Analizė ir sprendimų priėmimas
Šiame puslapyje
Pamoka atnaujinta 2026 m. lapkričio 2 d. Originaliuose pavyzdžiuose naudotas Magistral, kuris buvo nutrauktas 2026 m. liepos 31 d. Dabar naudojami Mistral Small 4 (
mistral-small-2603) arba Mistral Large 4 (mistral-large-4-0) su parametrureasoning_effort="high", o atsakymas apdorojamas naudojantseparerfunkciją iš 3 pamokos. Šaltinis: Reasoning (Mistral Documentation).
Samprotavimas sprendimų priėmimo palaikymui
Būkime sąžiningi prieš imdamiesi technikų: modelis už tave sprendimo nepriims, ir tai nėra jo tikslas. Tai, ką samprotavimas suteikia sprendimų priėmimui, yra tai, ką teikia geras konsultantas – aiškumą. Kriterijai, kurie liko numanomi, scenarijai, kurių neperžiūrėjote, rizikos, apie kurias niekas neužsiminė: visa tai išdėstyta juodu ant balto palieka galutinį žodį tau, tačiau daug geriau informuotam.
Sudėtingi sprendimai reikalauja daugiakriterinės analizės, skirtingų perspektyvų įvertinimo ir gebėjimo pasverti kompromisus. Tai yra užduotys, kuriose struktūruotas samprotavimas suteikia didelę vertę, lyginant su intuityviu atsakymu.
Struktūruota lyginamoji analizė
Samprotavimas leidžia atlikti metodiškus palyginimus:
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
comparison = """My team needs to choose between PostgreSQL and MongoDB for a new application.
Context:
- B2B SaaS project management application
- 500 initial users, target of 10,000 in 2 years
- Structured data (users, projects, tasks) + free-text comments
- Team of 4 developers, all experienced in SQL
- Limited server budget (startup)
Analyze both options and recommend the best one."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior technical consultant.
ANALYSIS METHOD:
1. Identify relevant decision criteria
2. Evaluate each option against each criterion
3. Weight criteria based on context
4. Identify risks for each option
5. Formulate an argued recommendation
REFLECTION:
Explore trade-offs. Consider short-term and long-term implications.
RESPONSE:
Clear recommendation with justification, risk mitigation plan."""},
{"role": "user", "content": comparison}
],
)
Scenarijų analizė
Samprotavimas ypač efektyvus nagrinėjant skirtingų pasirinkimų pasekmes:
scenario = """Our startup (15 employees, $2M ARR) received two offers:
1. Series A funding round of $5M from a VC with 25% dilution
2. Acquisition offer of $12M by a large group (3-year earn-out)
Analyze both scenarios and their implications."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Strategic analyst.
For each scenario, evaluate:
- Financial impact at 1 year, 3 years, 5 years
- Impact on decision-making autonomy
- Risks and probability of realization
- Impact on team and culture"""},
{"role": "user", "content": scenario}
],
)
Šablonas: Automatizuota sprendimų matrica
Gali automatizuoti sprendimų matricų kūrimą:
def decision_matrix(client, options, criteria, context):
"""Generates a structured decision matrix."""
options_text = "\n".join(f"- {opt}" for opt in options)
criteria_text = "\n".join(f"- {crit}" for crit in criteria)
prompt = f"""Context: {context}
Options to evaluate:
{options_text}
Evaluation criteria:
{criteria_text}
For each option, rate each criterion on a scale of 1 to 5.
Justify each rating.
Calculate the total weighted score.
Recommend the optimal option."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Decision analysis expert. Be objective and rigorous in your evaluations."},
{"role": "user", "content": prompt}
],
)
return separer(response.choices[0].message.content)[1] # the response, without the reasoning
# Example: framework selection
result = decision_matrix(
client,
options=["React + Next.js", "Vue + Nuxt", "Svelte + SvelteKit"],
criteria=[
"Learning curve",
"Ecosystem and community",
"Performance",
"Developer recruitment",
"Long-term maintainability"
],
context="Redesign of a B2C e-commerce site, team of 3 junior devs"
)
Rizikos analizė
Struktūruotas samprotavimas idealiai tinka rizikoms nustatyti ir įvertinti:
risk_analysis = """We plan to migrate our production database
(50 GB, 200 tables, 15 connected applications) from MySQL 5.7 to PostgreSQL 16.
Identify all risks associated with this migration and propose a mitigation plan."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior DBA and system architect.
RISK ANALYSIS:
For each identified risk, specify:
- Probability (low/medium/high)
- Impact (low/medium/critical)
- Mitigation plan
- Rollback plan"""},
{"role": "user", "content": risk_analysis}
],
)
Kompromisų vertinimas
Techniniai sprendimai dažnai apima kompromisus. Samprotavimas padeda juos aiškiai įvardyti:
tradeoff = """Microservices vs. monolithic architecture for our application:
Our situation:
- Team of 6 developers
- HR management application
- 3 modules: recruitment, payroll, leave management
- Deployment on Kubernetes
- Need for independent module updates
Analyze the trade-offs of each approach."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": tradeoff}]
)
Šablonas: „Velnio advokatas“
Tai vertingiausias šios pamokos šablonas, nes jis taiso visiems būdingą šališkumą: priėmus sprendimą, ieškome tik jo patvirtinimo. Aiškiai paprašius modelio atakuoti sprendimą – rasti silpnąsias vietas, nesėkmės scenarijus, trapias prielaidas – priversti išgirsti tai, ko neišdrįsta pasakyti kolegos ir ko nebesakai pats sau:
def challenge_decision(client, decision, context):
"""Plays devil's advocate on a decision."""
prompt = f"""A team has made the following decision:
DECISION: {decision}
CONTEXT: {context}
Play devil's advocate:
1. Identify the 5 main arguments AGAINST this decision
2. For each argument, assess its severity (1-5)
3. Propose conditions under which this decision would be catastrophic
4. Suggest necessary safeguard measures
5. Conclude: Is the decision solid despite the counter-arguments?"""
return client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Critical analyst. Be incisive but constructive."},
{"role": "user", "content": prompt}
],
)
Small 4 ar Large 4 analizei?
Taisyklingas refleksas – suderinti modelį su sprendimo kritiškumu ir grįžtamumu. Paprastam dviejų variantų palyginimui su aiškiais kriterijais, greitam įvertinimui arba sprendimui, kurį galėsi ištaisyti kitą savaitę, „high“ režimu veikiantis Mistral Small 4 puikiai tinka ir kainuoja mažiau. Tačiau kai analizė tampa daugiakriterinė su ginčytinais svoriais, sprendimas yra strateginis ir sunkiai grįžtamas (architektūros pasirinkimas, migracija į gamybinę aplinką, finansinis arbitražas) arba scenarijus apima realų netikrumą, išbandyk Mistral Large 4 „high“ režimu. Galingesnis modelis turi didesnę tikimybę padėti nagrinėjant kompromisus ir nepalankius atvejus, tačiau tik palyginimas su tavo pačių atvejais parodys, ar papildoma kaina yra pateisinama.
Svarbiausi punktai
- Samprotavimas paverčia sprendimų analizę struktūruotu ir atkartojamu procesu
- Naudok sistemos promptą, kuris įgyvendina analizės metodą (kriterijai, svoriai, rizikos)
- Sprendimų matricos ir scenarijų analizė gauna didžiulę naudą iš samprotavimo
- „Velnio advokato“ šablonas panaudoja samprotavimą tavo sprendimų kritikai
- Derink modelį prie sprendimo kritiškumo: Small 4 kasdienėms užduotims, Large 4 – strateginiams sprendimams