Workshop: Analýza textu
Na tejto strane
Cieľ workshopu
Po písaní si dáme pauzu: tento workshop ťa naučí využívať Mistral na analytické úlohy – analýzu sentimentu textu, extrakciu kľúčových informácií a klasifikáciu obsahu. Tieto zručnosti sú kľúčové pre automatizáciu spracovania textových dát v podnikaní. Vždy, keď človek číta desiatky podobných textov, aby z nich získal rovnakú množinu informácií, máš kandidáta na automatizáciu. Všimneš si spoločnú nitku prechádzajúcu všetkými tromi cvičeniami: teplota zostáva nízka, pretože pri analýze záleží viac na konzistentnosti než na kreativite.
Cvičenie 1: Analýza sentimentu zákazníckych recenzií
Predstav si túto situáciu: spravuješ zákaznícky servis pre marketplace a denne dostávaš stovky recenzií. Čítať ich všetky je nemožné; potrebuješ ich analyzovať automaticky, aby si odhalil opakujúce sa problémy a prioritizoval odpovede. Systémový prompt definuje pevnú analytickú mriežku – sentiment, témy, naliehavosť, akcia – a vynucuje výstup vo formáte JSON, aby ho tvoj nástroj na správu ticketov mohol spracovať.
messages = [
{
"role": "system",
"content": """You are a customer experience analyst.
For each review, provide:
1. Overall sentiment: positive / mixed / negative
2. Topics covered (max 3)
3. Urgency level: low / medium / high
4. Recommended action (1 sentence)
Respond in structured JSON."""
},
{
"role": "user",
"content": """Analyze these 3 customer reviews:
Review 1: "Order received in 2 days, careful packaging. However, the user
manual is only in English, which is a shame for a product sold in France.
The product itself works very well."
Review 2: "This is the THIRD time I've received a defective item. Support
has been giving me the runaround for 2 weeks. I will contact the DGCCRF if
nothing moves."
Review 3: "Good value for money. Nothing exceptional but does the job.
Standard delivery, no issues."
Return a JSON table with the analysis of each review."""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.1
)
Očakávaný výsledok vyzerá takto – všimni si, že recenzia 1, ktorá je vo všeobecnosti pozitívna, ale s výhradou, musí byť označená ako „mixed“ (zmiešaná), nie „positive“, a recenzia 2, ktorá obsahuje vyhrážku kontaktovaním DGCCRF (francúzsky úrad na ochranu spotrebiteľa), musí spustiť vysokú naliehavosť:
[
{
"review": 1,
"sentiment": "mixed",
"themes": ["delivery", "documentation", "product quality"],
"urgency": "low",
"action": "Translate the user manual to French for future batches."
},
{
"review": 2,
"sentiment": "negative",
"themes": ["product quality", "customer service", "recurrence"],
"urgency": "high",
"action": "Escalate to support manager for priority handling."
},
{
"review": 3,
"sentiment": "positive",
"themes": ["value for money", "delivery"],
"urgency": "low",
"action": "No action required, standard satisfied review."
}
]
Cvičenie 2: Extrakcia štruktúrovaných dát
Druhá situácia: dostávaš e-maily s žiadosťami o zamestnanie vo forme voľného textu a potrebuješ extrahovať kľúčové informácie pre tvoj ATS (Applicant Tracking System). Hlavným rizikom pri extrakcii je vymýšľanie: model ponechaný bez inštrukcií rád doplní medzery pravdepodobnými dedukciami. Preto dve kardinálne pravidlá systémového promptu – „not provided“ pre akékoľvek chýbajúce informácie a absolútny zákaz dedukcie.
messages = [
{
"role": "system",
"content": """You extract structured data from free text.
Rules:
- If information is not mentioned, indicate "not provided"
- NEVER deduce information: stay strictly with the text
- Dates must be in YYYY-MM-DD format
- Skills must be normalized terms"""
},
{
"role": "user",
"content": """Extract information from this job application email:
"Hello,
I am submitting my application for the full-stack developer position
published on LinkedIn. My name is Sarah Benali and I have 6 years
of experience in web development. Currently a Lead Developer at DataViz (Paris),
I work primarily with React, Node.js, and PostgreSQL. I also have
strong experience with AWS and Docker. My current daily rate is
€650 and I am available starting May 15, 2026.
Best regards,
Sarah Benali"
Expected JSON format:
{
"name": "",
"target_role": "",
"experience_years": 0,
"current_role": "",
"current_company": "",
"location": "",
"skills": [],
"daily_rate": "",
"availability": ""
}"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
Tu je výstup, ktorý by si mal dostať:
{
"name": "Sarah Benali",
"target_role": "Full-stack developer",
"experience_years": 6,
"current_role": "Lead Developer",
"current_company": "DataViz",
"location": "Paris",
"skills": ["React", "Node.js", "PostgreSQL", "AWS", "Docker"],
"daily_rate": "€650",
"availability": "2026-05-15"
}
Všimni si teplotu nastavenú na 0,0: pri extrakcii chceš deterministickú odpoveď vernú zdrojovému textu. Všimni si aj konverziu dátumu do formátu ISO, ktorá je explicitne vyžiadaná v pravidlách – bez tejto inštrukcie by model skopíroval „May 15, 2026“ tak, ako je.
Cvičenie 3: Klasifikácia support ticketov
Posledná situácia: tvoj support tím dostáva nezaradené tickety, ktoré treba automaticky smerovať na správne oddelenie. Kľúčom tohto cvičenia je vyčerpávajúca definícia kategórií a priorít v systémovom prompte. Ak necháš model vymyslieť si vlastnú taxonómiu, každá dávka ticketov vyjde s inými kategóriami a tvoje smerovanie sa stane neudržateľným.
messages = [
{
"role": "system",
"content": """You classify technical support tickets.
Available categories:
- BILLING: payment issues, invoices, subscriptions, refunds
- TECHNICAL: bugs, errors, functionality issues, slowness
- ACCOUNT: login, password, settings, account deletion
- FEATURE: requests for new features, suggestions
- OTHER: anything that doesn't fit the categories above
Priorities:
- P1: service inaccessible, data loss, direct financial impact
- P2: degraded functionality, workaround possible
- P3: question, information request, suggestion
Respond ONLY in JSON, no text before or after."""
},
{
"role": "user",
"content": """Classify these 4 tickets:
Ticket A: "Unable to log in since this morning. I tried to
reset my password but I'm not receiving the email."
Ticket B: "Would it be possible to add an Excel export in addition to CSV?"
Ticket C: "I was charged twice for my March subscription."
Ticket D: "The app crashes when I import a file larger than 50 MB.
Error message: MEMORY_EXCEEDED."
Format:
[{"ticket": "A", "category": "", "priority": "", "service": "", "summary": ""}]"""
}
]
response = client.chat.complete(
model="mistral-large-latest",
messages=messages,
temperature=0.0
)
Očakávaný výsledok – všimni si, že ticket C s priamym finančným dopadom ide do P1, zatiaľ čo technický pád v tickete D zostáva na P2, keďže existuje obchádzkové riešenie:
[
{
"ticket": "A",
"category": "ACCOUNT",
"priority": "P2",
"service": "Level 1 Support",
"summary": "Unable to log in, reset email not received"
},
{
"ticket": "B",
"category": "FEATURE",
"priority": "P3",
"service": "Product",
"summary": "Request for Excel export in addition to CSV"
},
{
"ticket": "C",
"category": "BILLING",
"priority": "P1",
"service": "Accounting",
"summary": "Double charge March subscription, refund request"
},
{
"ticket": "D",
"category": "TECHNICAL",
"priority": "P2",
"service": "Development",
"summary": "Crash importing large files (MEMORY_EXCEEDED)"
}
]
Tipy pre analytické úlohy
Štyri osvedčené postupy zhrňujú metódu tohto workshopu. Pri klasifikácii a extrakcii pracuj s teplotou 0: chceš konzistentnosť, nie inšpiráciu. Kategórie definuj explicitne v systémovom prompte, inak si model vymyslí vlastné. Vždy zahrň inštrukciu „not provided“ pre chýbajúce údaje, inak model doplní medzery pravdepodobnými výmyslami. A pred akýmkoľvek nasadením testuj na hraničných prípadoch: nejednoznačné texty, tickety spadajúce do dvoch kategórií, čiastočné údaje – práve tu tvoja mriežka odhalí slabiny, nie na učebnicových príkladoch.
Kľúčové poznatky
- Analýza textu s Mistralom funguje najlepšie pri nízkej teplote (0–0,2)
- Vždy definuj kategórie a formát výstupu v prompte
- Vynucuj pravidlo „not provided“, aby si predišiel halucináciám
- Few-shot learning zlepšuje konzistentnosť klasifikácie
- Pred nasadením do produkcie testuj na reprezentatívnych reálnych prípadoch