Przejdź do głównej treści
Polski— Wybierz język
Menu

Wprowadzenie do przepływów pracy Mistral

Lekcja 1 z 14 Zaktualizowano 3 listopada 2026 Zaawansowany
Na tej stronie
  1. Orkiestracja złożonych zadań AI
  2. Czym jest trwały przepływ pracy?
  3. Kroki w typowym przepływie pracy
  4. Kluczowe możliwości platformy
  5. Konkretne przypadki użycia
  6. Public Preview: co to oznacza?
  7. Kluczowe wnioski

Aktualizacja z 2 listopada 2026 r. — Modele. Modele Mistral Large 3 (mistral-large-2512) oraz Mistral Medium 3.5 zostały wycofane z użytku 31 października 2026 r., a ich pełne usunięcie nastąpi 30 kwietnia 2027 r. Ich wyznaczony następca, Mistral Large 4 (mistral-large-4), jest dostępny w wersji publicznej zapowiedzi (Public Preview) od 6 października. Przykłady w tym kursie wykorzystują alias mistral-large-latest, który zgodnie z oficjalną specyfikacją (zweryfikowano 3 listopada 2026 r.) nadal wskazuje na Mistral Large 3, podobnie jak mistral-medium-latest wskazuje na Mistral Medium 3.5. Aliasy te pozostaną ważne do 30 kwietnia 2027 r. W przypadku nowych projektów przetestuj mistral-large-4, ich wyznaczonego następcę.

Orkiestracja złożonych zadań AI

Poważna aplikacja AI nigdy nie zmieści się w jednym wywołaniu API. Wyobraź sobie usługę, która każdej nocy generuje raport dla klienta: pobiera dane z trzech systemów, wysyła je do modelu w celu przetworzenia, e-mailem odsyła wynik, czeka na zatwierdzenie przez menedżera, a następnie uruchamia proces fakturowania. Ten łańcuch operacji trwa godziny, a czasem dni, przekraczając granice sieci, kolejek i usług zewnętrznych – żadna z nich nie jest w 100% niezawodna.

W dniu, w którym maszyna obsługująca ten potok zostanie zrestartowana pomiędzy wysłaniem e-maila a przetworzeniem faktury, stajesz przed dwoma scenariuszami. Albo uruchamiasz wszystko od zera, a klient otrzymuje raport po raz drugi, albo ręcznie napisałeś system punktów kontrolnych, blokad i tabel stanu – setki linii kodu, które nie mają nic wspólnego z Twoją główną działalnością. Platforma Mistral AI Workflows, uruchomiona w wersji Public Preview 27 kwietnia 2026 r., istnieje po to, by uratować Cię przed tym wyborem. Gwarantuje ona coś fundamentalnego: Twój przepływ pracy nigdy nie utraci postępów.

Czym jest trwały przepływ pracy?

Trwały przepływ pracy (durable workflow) to program, w którym każdy krok jest trwale zapisywany przed rozpoczęciem kolejnego. Wróćmy do nocnego raportu: w momencie wysłania e-maila platforma już zapisała w swoim dzienniku, że ten krok został ukończony, i zarejestrowała wynik. Jeśli proces zatrzyma się sekundę później, wznowi on działanie na etapie fakturowania, a nie na początku – bez utraty danych lub powielania akcji.

Mechanizm ten nie jest eksperymentalny. Platforma Mistral Workflows jest zasilana przez silnik orkiestracji Temporal, sprawdzony w środowisku produkcyjnym w takich firmach jak Netflix, Uber czy Stripe. Dziedziczysz model wykonania, który przetrwał już awarie na dużą skalę, opakowany w warstwę Mistral, która udostępnia go poprzez nowoczesny język Python.

Kroki w typowym przepływie pracy

Zanim przejdziesz do szczegółów w kolejnych lekcjach, oto kompletna ścieżka, którą przebędziesz – od definiowania kodu aż po monitorowanie w środowisku produkcyjnym.

1

Zdefiniuj aktywności

Każda jednostka pracy (wywołanie API, zapytanie do bazy danych, przetwarzanie AI) jest hermetyzowana w funkcji asynchronicznej zwanej aktywnością.

2

Utwórz przepływ pracy

Przepływ pracy orkiestruje aktywności: określa kolejność wykonywania, warunki oraz logikę rozgałęzień.

3

Uruchom worker

Worker to proces, który faktycznie wykonuje Twoje przepływy pracy i aktywności. Łączy się on z platformą Mistral i oczekuje na zadania.

4

Wyzwalaj wykonanie

Uruchamiasz przepływ pracy za pomocą Python SDK lub wywołania cURL. Platforma trwale zapisuje każdy krok i obsługuje automatyczne wznawianie.

5

Obserwuj i monitoruj

Każda aktywność generuje ślady OpenTelemetry. Śledzisz wykonanie w czasie rzeczywistym i diagnozujesz problemy.

Kluczowe możliwości platformy

Wykonanie jest niezawodne i odporne na błędy. Przepływy pracy nigdy nie tracą postępów, ponieważ każdy krok jest trwale zapisywany przed przejściem do następnego. Niezależnie od tego, czy jest to awaria serwera, przerwa w działaniu sieci, czy chwilowy błąd po stronie dostawcy, przepływ pracy automatycznie wznawia działanie dokładnie w miejscu, w którym został przerwany, bez żadnej Twojej interwencji.

Platforma została również zaprojektowana z myślą o scenariuszach natywnych dla AI. Agent łączący wywołania narzędzi, sekwencja modeli czy długa rozmowa z asystentem – wzorce te wiążą się z długimi okresami oczekiwania i częstym wznawianiem, co stanowi ich idealny przypadek użycia. Przepływy pracy mogą trwać od kilku sekund do kilku tygodni, umożliwiając realizację scenariuszy niemożliwych przy użyciu prostego żądania HTTP, takich jak trzydniowe oczekiwanie na walidację przez człowieka.

Architektura jest również w pełni obserwowalna od końca do końca. Każde działanie – ukończenie aktywności, sygnał, błąd – jest rejestrowane jako zdarzenie w czasie rzeczywistym. Możesz strumieniować te zdarzenia do systemów zewnętrznych, co pozwala Ci na przykład wyświetlić użytkownikowi końcowemu pasek postępu odzwierciedlający rzeczywisty stan przetwarzania, a nie jedynie dekoracyjną animację. Co więcej, Python SDK wykorzystuje znajome dekoratory i wzorce async/await: jeśli znasz Pythona, już wiesz, jak pisać przepływy pracy.

Konkretne przypadki użycia

Regularnie pojawiają się cztery rodziny aplikacji. Potok przetwarzania dokumentów łączy ekstrakcję, analizę, podsumowanie i klasyfikację; każdy dokument przechodzi przez te same kroki, dzięki czemu awaria w środku partii nie wymusza pełnego restartu. Agent obsługi klienta pobiera kontekst, generuje odpowiedź, w razie potrzeby eskaluje sprawę do człowieka i realizuje zadania follow-upowe dni po zamknięciu zgłoszenia. Przepływ pracy moderacji treści wykorzystuje wiele modeli do analizy tego samego elementu, stosuje głosowanie większością i w przypadku niezgodności eskaluje sprawę do ludzkiego moderatora. Wreszcie, generowanie raportów polega na zbieraniu danych z wielu źródeł, ich agregacji, wygenerowaniu tekstu, sformatowaniu go i wysłaniu dokumentu.

Public Preview: co to oznacza?

Funkcja Workflows znajduje się w wersji Public Preview od momentu jej uruchomienia 27 kwietnia 2026 r. (oficjalny komunikat), a status ten niesie za sobą praktyczne konsekwencje. Zanim zaczniesz, sprawdź aktualny status w dokumentacji Workflows. API i funkcje mogą ulec zmianie bez powiadomienia: przypnij wersje swoich zależności i zaplanuj przegląd informacji o wydaniu przed każdą aktualizacją. Platforma jest gotowa do środowiska produkcyjnego, ale wymaga ostrożności, co oznacza, że powinieneś mieć plan awaryjny dla krytycznych procesów. Opinie użytkowników bezpośrednio wpływają na harmonogram prac, więc Twój głos ma realne znaczenie. Istnieją pewne ograniczenia techniczne, które szczegółowo omawiamy w kolejnych lekcjach, zamiast je pomijać.

Kluczowe wnioski

  • Mistral Workflows pozwalają orkiestrować złożone zadania AI z gwarancją trwałości
  • Platforma jest zasilana przez Temporal, silnik orkiestracji sprawdzony w środowisku produkcyjnym
  • Architektura opiera się na trzech komponentach: aktywnościach (właściwa praca), przepływach pracy (orkiestracja), workerach (wykonanie)
  • Każdy krok jest trwale zapisywany – przerwany przepływ pracy wznawia się automatycznie
  • Funkcja znajduje się w wersji Public Preview (kwiecień 2026): API mogą ulec zmianie