Waarom gestructureerde uitvoer?
Op deze pagina
Modelupdate, 2 november 2026. Mistral Large 3 (
mistral-large-2512) en Mistral Medium 3.5 zijn op 31 oktober 2026 verouderd geraakt en worden op 30 april 2027 buiten gebruik gesteld. Hun aangewezen opvolger, Mistral Large 4 (mistral-large-4), is sinds 6 oktober beschikbaar in openbare preview. De voorbeelden in deze cursus gebruiken de aliasmistral-large-latest, die volgens de officiële specificatie nog steeds verwijst naar Mistral Large 3 (geverifieerd op 3 november 2026). Evenzo verwijstmistral-medium-latestnaar Mistral Medium 3.5. Deze aliassen blijven geldig tot 30 april 2027. Test voor nieuwe projectenmistral-large-4, hun aangewezen opvolger.
Het probleem met vrije tekstuitvoer
Wanneer u een taalmodel in een geautomatiseerde pipeline plaatst, loopt u al snel tegen een probleem aan dat zelden op de eerste dag zichtbaar wordt: de respons in vrije tekst is onvoorspelbaar. Dezelfde informatie kan op tientallen verschillende manieren worden geformuleerd, en elke variatie dwingt uw downstream-code om deze anders te parseren. Wat tijdens een demo werkt, faalt in productie, vaak stilletjes.
Neem een alledaagse taak. U vraagt Mistral om een productnaam en prijs uit een commerciële beschrijving te halen. Zonder beperkingen kan het model antwoorden:
The product is called "Widget Pro" and costs €49.99.
Of, voor dezelfde input slechts een paar uur later:
Name: Widget Pro
Price: 49.99 EUR
Beide antwoorden zijn correct voor een menselijke lezer. Voor uw code hebben ze bijna niets gemeen: het decimaalteken is veranderd van een komma in een punt, het valutasymbool is een ISO-code geworden en de zinsstructuur is verdwenen. Elke variatie vereist andere parseerlogica. In productie leidt dit tot stille fouten, gebroken pipelines en urenlang debuggen.
JSON: het universele formaat voor pipelines
JSON lost dit probleem op door een machine-leesbare structuur af te dwingen. Dezelfde extractie wordt eenduidig:
{
"name": "Widget Pro",
"price": 49.99,
"currency": "EUR"
}
De code die deze respons verwerkt, wordt weer eenvoudig en betrouwbaar. In plaats van een fragiele reguliere expressie te schrijven, schrijft u twee stabiele regels:
import json
data = json.loads(response)
product_name = data["name"]
price = data["price"]
Geen riskante regexen meer, geen heuristisch parseren meer. JSON is de de facto standaard voor communicatie tussen systemen, waardoor het de natuurlijke keuze is voor LLM-uitvoer in professionele contexten.
Waar de behoefte ontstaat
Gestructureerde uitvoer wordt essentieel zodra de respons van het model iets anders dan een scherm voedt. Informatie-extractie is het meest directe voorbeeld: entiteiten (namen, datums, bedragen) uit ongestructureerde documenten halen, is alleen nuttig als het resultaat direct in een systeem terechtkomt. Classificatie volgt dezelfde logica: het categoriseren van supporttickets, e-mails of klantrecensies vereist dat het label en de betrouwbaarheidsscore in voorspelbare velden aankomen, niet begraven in een zin.
Datatransformatie gaat hier nog een stap verder door vrije tekst om te zetten in gestructureerde records bestemd voor een database. Agents en oproepketens zijn hier net zo afhankelijk van: een agent kan een workflow alleen orchestreren als deze een gestructureerde actie retourneert, met de toolnaam en de parameters in stabiele sleutels. Tot slot fungeert een LLM soms als tussenlaag voor een REST-API die een specifieke payload verwacht; in dit geval is het formaat geen gemak, maar een contract.
De kosten van misvormde uitvoer
In productie is betrouwbaarheid geen optie, en een misvormde uitvoer kost u op drie manieren. Syntactisch ongeldige JSON laat uw applicatie crashen tijdens het parseren; dit is het meest zichtbare scenario, maar paradoxaal genoeg het minst gevaarlijke. Ontbrekende velden corrumperen uw data stilletjes: het record passeert, maar is onvolledig, en het probleem komt pas weken later aan het licht. Niet-overeenkomende typen—een string "42" waar u het getal 42 verwachtte—veroorzaken onverwacht gedrag in downstream-berekeningen zonder ooit een uitzondering te genereren.
Mistrals gestructureerde uitvoer pakt deze drie uitdagingen aan met twee complementaire mechanismen. JSON-modus garandeert geldige JSON-uitvoer zonder een schema af te dwingen: u schakelt dit in met een parameter en stuurt het formaat via de prompt. Aangepaste gestructureerde uitvoer gaat verder door een precies schema af te dwingen, beschreven met Pydantic in Python of Zod in TypeScript.
Deze cursus leidt u door beide benaderingen. U leert hoe u de juiste kiest voor uw use case, de bijbehorende code in beide talen schrijft en foutgevallen afhandelt met patronen die standhouden in productie.
Belangrijkste punten
- Uitvoer in vrije tekst is onvoorspelbaar en ongeschikt voor geautomatiseerde pipelines
- JSON is het standaardformaat voor communicatie tussen machines
- Mistral biedt twee mechanismen voor gestructureerde uitvoer: JSON-modus en Aangepaste gestructureerde uitvoer
- Betrouwbaarheid van uitvoer is cruciaal in productie; gestructureerde uitvoer is een investering, geen luxe