (mistral-large-4), è in anteprima pubblica dal 6 ottobre. Gli esempi in questo corso utilizzano l’aliasmistral-large-latest, che punta ancora a Mistral Large 3 secondo le sue specifiche ufficiali (verificato il 3 novembre 2026), proprio comemistral-medium-latestpunta a Mistral Medium 3.5. Questi alias rimarranno validi fino al 30 aprile 2027. Per i nuovi progetti, testamistral-large-4, il loro successore designato.
Orchestrazione di compiti AI complessi
Un’applicazione AI seria non sta mai in una singola chiamata API. Pensa a un servizio che genera ogni notte un report per i clienti: estrae dati da tre sistemi, li invia a un modello per l’elaborazione, invia il risultato via email, attende l’approvazione di un responsabile e poi avvia un processo di fatturazione. Questa catena dura ore, a volte giorni, attraversando reti, code e servizi di terze parti, nessuno dei quali è affidabile al 100%.
Il giorno in cui la macchina che esegue questa pipeline si riavvia tra l’invio dell’email e l’elaborazione della fattura, ti trovi di fronte a due scenari. O ricominci tutto da capo e il cliente riceve il report una seconda volta, oppure hai scritto manualmente un sistema di checkpoint, lock e tabelle di stato: centinaia di righe di codice che non hanno nulla a che fare con il tuo core business. La piattaforma Mistral AI Workflows, lanciata in anteprima pubblica il 27 aprile 2026, esiste proprio per risparmiarti questa scelta. Offre una garanzia fondamentale: il tuo flusso di lavoro non perderà mai i progressi.
Cos’è un flusso di lavoro durevole?
Un flusso di lavoro durevole è un programma in cui ogni passaggio viene persistito prima che inizi quello successivo. Riprendiamo il report notturno: nel momento in cui l’email viene inviata, la piattaforma ha già registrato nel suo journal che questo passaggio è completato e ne ha salvato il risultato. Se il processo si interrompe un secondo dopo, riprende dal passaggio di fatturazione, non dall’inizio, senza perdita di dati né azioni duplicate.
Questo meccanismo non è sperimentale. La piattaforma Mistral Workflows è alimentata da Temporal, un motore di orchestrazione collaudato in produzione presso aziende come Netflix, Uber e Stripe. Eredi un modello di esecuzione che ha già superato guasti su larga scala, avvolto in un layer Mistral che lo espone tramite Python moderno.
Passaggi di un flusso di lavoro tipico
Prima di approfondire i dettagli delle prossime lezioni, ecco il percorso completo che affronterai, dalla definizione del codice al monitoraggio in produzione.
Definisci le attività
Ogni unità di lavoro (chiamata API, query al database, elaborazione AI) è incapsulata in una funzione asincrona chiamata attività.
Crea il flusso di lavoro
Il flusso di lavoro orchestra le attività: l'ordine di esecuzione, le condizioni e la logica di diramazione.
Avvia un worker
Il worker è il processo che esegue effettivamente i tuoi flussi di lavoro e le tue attività. Si connette alla piattaforma Mistral e attende i task.
Attiva l'esecuzione
Avvii il flusso di lavoro tramite l'SDK Python o una chiamata cURL. La piattaforma persiste ogni passaggio e gestisce la ripresa automatica.
Osserva e monitora
Ogni attività genera trace OpenTelemetry. Tracci l'esecuzione in tempo reale e diagnostichi i problemi.
Capacità chiave della piattaforma
L’esecuzione è affidabile e tollerante ai guasti. I flussi di lavoro non perdono mai i progressi perché ogni passaggio viene persistito prima di passare al successivo. Che si tratti di un crash del server, di un’interruzione di rete o di un errore transitorio di un provider, il flusso di lavoro riprende automaticamente esattamente da dove si era interrotto, senza alcun tuo intervento.
La piattaforma è inoltre progettata per scenari nativi per l’AI. Un agente che concatena chiamate a tool, una sequenza di modelli o una conversazione di lunga durata con un assistente: questi pattern implicano attese lunghe e riprese frequenti, che sono esattamente il caso d’uso target. I flussi di lavoro possono durare da pochi secondi a diverse settimane, abilitando scenari impossibili con una semplice richiesta HTTP, come attendere tre giorni per una validazione umana.
L’architettura è anche completamente osservabile end-to-end. Ogni azione—completamento attività, segnale, errore—viene registrata come evento in tempo reale. Puoi streammare questi eventi verso sistemi esterni, permettendoti, ad esempio, di mostrare all’utente finale una barra di avanzamento che riflette lo stato reale dell’elaborazione invece di un’animazione decorativa. Infine, l’SDK Python utilizza decorator familiari e pattern async/await: se conosci Python, sai già come scrivere flussi di lavoro.
Casi d’uso concreti
Quattro famiglie di applicazioni ricorrono regolarmente. Una pipeline di elaborazione documenti concatena estrazione, analisi, riassunto e classificazione, con ogni documento che passa attraverso gli stessi passaggi, così che un fallimento a metà batch non costringa a un riavvio completo. Un agente di supporto clienti recupera il contesto, genera una risposta, scala a un umano se necessario e segue i task post-risoluzione giorni dopo la chiusura del ticket. Un flusso di lavoro di moderazione dei contenuti fa analizzare lo stesso elemento da più modelli, applica un voto a maggioranza e scala a un moderatore umano in caso di disaccordo. Infine, la generazione di report raccoglie dati da più fonti, li aggrega, produce il testo, lo formatta e invia il documento.
Anteprima pubblica: cosa significa
La funzionalità Workflows è in anteprima pubblica dal suo lancio il 27 aprile 2026 (annuncio ufficiale), e questo status ha conseguenze pratiche. Prima di iniziare, verifica lo stato corrente nella documentazione Workflows. API e funzionalità possono cambiare senza preavviso: fissa le versioni delle tue dipendenze e prevedi di rivedere le note di rilascio prima di ogni aggiornamento. La piattaforma è pronta per la produzione ma richiede cautela, il che significa che dovresti mantenere un piano di fallback per i processi critici. Il feedback degli utenti influenza direttamente la roadmap, quindi il tuo contributo ha un peso reale. Esistono ancora alcune limitazioni tecniche, che detalieremo nelle prossime lezioni invece di sorvolare.
Punti chiave
- Mistral Workflows ti permettono di orchestrare compiti AI complessi con una garanzia di durabilità
- La piattaforma è alimentata da Temporal, un motore di orchestrazione collaudato in produzione
- L’architettura si basa su tre componenti: attività (lavoro reale), flussi di lavoro (orchestrazione), worker (esecuzione)
- Ogni passaggio è persistito: un flusso di lavoro interrotto riprende automaticamente
- La funzionalità è in anteprima pubblica (aprile 2026): le API sono soggette a modifiche