Praktiniai JSON režimo pavyzdžiai
Šiame puslapyje
Atnaujinta 2026 m. lapkričio 3 d.: Ankstesniame TypeScript pavyzdyje
Mistralbuvo importuojamas kaip numatytasis eksportas, tačiau SDK pateikia tik įvardytąjį eksportą (import { Mistral } from "@mistralai/mistralai"). Be to, jame buvo užkoduotas API raktas ir priverstinai nustatytascontenttipas naudojant!, kas nepakanka, nes šis laukas taip pat gali būti dalių sąrašas. Patikrinta kompiliuojant su SDK 3.5.0 ir TypeScript 7.0.2. Šaltinis: Mistral TypeScript SDK.
JSON režimo taikymas praktikoje
Jau žinai, kaip įjungti JSON režimą; dabar pažvelkime į darbo pavyzdžius. Realiose projektuose nuolat pasitaiko trys scenarijai, ir kiekvienas iš jų iliustruoja skirtingą šio režimo panaudojimo būdą. Kodas pateikiamas Python kalba, o ten, kur vertimas nėra akivaizdus, pridėti ir TypeScript atitikmenys.
Entitetų ištraukimas iš nestruktūruoto teksto
Entitetų ištraukimas – tai dažniausias ir ekonomiškiausias naudojimo atvejis: pardavimų el. laiške yra visa kontaktinė informacija, tačiau ji paslėpta paraše ir mandagumo frazėse. Svarbiausia šiame pavyzdyje pateikta instrukcija yra paskutinė sistemos priminimo eilutė – reikalavimas naudoti null trūkstamai informacijai neleidžia modeliui išgalvoti telefono numerio vien tam, kad užpildytų lauką.
from mistralai.client import Mistral
import json
client = Mistral(api_key="your-api-key")
email_text = """
Hello,
I am Marie Dupont, Sales Director at TechVision SAS.
You can reach me at 06 12 34 56 78 or by email at [email protected].
Our headquarters are at 42 rue de la Paix, 75002 Paris.
Best regards,
Marie
"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """Extract contact information from the provided text.
Return a JSON with keys: name, title, company, phone, email, address.
If information is missing, use null."""
},
{"role": "user", "content": email_text}
],
response_format={"type": "json_object"},
temperature=0
)
contact = json.loads(response.choices[0].message.content)
print(f"Name: {contact['name']}")
print(f"Company: {contact['company']}")
print(f"Phone: {contact['phone']}")
Tikėtina išvestis:
{
"name": "Marie Dupont",
"title": "Sales Director",
"company": "TechVision SAS",
"phone": "06 12 34 56 78",
"email": "[email protected]",
"address": "42 rue de la Paix, 75002 Paris"
}
Pagalbos užklausų klasifikavimas
Klasifikavimui reikia kitokio požiūrio: vietoj to, kad leistum modeliui pačiam pasirinkti reikšmes, priminime išvardiji leistinas kiekvieno lauko reikšmes. Tai leidžia palyginti rezultatus nuo vienos užklausos iki kitos ir juos tiesiogiai naudoti nukreipimui. Atkreipk dėmesį į perėjimą prie mistral-small-latest – užklausų rūšiavimui nereikia naudoti galingiausio modelio.
tickets = [
"My payment was charged twice, I demand an immediate refund!",
"How can I change my password?",
"Your app crashes every time I open the settings tab.",
]
for ticket in tickets:
response = client.chat.complete(
model="mistral-small-latest",
messages=[
{
"role": "system",
"content": """Classify the support ticket.
Return a JSON with:
- category: "billing", "account", "technical", "feature_request", or "other"
- priority: "low", "medium", "high", or "critical"
- sentiment: "positive", "neutral", or "negative"
- summary: one-sentence summary"""
},
{"role": "user", "content": ticket}
],
response_format={"type": "json_object"},
temperature=0
)
result = json.loads(response.choices[0].message.content)
print(f"Category: {result['category']} | Priority: {result['priority']} | Sentiment: {result['sentiment']}")
Štai tas pats klasifikatorius TypeScript kalba. Patikrinimas prieš JSON.parse primena, kad SDK tipizuoja content kaip neprivalomą ir kaip string | ContentChunk[]: išanalizuoti galima tik eilutę.
import { Mistral } from "@mistralai/mistralai";
const client = new Mistral({ apiKey: process.env.MISTRAL_API_KEY });
const ticket = "My payment was charged twice!";
const response = await client.chat.complete({
model: "mistral-small-latest",
messages: [
{
role: "system",
content: `Classify the support ticket.
Return a JSON with: category, priority, sentiment, summary.`,
},
{ role: "user", content: ticket },
],
responseFormat: { type: "json_object" },
temperature: 0,
});
const contenu = response.choices[0]?.message?.content;
if (typeof contenu !== "string") {
throw new Error("The response does not contain JSON text.");
}
const result = JSON.parse(contenu);
console.log(`Category: ${result.category}`);
console.log(`Priority: ${result.priority}`);
Aprašymo konvertavimas į produkto kortelę
Trečiasis scenarijus: rinkodaros teksto transformavimas į įrašą, paruoštą duomenų bazei. Ši užduotis sudėtingesnė, nes tipai yra svarbūs – kaina turi būti skaičius, pristatymo trukmė – du sveikieji skaičiai, o nemokamas pristatymas – loginė reikšmė. Todėl priminime pateikiamos tikslios anotacijos.
product_text = """
The 16-inch MacBook Pro with M4 Pro chip is available starting at €2,799.
It features 24 GB of unified RAM, a 512 GB SSD, and a Liquid Retina XDR display.
Available in Space Black and Silver. Free delivery within 3-5 days.
"""
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{
"role": "system",
"content": """Convert the product description into a structured sheet.
JSON with: name, brand, price_eur (number), specs (object with ram_gb, storage_gb, screen),
colors (list), delivery_days_min, delivery_days_max, free_shipping (boolean)."""
},
{"role": "user", "content": product_text}
],
response_format={"type": "json_object"},
temperature=0
)
product = json.loads(response.choices[0].message.content)
print(json.dumps(product, indent=2, ensure_ascii=False))
Rezultatas:
{
"name": "MacBook Pro 16-inch",
"brand": "Apple",
"price_eur": 2799,
"specs": {
"ram_gb": 24,
"storage_gb": 512,
"screen": "Liquid Retina XDR"
},
"colors": ["Space Black", "Silver"],
"delivery_days_min": 3,
"delivery_days_max": 5,
"free_shipping": true
}
Atkreipk dėmesį, kad prekės ženklas „Apple“ šaltinio tekste neminimas: modelis jį numatė pagal produkto pavadinimą. Tai privalumas praturtinant duomenis, tačiau rizika, kurią reikia stebėti, jei reikalauji griežtai pažodinio ištraukimo.
Kelių elementų apdorojimas vienu kvietimu
Niekas neverčia daryti atskiro kvietimo kiekvienam elementui. Paprašius modelio grąžinti sąrašą pagal vieną raktą, sumažini užklausų skaičių – ir taip pat bendrą delsą – tokioms trumpoms užduotims kaip atsiliepimų analizė. Čia prašomas įvertis svyruoja nuo -1,0 iki 1,0; tai naudinga konvencija vėliau agreguojant rezultatus.
texts = [
"Excellent product, I recommend it!",
"Late delivery, damaged product.",
"Decent for the price, nothing exceptional."
]
response = client.chat.complete(
model="mistral-small-latest",
messages=[
{
"role": "system",
"content": "Analyze the sentiment of each review. Return a JSON with a key 'reviews' containing a list of objects {text, sentiment, score}. The score ranges from -1.0 (very negative) to 1.0 (very positive)."
},
{"role": "user", "content": "\n---\n".join(texts)}
],
response_format={"type": "json_object"},
temperature=0
)
reviews = json.loads(response.choices[0].message.content)["reviews"]
for r in reviews:
print(f"[{r['score']:+.1f}] {r['sentiment']} — {r['text'][:40]}...")
Viena detalė, bendra visiems šiems pavyzdžiams, nusipelno pabrėžimo: čia sistemingai naudojama temperature=0. Ištraukimo ir klasifikavimo užduotims kūrybiškumas nieko neprideda, o kainuoja atkuriamumą.
Svarbiausi punktai
- JSON režimas puikiai tinka duomenų ištraukimui, klasifikavimui ir konvertavimui
- Naudok sistemos priminimą norėdamas apibrėžti tikėtiną struktūrą ir tipus
temperature=0užtikrina atkuriamus rezultatus- Vieno užklausos metu galima apdoroti kelis elementus, prašant JSON sąrašo
- Prieš naudodamas duomenis, visada išanalizuok atsakymą naudodamas
json.loads()/JSON.parse()