Kombinovanie modalít: Multimodálne pracovné postupy
Na tejto strane
Aktualizácia z 2. novembra 2026 — Le Chat sa stáva Vibe. Od 28. mája 2026 bol Le Chat premenovaný na Vibe (stále na chat.mistral.ai): jediný agent pre prácu a kódovanie, ktorý si zachováva vaše konverzácie, nastavenia a predplatné. Pôvodné prostredie Le Chat zostáva dostupné v režime Chat; v režime Work sa agenti stali zručnosťami (vyvolávajú sa pomocou
@), spomienky slúžia ako znalostná báza a hĺbkový výskum je teraz zručnosťou Deep Research. Plány sa teraz nazývajú Mistral Free, Pro, Team a Enterprise. Táto lekcia používa názov Vibe; uvedomte si, že niektoré tu opísané ponuky mohli zmeniť názvy alebo umiestnenie.
Sila kombinovanej multimodality
Počas tohto kurzu ste preskúmali tri základné schopnosti Mistral AI: víziu na analýzu obrázkov, audio na prepis a syntézu reči a spracovanie dokumentov s inteligentným OCR. Samostatne je každá z nich pôsobivá. Ich kombinácia v rámci jedného pracovného postupu však uvoľní ich plný potenciál: zdroje sa prelínajú a dopĺňajú, čo prináša výsledky, ktoré prevyšujú to, čo by dokázala ktorákoľvek jednotlivá modalita sama. Táto lekcia vám ukáže, ako tieto kombinácie orchestrávať.
Obrázok + Text: Viac než len opis
Najbežnejším prípadom použitia je obohatenie obrázka o presné textové inštrukcie. Rozdiel medzi slabým a bohatým promptom je dramatický. Urobte snímku obrazovky zo snímky PowerPointu: „Opíš tento obrázok“ prináša fádnou parafrázu. Ale „Tu je snímka z našej prezentácie pre investorov. Preformuluj hlavnú myšlienku pre všeobecné publikum“ alebo „Táto snímka zobrazuje naše štvrťročné výsledky. Identifikuj top 3 čísla a navrhni chytlavý nadpis“ využíva vizuálne chápanie modelu aj jeho schopnosť písať – výsledok je okamžite použiteľný.
Rovnaký princíp platí pre fotografie z terénu. „Tu je fotografia nášho stánku na veľtrhu. Navrhni vylepšenia, ktoré prilákajú viac návštevníkov,“ zmení model na konzultanta; „Táto fotografia zobrazuje naše súčasné rozloženie kancelárie. Navrhni preusporiadanie na zlepšenie spolupráce,“ z neho urobí priestorového plánovača. V oboch prípadoch textový kontext smeruje pozornosť modelu.
Môžete tiež kombinovať viacero obrázkov s porovnávacou inštrukciou: tri návrhy dizajnu sprevádzané promptom „Zoraď tieto návrhy podľa vizuálnej jasnosti a zdôvodni svoje poradie“ alebo fotografia stavu pred a po rekonštrukcii s úlohou „Odhadni percentuálny postup prác a identifikuj zostávajúce úlohy.“
Audio + Dokument: Inteligentné zhrnutie
Obzvlášť výkonný pracovný postup spája prepis audia s analýzou dokumentov. Klasickým scenárom je porada: najprv nahrajte program rokovania (PDF) do Vibe, potom nahrávku porady a nakoniec sa opýtajte: „Tu je program rokovania a nahrávka našej porady. Pre každý bod programu zhrň, čo bolo rozhodnuté, a vypíš úlohy.“ Model skríži oba zdroje a vytvorí štruktúrované zhrnutie bod po bode – zatiaľ čo samotný prepis by vám dal dlhý doslovný prepis na úpravu a samotný program by bol prázdnou schémou.
Varianta pre študentov funguje rovnako dobre: nahrajte PDF so slidami z prednášky, potom audio nahrávku profesora a požiadajte: „Vytvor komplexné poznámky na opakovanie kombináciou slidov s ústnym výkladom profesora.“ Slidy poskytujú štruktúru a presné definície; audio pridáva vysvetlenia, príklady a dôrazy. Záverečné poznámky sú oveľa bohatšie, než by dokázal poskytnúť ktorýkoľvek zdroj samostatne.
Štyri profesionálne pracovné postupy na replikáciu
Pre konkurenčný prieskum urobte snímky obrazoviek troch domovských stránok konkurentov, nahrajte ich do Vibe a opýtajte sa: „Porovnaj tieto 3 domovské stránky. Identifikuj silné a slabé stránky každej z nich z hľadiska komunikácie, dizajnu a výzvy na akciu.“
Pre onboarding klienta nahrajte podpísanú zmluvu (PDF) a následne zadanie od klienta (dokument alebo obrázok) a opýtajte sa: „Zhrň zmluvné záväzky a skríž ich s očakávaniami zo zadania. Vyskytujú sa nejaké nezrovnalosti?“ Včasné odhalenie týchto nezhôd zabráni tomu, aby ste v polovici projektu zistili, že obchodný sľub nie je v zmluve.
Pre analýzu podujatia skombinujte tri zdroje: fotografie z podujatia, audio nahrávky prejavov a program (PDF), potom sa opýtajte: „Vytvor správu po podujatí, ktorá zvýrazní kľúčové momenty, nezabudnuteľné citáty a vyhodnotí, ako dobre bol pokrytý program.“
Pre interné školenie obráťte tok: nahrajte svoj ústny výklad procesu, nechajte ho Vibe prepísať, opýtajte sa „Preveď tento prepis na štruktúrovaného sprievodcu postupmi s číslovanými krokmi“ a potom pridajte snímky obrazoviek s inštrukciou „Integruj popisy týchto snímok ako ilustrácie ku každému kroku.“ Zo štyroch správ sa improvizovaný výklad stane formálnou dokumentáciou.
Plynulý chod stroja
Niekoľko návykov robí tieto pracovné postupy oveľa hladšími. Kontextualizujte každý súbor, ktorý nahrávate – „Toto je program rokovania“, „Tu je zodpovedajúca nahrávka“ – aby model správne priradil zdroje. Pri komplexných postupoch postupujte krok za krokom: namiesto odoslania všetkého v jednej správe budujte konverzáciu správu po správe a overte si každý krok pred tým, než prejdete na ďalší. Pomenujte svoje súbory explicitne pred nahraním: „sprava-q3-2026.pdf“ modelu niečo povie; „dokument.pdf“ nie. A pamätajte, že hlasový režim je sám o sebe vstupnou modalitou: pri dlhých inštrukciách ich nadiktujte namiesto písania odseku.
Kľúčové poznatky
- Kombinácia obrázok + text + audio + dokument v jednom pracovnom postupe násobí možnosti
- Najvýkonnejšie postupy krížovo odkazujú na viacero zdrojov: audio z porady + program, fotografie + zadanie klienta
- Kontextualizujte každý nahraný súbor, aby ste modelu pomohli vytvoriť správne spojenia
- Pri komplexných postupoch postupujte krok za krokom namiesto odoslania všetkého naraz
- Hlasový režim môže slúžiť ako vstupný nástroj pre podrobné inštrukcie