Prejsť na hlavný obsah
Slovenčina— Vyberte jazyk
Menu

Prípady použitia predpovedaných výstupov v praxi

Lekcia 6 z 16 Aktualizované 29. júla 2026 Pokročilý
Na tejto strane
  1. Tri rodiny prípadov použitia
  2. Prípad použitia 1: Úprava kódu
  3. Prípad použitia 2: Úprava textu
  4. Prípad použitia 3: Vypĺňanie šablón
  5. Meranie reálnych ziskov
  6. Kľúčové poznatky

Tri rodiny prípadov použitia

Spoločným menovateľom týchto troch rodín je jednoduchá zásada: Predpovedané výstupy sa oplatia vtedy, keď je väčšina výstupu známa vopred. Na povaze úlohy – či ide o kód, text alebo šablónu – záleží menej než na pomere výsledku, ktorý dokážeš poskytnúť ako predpoveď. Pri 90 % nezmenenom obsahu je zisk dramatický; pri 30 % sa stáva zanedbateľným, bez ohľadu na konkrétny prípad použitia.

Maj tento pomer na pamäti, keď budeš skúmať nižšie uvedené tri rodiny. Predstavujú scenáre, kde je tento pomer prirodzene vysoký. V tejto lekcii uvidíš konkrétne príklady pre každú kategóriu spolu so vzormi, ktoré môžeš replikovať vo svojich vlastných aplikáciách.

Prípad použitia 1: Úprava kódu

Toto je najprirodzenejšia voľba, pretože kód mechanicky maximalizuje daný pomer: premenovanie premennej v súbore s 500 riadkami ponechá 498 riadkov úplne identických. Začínaš s existujúcim zdrojovým súborom a chceš vykonať cielenú zmenu. Model potrebuje len regenerovať upravené riadky.

Premenovanie premennej

existing_code = """
def calculate_total(items):
    tax_rate = 0.20
    subtotal = sum(item.price for item in items)
    tax = subtotal * tax_rate
    total = subtotal + tax
    return total
"""

prompt = (
    "Rename the variable 'tax_rate' to 'vat_rate' throughout this code. "
    "Reply with only the modified code."
)

response = client.chat.complete(
    model="codestral-latest",
    messages=[
        {"role": "user", "content": prompt},
        {"role": "user", "content": existing_code}
    ],
    prediction={"type": "content", "content": existing_code}
)

Model vie, že štruktúra kódu zostáva identická. Prepočítava len tokeny ovplyvnené premenovaním.

Zmena importu alebo závislosti

existing_code = """
from flask import Flask, request, jsonify
from flask_cors import CORS

app = Flask(__name__)
CORS(app)

@app.route('/api/predict', methods=['POST'])
def predict():
    data = request.get_json()
    result = model.predict(data['input'])
    return jsonify({'prediction': result})
"""

prompt = (
    "Migrate this code from Flask to FastAPI. "
    "Keep the same business logic. "
    "Reply with only the code."
)

response = client.chat.complete(
    model="codestral-latest",
    messages=[
        {"role": "user", "content": prompt},
        {"role": "user", "content": existing_code}
    ],
    prediction={"type": "content", "content": existing_code}
)

Prípad použitia 2: Úprava textu

Text sa riadi rovnakou logikou ako kód, s jedným dôležitým nuansom: zmeny v texte sú často menej lokalizované, než by sa mohlo zdať. Zmena čísla v správe môže spustiť prepísanie vety, ktorá ho komentuje, zhrňujúceho odseku aj záveru. Zisk je reálny, ale meraj ho na svojich skutočných dokumentoch, namiesto toho, aby si predpokladal, že sa rovná zisku, ktorý vidíš pri kóde.

Aktualizácia sekcie v správe

report = """
# Q4 2025 Quarterly Report

## Executive Summary
Revenue reached €2.3M in Q4 2025, up 15%
from Q3. Operating margin stands at 22%.

## Sales Performance
The sales team signed 47 new contracts, including 12 key accounts.
Average deal size grew 8% to €49,000.

## Q1 2026 Outlook
We anticipate 10% growth driven by the launch of the
Enterprise product and expansion into the German market.
"""

prompt = (
    "Update this report for Q1 2026 with the following data: "
    "Revenue = €2.7M (+17%), margin = 24%, 53 new contracts, "
    "average deal size = €51,000 (+4%). "
    "For the Q2 outlook, mention expansion into the Benelux region. "
    "Keep the exact same structure."
)

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": prompt},
        {"role": "user", "content": report}
    ],
    prediction={"type": "content", "content": report}
)

Prípad použitia 3: Vypĺňanie šablón

Keď máš k dispozícii pevnú šablónu, kde sa mení len niekoľko hodnôt, je predpoveď takmer dokonalá:

email_template = """
Hello {name},

Following up on our conversation on {date}, I confirm the following points:

1. The {project} project will start on {start_date}
2. The team will consist of {num_people} people
3. The estimated budget is €{budget} (excl. tax)

I remain at your disposal for any questions.

Best regards,
{signatory}
"""

# Partially fill the template for prediction
prediction = email_template.replace("{name}", "Mr. Dupont")
prediction = prediction.replace("{signatory}", "Marie Martin")

prompt = (
    "Complete this email with the following information: "
    "date = March 28, 2026, project = Cloud Migration, "
    "start_date = April 15, 2026, num_people = 5, "
    "budget = 85,000."
)

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": prompt},
        {"role": "user", "content": prediction}
    ],
    prediction={"type": "content", "content": prediction}
)

Meranie reálnych ziskov

Aby si vyhodnotil efektivitu predpovedaných výstupov pre svoj prípad použitia, systematicky porovnávaj spustenia s predpoveďou a bez nej:

import time

# Without prediction
start = time.time()
resp_normal = client.chat.complete(
    model="mistral-large-latest",
    messages=messages
)
time_normal = time.time() - start

# With prediction
start = time.time()
resp_predicted = client.chat.complete(
    model="mistral-large-latest",
    messages=messages,
    prediction={"type": "content", "content": predicted_content}
)
time_predicted = time.time() - start

gain = (1 - time_predicted / time_normal) * 100
print(f"Without prediction: {time_normal:.2f}s")
print(f"With prediction: {time_predicted:.2f}s")
print(f"Latency gain     : {gain:.1f}%")

Zisk sa líši v závislosti od percenta správne predpovedaného obsahu. Pri 5 % zmene v súbore s 500 riadkami očakávaj zníženie latencie o 60 % až 80 %.

Kľúčové poznatky

  • Úprava kódu (premenovávanie, migrácia, ľahký refactoring) je hlavným prípadom použitia
  • Úprava textu (správy, dokumenty) profituje zo stabilnej štruktúry
  • Šablóny s niekoľkými dynamickými hodnotami ponúkajú najlepší pomer zisku k vynaloženému úsiliu
  • Pred nasadením do produkcie vždy zmeraj reálny zisk vo svojom kontexte