Pāriet uz galveno saturu
Latviešu— Izvēlēties valodu
Izvēlne

Rīks web_search: meklēšana internetā reāllaikā

Nodarbība 8 no 18 Atjaunota 2026. gada 2. novembris Programmētājs
Šajā lapā
  1. Mistral četri iebūvētie rīki
  2. Detalizēts apskats: Web Search
  3. Meklēšanas veikšana
  4. Atbildes uzbūve
  5. Tiešā režīma izmantošana (bez aģenta)
  6. Labākā prakse, kas rada atšķirību
  7. Galvenās atziņas

Mistral četri iebūvētie rīki

Šī nodarbība atklāj sadaļu par iebūvētajiem rīkiem. Pirms ķeramies pie pirmā, velti minūti, lai apskatītu četrus Agents API pieejamos rīkus un problēmas, kuras tie risina.

Rīks Tips Apraksts Lietojums
Web Search web_search Meklēšana internetā reāllaikā Ziņas, uzraudzība, faktu pārbaude
Code Interpreter code_interpreter Python koda izpilde smilškastē Aprēķini, datu analīze, diagrammas
Image Generation image_generation Attēlu ģenerēšana no teksta Ilustrācijas, maketi, radošie darbi
Document Library document_library RAG augšupielādētiem dokumentiem Jautājumi par failiem, ekstrakcija, kopsavilkumi

Šie rīki darbojas Mistral mākoņa vidē – tev nav jāpārvalda nekāda infrastruktūra. Šī ir būtiska atšķirība no klasiskās funkciju izsaukšanas, kur izpildi veic tu: šeit tu tikai deklarē spēju, bet nodrošinātājs rūpējas par smilškasti, atkarībām un mērogojamību.

Rīks web_search ļauj tavam aģentam reāllaikā meklēt informāciju internetā. Tas ir visplašāk izmantotais rīks, jo tas atrisina fundamentālu LLM problēmu: laika nobīdi attiecībā pret realitāti. Modelis nezina neko par notikumiem, kas notikuši pēc tā apmācības, un tas pat nezina, ka nezina – tāpēc tas sniedz pārliecinātas atbildes, balstoties uz novecojušu pasaules skatījumu.

Aģenta konfigurēšana ar šo rīku prasa tikai dažas koda rindiņas.

from mistralai.client import Mistral
import os

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

agent = client.beta.agents.create(
    model="mistral-medium-latest",
    name="Web Search Agent",
    instructions="You perform web searches to answer questions. Always cite your sources.",
    tools=[{"type": "web_search"}],
    completion_args={"temperature": 0.3, "top_p": 0.95}
)

Meklēšanas veikšana

Tu vaicā šim aģentam tāpat kā jebkuram citam: lēmumu meklēt pieņem pats aģents.

response = client.beta.conversations.start(
    agent_id=agent.id,
    inputs="Who won the most recent European Football Championship?"
)

Aiz šī viena izsaukuma slēpjas vesels notikumu ķēdes process. Aģents vispirms analizē jautājumu, lai noteiktu, vai tā paša zināšanas ir pietiekamas – šeit vārdi „most recent” (visnesenākais) norāda uz datētu informāciju, tāpēc tās nav pietiekamas. Tad tas formulē optimizētu meklēšanas vaicājumu, kas bieži atšķiras no tava teikuma, esot attīrīts no sarunvalodas elementiem. Tas veic meklēšanu, pēc tam sintezē rezultātus, pievienojot atsauces. Tu nekontrolē nevienu no šiem soļiem, bet vari redzēt tos visus atbildē.

Atbildes uzbūve

Atbilde satur vairākus secīgus ierakstus, caur kuriem tev jāiet secībā.

for entry in response.outputs:
    print(f"--- {entry.type} ---")

    if entry.type == "tool.execution":
        # Veiktās meklēšanas detaļas
        print(f"Tool: {entry.tool_name}")

    elif entry.type == "message.output":
        # Atbilde ar atsauēm
        for chunk in entry.content:
            if chunk.type == "text":
                print(chunk.text)
            elif chunk.type == "tool_reference":
                print(f"[Source] {chunk.title} — {chunk.url}")

Vispirms redzēsi ierakstu tool.execution, kas nes operācijas metadatus, tostarp faktiskos vaicājumus, kas nosūtīti meklētājprogrammai. Šī ir vieta, kur skatīties, ja atbilde šķiet neatbilstoša tēmai, jo bieži vien redzēsi, ka pārfomulējums ir novirzījies. Ieraksts message.output nes sintezēto atbildi, kas sadalīta text un tool_reference fragmentos – tieši tāpēc iepriekšējā kodā ir ligzdota cilpa.

Tiešā režīma izmantošana (bez aģenta)

Rīks darbojas arī bez reģistrēta aģenta, kas ir ērti ātrai testēšanai.

response = client.beta.conversations.start(
    model="mistral-large-latest",
    inputs=[{"role": "user", "content": "Latest news on Mistral AI"}],
    tools=[{"type": "web_search"}]
)

Labākā prakse, kas rada atšķirību

Sāc ar precīzu jautājumu formulēšanu. Aģents pārveido tavu jautājumu par meklēšanas vaicājumu: „pastāsti man par mākslīgo intelektu” dos vispārīgus rezultātus, savukārt „kādi Eiropas mākslīgā intelekta noteikumi tika pieņemti 2026. gadā?” uzreiz mērķēs uz konkrētām lapām. Šis noteikums attiecas arī uz jautājumiem, ko uzdod tavi lietotāji: ja tava saskarne pieļauj neskaidrus pieprasījumus, iekļauj instrukcijās soli pārfomulēšanai vai precizējošu jautājumu uzdošanai.

Tālāk kontrolē temperatūru. Faktisku uzdevumu veikšanai zema vērtība – robežās no 0,2 līdz 0,4 – samazina halucinācijas rezultātu sintēzes laikā. Meklēšana nodrošina izejmateriālu, bet modeli joprojām raksta tekstu, un nekas neliedz tam aizpildīt nepilnības, ja tam tiek dots pārāk daudz brīvības.

Visbeidzot, pārbaudi avotus. Atsauces tiek ģenerētas automātiski, taču to atbilstība variē: foruma ieraksts un oficiāls teksts atsauču sarakstā izskatās līdzīgi. Kritiskos kontekstos pirms informācijas pieņemšanas atver atgrieztos URL adreses – un parādi tās arī saviem lietotājiem, lai viņi varētu darīt to pašu.

Galvenās atziņas

  • web_search nodrošina aģentam reāllaika piekļuvi internetam
  • Atbildēs automātiski tiek iekļautas atsauces (nosaukums + URL)
  • web_search_premium pievieno pārbaudītus ziņu avotus
  • Rīks darbojas gan ar aģentu, gan bez tā (iespējams tiešais režīms)
  • Faktiskiem uzdevumiem ieteicama zema temperatūra