Proces Forge
Na tej stronie
Aktualizacja z 2 listopada 2026 r. — Le Chat to teraz Vibe. Od 28 maja 2026 r. usługa Le Chat zmieniła nazwę na Vibe (nadal dostępna pod adresem chat.mistral.ai): jest to pojedynczy agent do pracy i kodowania, który zachowuje Twoje konwersacje, ustawienia i subskrypcje. Legacyjne doświadczenie Le Chat pozostaje dostępne w trybie Chat. W trybie Work agenci są teraz umiejętnościami (wywoływanymi za pomocą `@»), pamięci służą jako baza wiedzy, a głębokie badania to umiejętność Deep Research. Plany noszą teraz nazwy Mistral Free, Pro, Team i Enterprise. W tej lekcji używamy nazwy Vibe; pamiętaj, że niektóre opisane tu menu mogły zmienić nazwy lub lokalizację.
Od ewaluacji do wdrożenia: kompletna podróż
Projekt Forge przebiega przez cztery fazy, prowadzone przez inżyniera ds. wdrożeń terenowych Mistral (FDE). Nie konfigurujesz nic samodzielnie z poziomu konsoli. Zamiast tego projekt jest wspólnym zobowiązaniem Twojej organizacji i Mistral AI, z określonymi kamieniami milowymi, mierzalnymi rezultatami i przewidywalnym harmonogramem: od 2 do 4 tygodni na ewaluację, od 4 do 8 tygodni na przygotowanie danych, od 4 do 6 tygodni na trening i iteracje oraz od 2 do 4 tygodni na wdrożenie i monitorowanie. Łącznie przewiduj od 3 do 6 miesięcy, w zależności od złożoności przypadku użycia i jakości danych. Znajomość tej sekwencji z wyprzedzeniem uchroni Cię przed obiecaniem kierownictwu wyniku w ciągu sześciu tygodni.
Faza 1: Ewaluacja (od 2 do 4 tygodni)
Celem jest ustalenie, czy Forge jest właściwym podejściem, oraz zdefiniowanie kryteriów sukcesu. Zespół Mistral współpracuje z Twoim sponsorem biznesowym i zespołem technicznym na czterech płaszczyznach. Audyt przypadku użycia zaczyna się od najprostszych, choć najbardziej niewygodnych pytań: Jaki dokładnie problem rozwiązujesz? Czy naprawdę przetestowałeś inżynierię promptów i RAG? Dlaczego są one niewystarczające? Ocena danych mierzy dostępną objętość i ich rzeczywisty stan – czy są ustrukturyzowane, czy nieustrukturyzowane, czy mają adnotacje, czy są surowe, czy są aktualne, czy przestarzałe.
Następnie następuje pomiar bazowy, krok, który wielu pomija, by później tego żałować. Musisz ocenić wydajność modelu ogólnego przeznaczenia w docelowych zadaniach; bez tego nie jesteś w stanie określić ilościowo wartości dodanej przez Forge. Faza kończy się zdefiniowaniem wskaźników KPI: precyzji, pełności (recall), czasu przetwarzania i satysfakcji użytkowników.
Rezultatem jest dokument zakresu projektu zawierający definicję przypadku użycia, inwentaryzację danych, metryki bazowe, docelowe wskaźniki KPI oraz wstępny harmonogram. Następnie zapada wspólna decyzja „tak/nie“. Jeśli dane są niewystarczające lub przypadek użycia nie uzasadnia zastosowania Forge, zespół Mistral skieruje Cię ku rozwiązaniom RAG lub inżynierii promptów. Decyzja „nie“ na tym etapie oszczędzi Ci kilku miesięcy pracy i znacznego budżetu.
Faza 2: Przygotowanie danych (od 4 do 8 tygodni)
Ta faza polega na budowie zbioru danych treningowych. Jest to etap najbardziej krytyczny i czasochłonny, ponieważ jakość modelu zależy bezpośrednio od jakości danych użytych do jego trenowania. Praca zaczyna się od gromadzenia: ekstrakcji dokumentów, przykładów i przypadków użycia z Twoich systemów wewnętrznych. Następnie następuje czyszczenie – usuwanie duplikatów, przestarzałych dokumentów i uszkodzonych danych – po czym następuje strukturyzacja, która przekształca surowe dane w pary instrukcja-odpowiedź nadające się do treningu. Gdy wymaga tego przypadek użycia, adnotacje wykonane przez Twoich ekspertów dziedzinowych dodają etykiety, kategorie lub metadane. Końcowa walidacja przeprowadzona przez tych samych ekspertów zapewnia, że korpus odzwierciedla praktyki ze świata rzeczywistego i oczekiwany poziom jakości.
Przydziel role w zakresie dokumentacji już na samym początku. Twój zespół ds. danych zajmuje się gromadzeniem, czyszczeniem i strukturyzacją. Twoi eksperci dziedzinowi odpowiadają za adnotacje i walidację. FDE od Mistral zapewnia wsparcie metodyczne, waliduje formaty oraz rekomenduje odpowiednie wolumeny i standardy jakości.
Cztery pułapki powtarzają się nieustannie. Korpus, który nadreprezentuje pewne przypadki, produkuje model obciążony tymi samymi proporcjami. Przestarzałe dokumenty tworzą model, który pewnie odpowiada w oparciu o przestarzałe procedury, co jest bardziej niebezpieczne niż brak odpowiedzi w ogóle. Kilka setek przykładów nigdy nie wystarczy do jakościowego dostrajania. Wreszcie, jeśli musisz dokonać wyboru, wybierz mniejszy, jednorodny korpus zamiast ogromnego zbioru o nierównej jakości.
Faza 3: Trening i iteracje (od 4 do 6 tygodni)
Model bazowy jest dostrajany na Twoim zbiorze danych, a następnie oceniany na zbiorze walidacyjnym złożonym z danych, których nie widział podczas treningu. Wyniki są porównywane z linią bazową i docelowymi wskaźnikami KPI zdefiniowanymi w Fazie 1. Każda rozbieżność uruchamia iterację: dostosowanie hiperparametrów, wzbogacenie zbioru danych lub skorygowanie zidentyfikowanych błędów. Równolegle Twoi eksperci przeprowadzają walidację biznesową, testując model na rzeczywistych przypadkach. Model, który spełnia metryki, ale zawodzi na codziennych plikach, nie jest gotowy.
W praktyce osiągnięcie docelowego poziomu wymaga od 2 do 4 iteracji, z których każda trwa od 1 do 2 tygodni. FDE odpowiada za całą stronę techniczną: konfigurację treningu, optymalizację hiperparametrów, diagnozowanie problemów z wydajnością i rekomendowanie ulepszeń danych. Twój zespół nie potrzebuje wiedzy z zakresu uczenia maszynowego; FDE działa jako Twój techniczny interfejs z platformą Forge.
Faza 4: Wdrożenie i monitorowanie (od 2 do 4 tygodni)
Niestandardowy model jest wdrażany w docelowej infrastrukturze – Mistral Cloud, dedykowanej VPC lub on-premise – i integrowany z Twoim środowiskiem poprzez Mistral Enterprise, Enterprise Search lub Twoje wewnętrzne aplikacje za pomocą interfejsów API. Testy obciążeniowe walidują wydajność w warunkach produkcyjnych. Szkolenie przygotowuje użytkowników końcowych do pracy z modelem, który zachowuje się inaczej niż model ogólnego przeznaczenia. Pulpity nawigacyjne śledzą wydajność, wolumen i satysfakcję.
To monitorowanie bezpośrednio informuje o zarządzaniu (governance). Wykrywa stopniową degradację wydajności, nieprzewidziane przypadki użycia oraz sygnały wskazujące na konieczność ponownego treningu, takie jak dostępność nowych danych lub zmiany proceduralne. Model Forge nie jest statyczny. Zaplanuj cykl kwartalny dla domen szybko ewoluujących, cykl półroczny dla domen stabilnych oraz cykle na żądanie w przypadku dużych zmian, takich jak nowe regulacje, fuzje lub uruchomienie nowych produktów.
Budżet i zasoby do zapewnienia
Po stronie Mistral zobowiązanie obejmuje dedykowanego FDE na czas trwania projektu, infrastrukturę treningową (GPU) oraz wsparcie techniczne i metodyczne. Po Twojej stronie zarezerwuj od 10% do 20% czasu swojego sponsora biznesowego, zespół ds. danych składający się z jednej lub dwóch osób pracujących w niepełnym wymiarze godzin podczas Fazy 2, kilka godzin tygodniowo od ekspertów dziedzinowych na potrzeby walidacji oraz budżet projektowy, który varies w zależności od złożoności (do określenia podczas fazy ewaluacji). Rzeczywiście zapewnij te zasoby. Projekt, w którym sponsor nie zwolnił tego czasu, utknienie w Fazie 2.
Kluczowe wnioski
- Proces Forge trwa od 3 do 6 miesięcy i obejmuje cztery fazy: ewaluację, dane, trening i wdrożenie
- Przygotowanie danych jest fazą najbardziej krytyczną – jakość danych determinuje jakość modelu
- FDE od Mistral prowadzi Cię od początku do końca – Twój zespół nie potrzebuje wiedzy z zakresu uczenia maszynowego
- Zaplanuj cykl ponownego treningu, aby utrzymać wydajność w czasie