Pereiti prie pagrindinio turinio
Lietuvių— Pasirinkite kalbą
Meniu

Incitarea unui model de raționament

Paskaita 6 iš 12 Atnaujinta 2026 m. lapkričio 2 d. Kūrėjas
Šiame puslapyje
  1. Ce s-a schimbat de la Magistral
  2. Separarea raționamentului de răspuns
  3. Adaptarea pe domenii
  4. Trei greșeli frecvente
  5. Svarbiausi punktai

Lecție rescrisă la 2 noiembrie 2026. Această lecție acoperea anterior promptul de sistem Magistral, care a fost retras la 31 iulie 2026. Documentația actuală privind raționamentul (Reasoning) nu mai necesită un prompt de sistem dedicat: reasoning_effort este suficient. Secțiunile următoare disting ceea ce afirma documentația Magistral, ce s-a schimbat și regulile de incitare care rămân utile.

Ce s-a schimbat de la Magistral

Magistral funcționa cel mai bine cu un prompt de sistem implicit, pe care documentația îl reproducea (acum arhivat pe pagina Native reasoning (deprecated)). În esență, acesta instruia modelul să își elaboreze mai întâi raționamentul, ca un monolog intern, urmat de un răspuns independent; să scrie în Markdown, folosind LaTeX pentru ecuații; și să răspundă în limba interogării. Includea chiar și un șablon de raționament, sub forma unui fragment thinking plasat în mesajul de sistem. Un parametru, prompt_mode, îți permitea să forțezi acest prompt implicit ("reasoning") sau să îl dezactivezi (None).

Cu modelele actuale, nimic din toate acestea nu este necesar: pagina de raționament nu menționează nici un prompt de sistem dedicat, nici prompt_mode. Activezi raționamentul cu reasoning_effort, iar promptul tău de sistem revine la un prompt de sistem standard, dedicat rolului, metodei și formatului așteptat. Dacă migrezi de la Magistral, elimină șablonul de raționament din mesajele tale de sistem și prompt_mode din apelurile tale, apoi compară rezultatele (Lecția 8).

Separarea raționamentului de răspuns

Modelul are acum două spații distincte: raționamentul, pe care utilizatorul nu îl vede adesea, și răspunsul final. Un prompt bun ține cont de acest lucru. Acesta descrie metoda așteptată, ceea ce ar verifica un expert în domeniu, și stabilește formatul răspunsului: răspunsul trebuie să fie inteligibil fără raționament, deoarece raționamentul va fi în general ascuns.

import os
from mistralai.client import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

system_prompt = """Ești un expert senior în depanarea Python.

METODĂ
- Citește tot codul înainte de a formula un diagnostic.
- Formulează cel puțin două ipoteze înainte de a concluziona.
- Verifică dacă remedierea ta nu creează o nouă problemă.

RĂSPUNS FINAL
1. Diagnosticul precis
2. Cauza rădăcină
3. Codul corectat
4. Un test care dovedește remedierea"""

response = client.chat.complete(
    model="mistral-small-2603",
    messages=[
        {"role": "system", "content": system_prompt},
        {"role": "user", "content": "Codul meu se blochează cu o RecursionError: def fibonacci(n): return fibonacci(n-1) + fibonacci(n-2)"},
    ],
    reasoning_effort="high",
)

În cazul acestei funcții fibonacci căreia îi lipsește un caz de bază, cerința a două ipoteze exclude diagnosticul reflex „mărește limita de recursivitate“ și duce la cauza reală.

Adaptarea pe domenii

Același schelet, metodă apoi format de răspuns, se adaptează domeniului specific. În matematică, metoda se concentrează pe ipoteze și tipul de demonstrație:

math_prompt = """Ești un matematician riguros.

METODĂ
- Enunță ipotezele înainte de fiecare demonstrație.
- Alege explicit între inducție, contradicție sau calcul direct.
- Verifică rezultatul pe un caz specific.

RĂSPUNS FINAL
Demonstrație formală: ipoteze, pași justificați, concluzie."""

În analiza strategică, aceasta se concentrează pe părțile interesate și cuantificare, iar răspunsul așteptat devine o recomandare însoțită de un plan:

strategy_prompt = """Ești un consultant în strategie.

METODĂ
- Evaluează fiecare opțiune în funcție de fezabilitate, impact și risc.
- Cuantifică ori de câte ori este posibil, chiar dacă doar ca ordin de mărime.
- Caută cea mai puternică obiecție la propria ta recomandare.

RĂSPUNS FINAL
O recomandare clară, avantajele și dezavantajele fiecărei opțiuni, un plan de acțiune cu pași datați."""

Trei greșeli frecvente

Promptul este prea vag. „Ești un asistent util“ nu spune nimic despre metodă: modelul raționează conform obiceiurilor sale, nu ale tale. Descrie ceea ce ar verifica un expert.

Promptul este contradictoriu. „Fii foarte concis. Detaliază fiecare pas în profunzime.“ pune modelul în fața unei injoncțiuni imposibile. Rezolvă contradicția prin distribuirea rolurilor: detaliile aparțin raționamentului, conciziunea răspunsului final.

good_prompt = """Fii concis în răspunsul tău final: doar concluzii și cifre esențiale.
Explorează detaliile în raționamentul tău, nu în răspuns."""

Solicitarea procesului în răspuns. A cere să „raționezi pas cu pas“ în răspunsul vizibil face ca modelul să scrie a doua oară ceea ce a făcut deja în raționamentul său: răspunsul se lungeste, iar tu plătești de două ori pentru aceiași pași în tokeni de ieșire. Solicită pașii în răspuns doar dacă utilizatorul trebuie să îi citească, de exemplu într-un tutore educațional.

Svarbiausi punktai

  • Promptul de sistem implicit și prompt_mode erau specifice Magistral: nu mai sunt necesare
  • Activează raționamentul cu reasoning_effort și păstrează promptul de sistem în rolul său clasic
  • Descrie metoda așteptată și formatul unui răspuns lizibil fără raționament
  • Distribuie rolurile: detalii în raționament, conciziune în răspuns
  • Nu face modelul să rescrie procesul în răspuns dacă nimeni nu trebuie să îl citească