Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Vad är en prompt?

Lektion 1 av 16 Uppdaterad 3 november 2026 Nybörjare
På denna sida
  1. Prompten: ditt gränssnitt mot artificiell intelligens
  2. Hur modellen bearbetar din prompt
  3. Promptens påverkan på svarskvaliteten
  4. Beståndsdelarna i en effektiv prompt
  5. Mistral Chat Completions API
  6. Viktiga punkter

Uppdaterat 2 november 2026 — Le Chat är nu Vibe. Sedan den 28 maj 2026 har Le Chat bytt namn till Vibe (fortfarande på chat.mistral.ai): en enda agent för arbete och kod, där dina konversationer, inställningar och prenumerationer följer med. Den äldre versionen av Le Chat finns fortfarande tillgänglig i läget Chat; i läget Work har agenter blivit färdigheter (anropas med @), minnen har blivit kunskapsbasen och djup research är färdigheten Deep Research. Abonnemangen heter nu Mistral Free, Pro, Team och Enterprise. I denna lektion använder vi namnet Vibe; vissa menyer som beskrivs här kan ha bytt namn eller plats.

Uppdaterat 2 november 2026 — modeller. Mistral Large 3 (mistral-large-2512) och Mistral Medium 3.5 har avvecklats sedan den 31 oktober 2026 och kommer att tas bort den 30 april 2027; deras utsedda efterträdare, Mistral Large 4 (mistral-large-4), har varit tillgänglig i offentlig förhandsversion sedan den 6 oktober. Exemplen i denna kurs använder aliaset mistral-large-latest, som enligt den officiella dokumentationen (verifierad 3 november 2026) fortfarande pekar på Mistral Large 3, precis som mistral-medium-latest pekar på Mistral Medium 3.5: dessa alias kommer att vara giltiga fram till den 30 april 2027. För nya projekt bör du testa mistral-large-4, deras utsedda efterträdare.

Prompten: ditt gränssnitt mot artificiell intelligens

När du interagerar med en språkmodell från Mistral utgör varje meddelande du skickar en prompt. Detta begrepp, lånat från engelskan, syftar på den instruktion eller förfrågan du skickar till modellen för att få ett svar. Att förstå vad en prompt är och hur den fungerar är det första steget för att få ut maximalt av Mistral-modellerna, oavsett om du använder Vibe eller API:et.

En prompt kan vara så enkel som en direkt fråga – »Vad är huvudstaden i Frankrike?« – eller så utarbetad som ett flerstyckigt dokument med kontext, exempel, formatkrav och detaljerade instruktioner. Mellan dessa två ytterligheter finns ett helt spektrum, och du väljer var reglaget ska ligga beroende på vad som står på spel. Kvaliteten på svaret du får beror direkt på kvaliteten på den prompt du formulerar: detta är kursens centrala tes, och du kommer att verifiera det lektion efter lektion.

Hur modellen bearbetar din prompt

För att skapa bra prompter måste du först förstå vad som händer på modellens sida. Mistral-modeller arbetar genom textkomplettering: modellen tar emot din prompt och genererar den mest sannolika fortsättningen, token för token. En token motsvarar oftast ett ord eller en ordfragment – »hej« kan vara en enda token, medan ett ovanligt ord delas upp i flera bitar.

Konkret är cykeln alltid densamma: du skickar din prompt via Mistral Chat Completions API, modellen analyserar all tillhandahållen kontext och genererar sedan sitt svar token för token genom att vid varje steg välja den mest lämpliga token med hänsyn till allt som föregår den. Det fullständiga svaret returneras sedan till dig som ett block eller via strömmande svar medan det genereras.

Denna mekanism förklarar varför formuleringen av din prompt är så viktig. Modellen »förstår« inte din dolda avsikt: den utökar den text du ger den. Om den texten är vag blir den mest sannolika fortsättningen lika vag text. Om texten sätter en tydlig ram kommer den mest sannolika fortsättningen att respektera den ramen. Din prompt bestämmer bokstavligen riktningen för genereringen.

Promptens påverkan på svarskvaliteten

Skillnaden mellan en bra och en dålig prompt kan vara spektakulär, och inget slår en direkt jämförelse för att övertyga dig själv. Tänk dig att du frågar modellen:

Berätta om marknadsföring.

Du får en generisk uppsats om vad marknadsföring är – korrekt, men värdelös för ditt dagliga arbete. Jämför nu detta med följande formulering:

Du är en konsult inom digital marknadsföring specialiserad på franska små och medelstora företag.
Lista 5 innehållsmarknadsföringsstrategier anpassade till en budget på mindre än
500 euro per månad. För varje strategi, ange:
- Den huvudsakliga kanalen
- Den veckovisa tidsåtgången
- Förväntad ROI efter 6 månader

Här vet modellen vem den ska vara, vem den vänder sig till, vilken budgetbegränsning den arbetar under och vilket format den ska leverera. Den kommer att generera en konkret plan, strukturerad och direkt användbar i ett möte. Kom ihåg detta: skillnaden mellan dessa två resultat ligger inte hos modellen, som är densamma i båda fallen, utan enbart i instruktionens precision.

Beståndsdelarna i en effektiv prompt

Om vi bryter ner den andra prompten ovan hittar du de byggstenar du kommer att hantera genom hela denna kurs. Kontext ger den bakgrundsinformation som krävs för att förstå uppgiften – i vårt exempel det faktum att vi talar om franska små och medelstora företag med liten budget. Instruktion anger exakt vad du förväntar dig av modellen: lista fem strategier, inte vaga råd eller en föreläsning. Format beskriver den önskade strukturen för svaret – lista, tabell, JSON eller stycke – och det är detta som gör resultatet användbart utan redigering. Begränsningar sätter de gränser som ska respekteras, såsom längd, tonfall eller ordförråd. Slutligen visar exempel modellen en demonstration av det förväntade resultatet, en teknik så effektiv att en hel lektion senare i kursen ägnas åt den.

Du behöver inte inkludera alla dessa element varje gång. En enkel fråga kräver bara en tydlig instruktion, och att överbelasta en trivial prompt skulle vara kontraproduktivt. Men så snart uppgiften blir komplex – att skriva för en specifik målgrupp, analysera data eller producera ett formaterat leverabel – förbättrar kombinationen av dessa komponenter resultatet avsevärt.

Mistral Chat Completions API

Hos Mistral skickas prompter via Chat Completions API. Detta API använder ett strukturerat meddelandeformat där varje meddelande har en roll (system, user, assistant) och ett innehåll. Vi kommer att fördjupa oss i dessa roller i nästa lektion; för nu räcker det att se hur ett minimalt anrop ser ut med Mistral Python SDK:

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {"role": "user", "content": "What are the 3 principles of effective prompting?"}
    ]
)

print(response.choices[0].message.content)

Denna kod skickar en enkel prompt och visar modellens svar. Inget mer – och ändå finns allt där redan: ett meddelande, en roll, innehåll. I de kommande lektionerna lär du dig att fullt ut utnyttja detta API:s rikedom för att förvandla dessa tre rader till verkliga applikationer.

Viktiga punkter

  • En prompt är den instruktion du skickar till Mistral-modellen för att få ett svar
  • Promptens kvalitet avgör direkt svarskvaliteten
  • En effektiv prompt kombinerar kontext, instruktion, format och begränsningar
  • Mistral-modeller bearbetar prompter via Chat Completions API
  • Att investera tid i att formulera dina prompter är den kraftfullaste hävstången för att förbättra dina resultat