API-ul Document QnA
Pe această pagină
Lecție actualizată la 3 noiembrie 2026. Adendendum din 3 noiembrie 2026: Pentru a trimite un fișier PDF local, transmiteți-l codat în base64 în formatul
{"type": "document_url", "document_url": "data:application/pdf;base64,…"}. Tipuldocument_base64întâlnit în exemplele mai vechi nu există nici în documentație, nici în SDK-ulmistralai, iar acele exemple ar fi eșuat. Surse: OCR Processor · Document QnA.
Interogarea documentelor în limbaj natural
Document QnA combină tehnologia OCR cu un model LLM Mistral, permițându-vă să puneți întrebări direct despre conținutul documentelor dumneavoastră. În loc să parcurgeți cincizeci de pagini pentru a găsi o clauză sau o cifră specifică, puneți simplu întrebarea și citiți răspunsul. Intern, serviciul execută doi pași: OCR extrage textul, structura și formatarea, apoi un model de chat Mistral analizează conținutul extras pentru a genera un răspuns. Această combinație este transparentă pentru dumneavoastră – un singur apel API gestionează totul.
Un endpoint diferit față de OCR
Acesta este aspectul care îi derutează adesea pe utilizatori la prima încercare. OCR-ul pur folosește client.ocr.process, în timp ce QnA utilizează endpoint-ul standard de Chat client.chat.complete, cu un mesaj care conține atât un bloc de text, cât și un bloc document_url. Cu alte cuvinte, documentul devine o anexă la întrebarea dumneavoastră, exact ca o imagine într-un schimb multimodal.
import os
from mistralai.client import Mistral
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
# Întrebare despre un document public
response = client.chat.complete(
model="mistral-small-latest",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "What is the total revenue mentioned?"
},
{
"type": "document_url",
"document_url": "https://example.com/annual-report.pdf"
}
]
}
]
)
print(response.choices[0].message.content)
Trei moduri de a trimite documentul
Un URL public este cea mai directă metodă, ideală pentru documentele deja accesibile online – cum ar fi o publicație științifică, un raport instituțional sau un PDF găzduit pe site-ul dumneavoastră web.
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize the main points."},
{
"type": "document_url",
"document_url": "https://arxiv.org/pdf/1805.04770"
}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
Fișierele locale, pe de altă parte, sunt trimise ca base64. Acesta este modul implicit ori de câte ori un document este confidențial sau stocat în spatele firewall-ului dumneavoastră; nimic nu trebuie publicat pe web pentru a fi interogat.
import base64
with open("contract.pdf", "rb") as f:
doc_base64 = base64.b64encode(f.read()).decode("utf-8")
messages = [
{
"role": "user",
"content": [
{
"type": "text",
"text": "What are the termination clauses?"
},
{
"type": "document_url",
"document_url": f"data:application/pdf;base64,{doc_base64}"
}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
În final, există a treia opțiune pentru fișierele deja încărcate prin API-ul Files: încărcați o singură dată cu purpose="ocr", apoi faceți referire la ID-ul rezultat de câte ori este necesar. Pentru un document pe care intenționați să îl interogați de mai multe ori, acest lucru evită reîncărcarea câtorva megabytes la fiecare întrebare.
uploaded = client.files.upload(
file=open("report.pdf", "rb"),
purpose="ocr"
)
messages = [
{
"role": "user",
"content": [
{"type": "text", "text": "What is the planned budget?"},
{"type": "file_id", "file_id": uploaded.id}
]
}
]
response = client.chat.complete(
model="mistral-small-latest",
messages=messages
)
Ce model de chat pentru ce întrebare
Parametrul model vă aparține și impactează atât calitatea răspunsului, cât și costul.
| Model | Profil | Când să îl alegeți |
|---|---|---|
mistral-small-latest | Rapid și economic | Suficient pentru majoritatea întrebărilor |
mistral-medium-latest | Compromis bun | Echilibru între viteză și acuratețe |
mistral-large-latest | Mai precis | Analiză și raționament complex |
Alegerea dumneavoastră depinde de complexitatea întrebărilor și de buget: extragerea unei sume de pe o factură nu necesită același model ca compararea regimurilor de răspundere dintre două contracte.
Înlănțuirea întrebărilor
Nu trebuie să puneți totul deodată. Trimiteți documentul în primul mesaj, adăugați răspunsul modelului în istoric, apoi puneți întrebarea de follow-up doar ca text: contextul documentului rămâne în conversație. Aceasta este metoda naturală de a explora un raport – începeți cu un rezumat, apoi aprofundați punctul care vă interesează.
history = [
{
"role": "user",
"content": [
{"type": "text", "text": "Summarize this document in 3 points."},
{
"type": "document_url",
"document_url": "https://example.com/report.pdf"
}
]
}
]
# Primul apel
response = client.chat.complete(
model="mistral-small-latest",
messages=history
)
# Adăugarea răspunsului în istoric
history.append({
"role": "assistant",
"content": response.choices[0].message.content
})
# Întrebare de follow-up
history.append({
"role": "user",
"content": "Detail the second point."
})
response = client.chat.complete(
model="mistral-small-latest",
messages=history
)
print(response.choices[0].message.content)
Ce nu va face QnA pentru dumneavoastră
Patru limitări merită cunoscute înainte de a construi un serviciu pe baza acestei tehnologii. În primul rând, dimensiunea: 50 MB per fișier și un maxim de 1.000 de pagini, ceea ce exclude arhivele mari fără o divizare prealabilă. În al doilea rând, costul, deoarece documentele lungi consumă mulți tokeni de intrare la fiecare întrebare pusă. În al treilea rând, lipsa memoriei persistente înseamnă că trebuie să reconstruiți istoricul dumneavoastră; fiecare apel este independent în afara unei conversații cu mai multe tururi. Cel mai delicat punct este ultimul: LLM interpretează la fel de mult pe cât extrage, ceea ce poate introduce erori în cifrele precise. Pentru o sumă care intră în contabilitate, preferați adnotarea structurată; rezervați QnA pentru înțelegere și sinteză.
Puncte cheie
- Document QnA utilizează endpoint-ul Chat cu conținut
document_url: fie un URL public, fie un PDF codat base64 ca URL de date - Fluxul intern este OCR apoi LLM, dar este necesar un singur apel
- Trei metode de trimitere: URL, base64, fișier încărcat
- Conversațiile multi-tur permit o analiză aprofundată
- Alegeți modelul de chat în funcție de complexitatea întrebărilor dumneavoastră