Salt la conținutul principal
Română— Alege o limbă
Meniu

Context și constrângeri

Lecția 4 din 16 Actualizată 28 iulie 2026 Începător
Pe această pagină
  1. Context: Oferiți modelului ceea ce nu știe
  2. Trei tipuri de context de furnizat
  3. Definirea formatului așteptat
  4. Constrângerea lungimii
  5. Constrângerea tonului și registrului
  6. Constrângerea domeniului de aplicare
  7. Combinarea contextului și a constrângerilor
  8. Puncte cheie

Context: Oferiți modelului ceea ce nu știe

Modelele Mistral dețin cunoștințe generale extinse, dar nu știu nimic despre situația dumneavoastră specifică: compania, proiectul, publicul țintă sau constrângerile de afaceri. Contextul pe care îl furnizați în prompt-ul dumneavoastră acoperă acest decalaj. Aceasta este diferența dintre un instrument de uz general și un asistent specializat. Fără context, modelul generează răspunsuri generice – corecte în medie, dar inutilizabile în particular. Cu contextul potrivit, acesta produce răspunsuri personalizate.

Trei tipuri de context de furnizat

Primul este contextul situațional: situația din jurul cererii dumneavoastră. Un director de marketing care scrie simplu „propune un plan de marketing“ va primi un plan teoretic. Dacă specifică situația, totul se schimbă:

Context: Sunt director de marketing într-o IMM cu 50 de angajați,
specializată în vânzarea de mobilier de birou B2B.
Lansăm o nouă gamă ecologică în septembrie 2026.
Bugetul nostru anual de marketing este de 80.000 €.

Fiecare propoziție din acest context elimină zeci de răspunsuri inadecvate: nicio strategie B2C, niciun buget de șapte cifre, nicio recomandare nelegată de lansare.

Al doilea este contextul documentar: datele pe care modelul trebuie să le analizeze sau să le utilizeze. Modelul nu cunoaște cifrele dumneavoastră interne – trebuie să i le furnizați, ideal delimitate prin etichete pentru a le separa de instrucțiuni:

Iată rezultatele trimestriale de analizat:

<data>
Q1 2026: Venituri 1,2M €, marjă 23%, 145 clienți noi
Q2 2026: Venituri 1,5M €, marjă 21%, 178 clienți noi
Q3 2026: Venituri 1,1M €, marjă 19%, 112 clienți noi
</data>

Identificați tendințele și propuneți 3 acțiuni corective pentru Q4.

Al treilea este contextul publicului: destinatarul conținutului generat. Nu explicați același subiect în același mod unui începător și unui expert. Specificați, de exemplu: „Textul este destinat dezvoltatorilor Python experimentați (peste 5 ani experiență) care descoperă pentru prima dată API-urile modelelor lingvistice. Nu este nevoie să explicați bazele Python, dar detaliați conceptele LLM.” Modelul își va calibra apoi nivelul de detaliu exact acolo unde are nevoie cititorul dumneavoastră.

Definirea formatului așteptat

Formatul de ieșire este una dintre cele mai puternice constrângeri. Fără ghidaj, modelul va alege un format implicit – adesea proză – pe care va trebui să îl refaceți. Specificând formatul, obțineți exact ceea ce aveți nevoie, gata de utilizare.

Pentru o listă, spuneți-o: „Enumerați avantajele sub formă de puncte (maximum 5).“ Pentru un tabel: „Prezentați rezultatele într-un tabel Markdown cu coloanele Funcționalitate | Disponibilitate | Prioritate.“ Pentru integrarea software, JSON structurat este regele, iar acesta merită specificat câmp cu câmp:

Returnați răspunsul în următorul format JSON:
{
  "summary": "string (max 100 de cuvinte)",
  "keywords": ["string"],
  "sentiment": "positive | neutral | negative",
  "confidence_score": "number (0-1)"
}

Același principiu se aplică și codului: „Scrieți funcția în Python 3.11+. Adăugați docstring-uri în stil Google și indicații de tip (type hints). Includeți 2 exemple de utilizare în comentarii la final.“ Cu cât descrieți formatul mai precis, cu atât veți avea mai puțin de refăcut.

Constrângerea lungimii

Modelele Mistral tind să fie exhaustive dacă nu stabiliți limite. Puteți constrânge lungimea prin numărul de cuvinte („Răspundeți în maximum 150 de cuvinte“), prin structură („Răspundeți în exact 3 paragrafe de câte 2-3 propoziții fiecare“) sau prin elemente („Oferiți exact 5 recomandări, fiecare într-o singură propoziție“).

O avertizare totuși: modelele lingvistice numără prost cuvintele și caracterele. Cererea de „exact 150 de cuvinte“ va produce un text de aproximativ 150 de cuvinte, rareori la țintă. Dacă lungimea contează cu adevărat pentru dumneavoastră, preferați constrângerile structurale – numărul de paragrafe, puncte, secțiuni – pe care modelul le respectă mult mai fidel decât numărătorile precise.

Constrângerea tonului și registrului

Tonul răspunsului influențează direct utilitatea acestuia: un text cu tonul greșit este un text pe care trebuie să îl rescrieți. Fiți expliciți, chiar dacă înseamnă să cumulați specificațiile: „Ton: profesional, dar accesibil. Evitați jargonul tehnic除非 este inevitabil (în acest caz, definiți-l). Folosiți un limbaj formal. Fără emoji-uri sau limbaj informal.“

Sfat pro: directivele de ton cele mai eficiente compară adesea sarcina cu o situație profesională cunoscută. „Răspundeți ca un consultant senior care se prezintă în fața unui comitet executiv“, „Adoptați un ton pedagogic, ca un profesor care explică studenților la masterat“ sau „Fiți direct și concis, ca un raport de audit intern“: fiecare dintre aceste fraze condensează un întreg set de alegeri de vocabular, lungime și postură într-o singură imagine pe care modelul știe să o decodeze.

Constrângerea domeniului de aplicare

Delimitarea domeniului de aplicare înseamnă să îi spuneți modelului unde să se oprească. Iată un exemplu de constrângeri:

Constrângeri de domeniu:
- Concentrați-vă NUMAI pe piața din Franța
- NU menționați reglementările din SUA sau Marea Britanie
- Ignorați aspectele fiscale (un alt expert se ocupă de acest lucru)
- Dacă lipsesc informații, menționați-le explicit
  în loc să le inventați

Acordați o atenție deosebită ultimei constrângeri: este cea mai bună apărare împotriva halucinațiilor. Un model căruia i se cere un răspuns complet tinde să umple golurile cu informații plauzibile; autorizându-l explicit să își admită limitele, transformați invenția tacită într-un semnal vizibil pe care îl puteți gestiona ulterior.

Combinarea contextului și a constrângerilor

În practică, un prompt profesional combină natural toate elementele de mai sus: context și reguli permanente în prompt-ul de sistem, date și format așteptat în mesajul utilizatorului. Iată un exemplu complet de analiză HR:

messages = [
    {
        "role": "system",
        "content": """Ești un analist senior de resurse umane într-o companie de tehnologie.
Reguli:
- Engleză formală, ton profesional
- Bazează-ți analiza exclusiv pe datele furnizate
- Dacă lipsesc date, semnalează-le cu [MISSING_DATA]
- Format: secțiuni cu titluri, puncte, fără proză"""
    },
    {
        "role": "user",
        "content": """Analizează datele de absenteism de mai jos și propune un plan de acțiune.

Date Q1 2026:
- Rata generală de absenteism: 7,2% (+1,8 puncte față de Q1 2025)
- Departamentul cel mai afectat: Suport Clienți (12,1%)
- Motivul principal: concediu medical de scurtă durată (< 5 zile)
- Vechimea medie a angajaților absenți: 2,3 ani

Format așteptat:
1. Diagnostic (maxim 3 puncte)
2. Cauze probabile (3 ipoteze)
3. Plan de acțiune (5 măsuri concrete cu calendar)"""
    }
]

Observați cum fiecare element abordat în această lecție își găsește locul: rolul și registrul în sistem, datele delimitate în mesajul utilizatorului, formatul numerotat la sfârșitul mesajului și bariera anti-invenție ([MISSING_DATA]) stabilită o dată pentru totdeauna.

Puncte cheie

  • Contextul transformă un răspuns generic într-unul personalizat
  • Furnizați context situațional, documentar și al publicului după caz
  • Definiți întotdeauna formatul de ieșire așteptat (JSON, listă, tabel etc.)
  • Constrângeți lungimea prin structură, nu prin numărul de cuvinte
  • Delimitați domeniul de aplicare și autorizați modelul să semnaleze informațiile lipsă