Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Lomas: sistēma, lietotājs un asistents

Nodarbība 2 no 16 Atjaunota 2026. gada 2. novembris Iesācējs
Šajā lapā
  1. Izproti lomu sistēmu
  2. Sistēmas loma: tava prompta pamats
  3. Lietotāja loma: konkrētais pieprasījums
  4. Asistenta loma: atbildes virzīšana
  5. Rīka loma: funkciju rezultāti
  6. Izveido pilnvērtīgu sarunu
  7. Galvenās atziņas

Izproti lomu sistēmu

Mistral sarunu pabeigšanas API (Chat Completions API) katru dialogu strukturē ap ziņojumiem piešķirtajām lomām. Katram modelim nosūtītajam ziņojumam ir jābūt lomai, kas definē tā funkciju mijiedarbībā: kurš runā un ar kādām pilnvarām. Šis mehānisms var šķist tikai tehniska detaļa, taču patiesībā tas ir jebkura profesionāla prompta mugurkauls – tieši tas atšķir vienkāršu jautājumu tērzētavā no rūpīgi izveidotas lietotnes.

Mistral atpazīst četras dažādas lomas, katrai no tām ir precīza funkcija:

Loma Apraksts Piemērs
system Definē modeļa personību, uzvedību un vispārējo kontekstu "Tu esi franču tiesību eksperts, kas specializējas darba tiesībās."
user Satur lietotāja pieprasījumu vai instrukciju "Kādas ir darba devēja saistības ekonomisku atlaišanu gadījumā?"
assistant Apzīmē modeļa atbildes vai ļauj iepriekš aizpildīt atbildes sākumu "Šeit ir 5 galvenās saistības: 1. ..."
tool Atgriež funkcijas izsaukuma rezultātu (function calling) JSON rezultāts no datubāzes meklēšanas

Sistēmas loma: tava prompta pamats

Ziņojums ar lomu system ir pirmais ziņojumu sarakstā un darbojas kā pastāvīga direktīva, kas ietekmē visu sarunu. Uztver to kā darba aprakstu, ko nodotu jaunam komandas biedram pirms viņa pirmās darba dienas: tas nosaka vēlamo personību (toni, formalitātes līmeni, valodu), preferēto ekspertīzes jomu, noteikumus par to, ko modelim drīkst vai nedrīkst darīt, kā arī noklusējuma formātu tā atbildēm. Kad šis apraksts ir uzrakstīts, katra nākamā apmaiņa notiek šīs sistēmas ietvaros, un tev tas nav jāatkārto.

messages = [
    {
        "role": "system",
        "content": """Tu esi vecākais tehniskais rakstnieks, kas specializējas API dokumentācijā.
Noteikumi:
- Izmanto precīzu tehnisko angļu valodu
- Vienmēr iekļauj Python koda piemērus
- Strukturē savas atbildes ar virsrakstiem un sarakstiem
- Nekad nepārsniedz 500 vārdus vienā atbildē"""
    },
    {
        "role": "user",
        "content": "Paskaidro, kā apstrādāt HTTP kļūdas REST API."
    }
]

Ņem vērā svarīgu aspektu tavām nākotnes lietotnēm: sistēmas promptu pārvalda izstrādātājs, nevis gala lietotājs. Tavas lietotnes lietotājs to nekad neredz, taču visa viņa mijiedarbība notiek tavā izveidotajā ietvarā. Tas padara to par tavu spēcīgāko kontroles sviru.

Lietotāja loma: konkrētais pieprasījums

Ziņojums ar lomu user satur konkrēto pieprasījumu. Šī ir visintuitīvākā loma: tā apzīmē to, ko cilvēks saka modelim, un katrs jauns lietotāja jautājums vai instrukcija kļūst par ziņojumu ar lomu user. Tās šķietamā vienkāršība nedrīkst likt aizmirst par labo praksi: formulē savu pieprasījumu precīzi, norādi vēlamo formātu, ja tas atšķiras no sistēmas promptā definētā, un sniedz datus, kas modelim nepieciešami, tieši ziņojumā – tekstu, ko apkopot, skaitļus, ko analizēt. Modelis nevar iegūt to, ko tu tam nedod.

Asistenta loma: atbildes virzīšana

Loma assistant ir vissmalkākā no trim, jo tai ir divi dažādi lietojumi. Pirmais ir sarunas vēsture: daudzpakāpju apmaiņā modeļa iepriekšējās atbildes tiek atkārtoti ievietotas ar lomu assistant, lai saglabātu kontekstu. Tieši tā modelis “atceras”, ko tas ir teicis:

messages = [
    {"role": "user", "content": "Kura ir Francijas galvaspilsēta?"},
    {"role": "assistant", "content": "Francijas galvaspilsēta ir Parīze."},
    {"role": "user", "content": "Un tās iedzīvotāju skaits?"}
]

Bez starpposma asistenta ziņojuma vietniekvārds “tās” pēdējā jautājumā nekam neatrastos: API ir bez stāvokļa (stateless), un tu atjauno atmiņu ar katru izsaukumu.

Otrs lietojums ir iepriekšēja aizpildīšana (prefix): tu vari pabeigt savu ziņojumu sarakstu ar assistant ziņojumu, kas satur gaidāmās atbildes sākumu. Modelis turpinās no šī punkta, it kā pirmie vārdi jau būtu izskanējuši no tā mutes. Šī ir spēcīga tehnika izvades formāta kontrolei:

messages = [
    {"role": "user", "content": "Uzskaiti 3 Python ietvarus tīmeklim."},
    {"role": "assistant", "content": "```json\n[", "prefix": True}
]

Ņem vērā lauku "prefix": True: Mistral API to pieprasa šajā pēdējā assistant ziņojumā, lai to uzskatītu par atbildes sākumu.

Šeit modelis saprot, ka tas raksta JSON, un pabeigs iesākto masīvu bez ievada vai ievadteikuma. Tur, kur teksta instrukcija “atbildi JSON formātā” varētu tikt ignorēta, jau uzrakstīts atbildes sākums neatstāj lielu izvēli.

Rīka loma: funkciju rezultāti

Loma tool tiek izmantota funkciju izsaukšanas (function calling) laikā. Kad modelis nolemj izsaukt ārēju funkciju – tīmekļa meklēšanu, API pieprasījumu, aprēķinu – šīs funkcijas rezultāts tiek nosūtīts atpakaļ tam kā tool ziņojums, ko tas pēc tam integrē savā atbildē. Šī loma ir sarežģītāka un tiks aplūkota specializētos kursos; pagaidām pietiek atcerēties, ka tā pastāv un papildina galveno trijotni.

Izveido pilnvērtīgu sarunu

Tagad apvienosim visus šos elementus realistiskā apmaiņā, kur sistēmas prompts ierāmē asistentu, vēsture uztur pavedienu, bet pēdējais jautājums dabiski balstās uz iepriekš teikto:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": "Tu esi franču kulinārijas asistents. Atbildi kodolīgi."
        },
        {
            "role": "user",
            "content": "Kā pagatavot klasisku vinigretu?"
        },
        {
            "role": "assistant",
            "content": "Klasiskai vinigretai sajauc 1 karoti sinepju, 3 karotes olīveļļas un 1 karoti etiķa."
        },
        {
            "role": "user",
            "content": "Un vieglāku versiju?"
        }
    ]
)

Novēro arhitektūru: vispirms sistēma, tad lietotāja un asistenta maiņa, kas atveido sarunas plūsmu. Šī kārtība nav dekoratīva – tieši tā ļauj modelim pareizi interpretēt “viegāku versiju” kā tikko apspriestās vinigretas variantu.

Galvenās atziņas

  • Loma system ierāmē modeļa vispārējo uzvedību – tas ir tavs spēcīgākais instruments
  • Loma user nodod lietotāja konkrēto pieprasījumu
  • Loma assistant kalpo gan kā vēsture, gan kā ceļvedis atbildes formātam
  • Loma tool apstrādā funkciju izsaukumu rezultātus
  • Ziņojumu secība ir izšķiroša: vispirms sistēma, tad lietotāja un asistenta maiņa