Kombiniranje modalitetov: večmodalna delovna poteka
Na tej strani
Posodobitev, 2. november 2026 — Le Chat postane Vibe. Od 28. maja 2026 je bil Le Chat preimenovan v Vibe (še vedno na chat.mistral.ai): en sam agent za delo in kodo, ki ohranja tvoja pogovora, nastavitve in naročnine. Stara izkušnja Le Chat ostaja dostopna v načinu Chat; v načinu Work so agenti postali veščine (priklicane z
@), spomini služijo kot baza znanja, poglobljeno raziskovanje pa je zdaj veščina Deep Research. Naročniški paketi se zdaj imenujejo Mistral Free, Pro, Team in Enterprise. Ta lekcija uporablja ime Vibe; upoštevaj, da so se nekateri meniji, opisani tukaj, morda preimenovali ali premaknili.
Moč kombinirane večmodalnosti
V tem tečaju si raziskal tri temeljne zmožnosti Mistral AI: vid za analizo slik, zvok za prepis in sintezo govora ter obdelavo dokumentov z inteligentnim OCR-jem. Vsaka posebej je impresivna. A njihova kombinacija v enem samem delovnem toku sprošča njihov polni potencial: viri se prekrivajo in dopolnjujejo, kar ustvarja rezultate, ki presegajo tisto, kar bi dosegla katera koli posamezna modalnost sama. Ta lekcija ti pokaže, kako usklajevati te kombinacije.
Slika + besedilo: onkraj opisa
Najpogostejši primer uporabe vključuje obogatitev slike s natančnimi besedilnimi navodili. Razlika med šibkim in bogatim pozivom je dramatična. Zajemi posnetek zaslona diapozitiva v PowerPointu: „Opiši to sliko” bo dal dolgočasno parafrazo. Toda „Tukaj je diapozitiv iz naše predstavitve za vlagatelje. Preoblikuj glavno sporočilo za širšo javnost” ali „Ta diapozitiv prikazuje naše četrtletne rezultate. Določi tri najpomembnejše številke in predlagaj privlačen naslov” izkoristi tako vizualno razumevanje modela kot njegovo sposobnost pisanja – s čimer je izhod takoj uporaben.
Enako načelo velja za fotografije s terena. „Tukaj je fotografija našega stojnice na sejmu. Predlagaj izboljšave za privabljanje več obiskovalcev” spremeni model v svetovalca; „Ta fotografija prikazuje trenutno razporeditev našega pisarniškega prostora. Predlagaj preureditev za izboljšanje sodelovanja” iz njega naredi načrtovalca prostorov. V obeh primerih besedilni kontekst usmerja fokus modela.
Lahko tudi združiš več slik s primerjalnim navodilom: trije oblikovni osnutki, ki jih spremlja „Razvrsti te osnutke glede na vizualno jasnost in utemelji svojo razvrstitev”, ali fotografija pred in po prenovi z „Ocenite odstotek napredka in določi preostale naloge.”
Zvok + dokument: pametni povzetek
Še posebej zmogljiv delovni tok prečka prepis zvoka z analizo dokumentov. Klasičen scenarij je sestanek: najprej v Vibe naloži dnevni red (PDF), nato posnetek sestanka in končno vprašaj: „Tukaj sta dnevni red in posnetek našega sestanka. Za vsako točko dnevnega reda povzemi, kaj je bilo odločeno, in naštej akcijske postavke.” Model navzkrižno sklicuje oba vira in ustvari strukturiran povzetek točka za točko – medtem ko bi sam prepis dal dolg dobesedni zapis, ki ga je treba urejati, sam dnevni red pa bi bil prazna lupina.
Varianta za študente deluje enako dobro: naloži PDF diapozitive predavanja, nato zvočni posnetek profesorja in vprašaj „Ustvari izčrpne zapise za ponavljanje z združitvijo diapozitivov in profesorjevih ustnih razlag.” Diapozitivi zagotavljajo strukturo in natančne definicije; zvok doda razlage, primere in poudarke. Končni zapisi so veliko bogatejši od tistega, kar bi lahko zagotovil kateri koli vir posebej.
Štirje strokovni delovni tokovi za posnemanje
Za konkurenčno obveščanje zajemi posnetke zaslonov treh domačih strani konkurentov, jih naloži v Vibe in vprašaj: „Primerjaj te tri domače strani. Določi prednosti in slabosti vsake glede sporočil, oblikovanja in pozivov k akciji.”
Za vklop novih strank naloži podpisano pogodbo (PDF), ki ji sledi brief stranke (dokument ali slika), in vprašaj: „Povzemi pogodbene obveznosti in jih navzkrižno poveži s pričakovanji iz briefa. Ali obstajajo kakšna neskladja?” Zgodnje odkrivanje teh neskladij prepreči, da bi sredi projekta ugotovil, da prodajna obljuba ni v pogodbi.
Za analizo dogodkov združi tri vire: fotografije dogodka, zvočne posnetke govorov in program (PDF), nato vprašaj: „Ustvari poročilo po dogodku, ki izpostavlja ključne trenutke, zapomnitve vredne citate in oceno, kako dobro je bil pokrit program.”
Za interno usposabljanje obrni tok: posnemi svojo ustno razlago procesa, pusti Vibe, da jo prepiše, vprašaj „Pretvori ta prepis v strukturiran vodnik postopkov s oštevilčenimi koraki”, nato dodaj posnetke zaslonov z „Vključi opise teh posnetkov zaslonov kot ilustracije za vsak korak.” V štirih sporočilih improvizirana razlaga postane formalna dokumentacija.
Gladko delovanje stroja
Nekaj navad naredi te delovne toke veliko bolj gladke. Vsako naloženo datoteko postavi v kontekst – „To je dnevni red”, „Tukaj je ustrezni posnetek” – da model pravilno poveže vire. Pri kompleksnih delovnih tokovih napreduj korak za korakom: namesto da bi vse poslal v enem sporočilu, gradi pogovor sporočilo za sporočilom in pred prehodom na naslednje preveri vsak korak. Pred nalaganjem imenuj svoje datoteke eksplicitno: „porocilo-q3-2026.pdf” modelu nekaj pove; „dokument.pdf” ne. In ne pozabi, da je glasovni način sam po sebi vhodna modalnost: za dolga navodila jih narekuj, namesto da bi tipkal odstavek.
Ključne ugotovitve
- Kombiniranje slike + besedila + zvoka + dokumenta v enem delovnem toku pomnoži možnosti
- Najzmogljivejši delovni tokovi navzkrižno povezujejo več virov: zvok sestanka + dnevni red, fotografije + brief stranke
- Vsako naloženo datoteko postavi v kontekst, da pomagaš modelu vzpostaviti prave povezave
- Pri kompleksnih delovnih tokovih napreduj korak za korakom, namesto da bi vse poslal naenkrat
- Glasovni način lahko služi kot vhodno orodje za podrobna navodila