Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Roller: System, Användare och Assistent

Lektion 2 av 16 Uppdaterad 2 november 2026 Nybörjare
På denna sida
  1. Förstå rollsystemet
  2. Systemrollen: grunden för din prompt
  3. Användarrollen: den konkreta begäran
  4. Assistentrollen: vägleda svaret
  5. Verktygsrollen: funktionsresultat
  6. Bygg en komplett konversation
  7. Viktiga punkter

Förstå rollsystemet

Mistrals API för chatkomplettering strukturerar varje konversation kring roller som tilldelas meddelanden. Varje meddelande som skickas till modellen måste innehålla en roll som definierar dess funktion i utbytet: vem som talar och med vilken auktoritet. Denna mekanism kan verka som en teknisk detalj, men den är egentligen ryggraden i varje professionell prompt – det är det som skiljer en enkel fråga i en chatt från en noggrant konstruerad applikation.

Mistral känner igen fyra distinkta roller, var och en med en exakt funktion:

Roll Beskrivning Exempel
system Definierar modellens personlighet, beteende och övergripande kontext "Du är en fransk juridisk expert specialiserad på arbetsrätt."
user Innehåller användarens begäran eller instruktion "Vilka är arbetsgivarens skyldigheter vid uppsägning på grund av arbetsbrist?"
assistant Representerar modellens svar, eller låter dig förifylla början av ett svar "Här är de 5 huvudsakliga skyldigheterna: 1. ..."
tool Returnerar resultatet av ett funktionsanrop (function calling) JSON-resultat från en databassökning

Systemrollen: grunden för din prompt

Meddelandet med rollen system kommer först i meddelandelistan och fungerar som en permanent direktiv som påverkar hela konversationen. Tänk på det som den jobb Beskrivning du skulle ge en ny teammedlem före deras första dag: det definierar den förväntade personligheten (ton, formalitetsgrad, språk), det önskade expertisområdet, reglerna för vad modellen måste eller inte får göra, samt standardformatet för dess svar. När denna beskrivning är skriven passar varje efterföljande utbyte in i denna ram utan att du behöver upprepa den.

messages = [
    {
        "role": "system",
        "content": """Du är en senior teknisk skribent specialiserad på API-dokumentation.
Regler:
- Använd precist tekniskt engelska
- Inkludera alltid Python-kodexempel
- Strukturera dina svar med rubriker och listor
- Överskrid aldrig 500 ord per svar"""
    },
    {
        "role": "user",
        "content": "Förklara hur man hanterar HTTP-fel i ett REST API."
    }
]

Notera en viktig punkt för dina framtida applikationer: systemprompten hanteras av utvecklaren, inte slutanvändaren. Din applikations användare ser den aldrig, men alla deras interaktioner sker inom den ram du etablerat där. Detta gör den till din kraftfullaste kontrollmekanism.

Användarrollen: den konkreta begäran

Meddelandet med rollen user innehåller den specifika begäran. Detta är den mest intuitiva rollen: den representerar det som människan säger till modellen, och varje ny fråga eller instruktion från användaren blir ett meddelande med rollen user. Dess skenbara enkelhet bör inte få dig att glömma bästa praxis: var precis i din begäran, specificera önskat format om det skiljer sig från det som definierats i systemprompten, och tillhandahåll den data modellen behöver direkt i meddelandet – en text att sammanfatta, siffror att analysera. Modellen kan inte hämta det du inte ger den.

Assistentrollen: vägleda svaret

Rollens assistant är den mest subtila av de tre eftersom den har två distinkta användningsområden. Det första är konversationshistorik: i ett utbyte med flera turer infogas modellens tidigare svar på nytt med rollen assistant för att behålla kontexten. Så här “kommer modellen ihåg” vad den sa:

messages = [
    {"role": "user", "content": "Vad är huvudstaden i Frankrike?"},
    {"role": "assistant", "content": "Huvudstaden i Frankrike är Paris."},
    {"role": "user", "content": "Och dess befolkning?"}
]

Utan det mellanliggande assistentmeddelandet skulle “dess” i den sista frågan inte referera till något: API:t är tillståndslöst (stateless), och du återskapar minnet vid varje anrop.

Den andra användningen är förifyllning (prefix): du kan avsluta din meddelandelista med ett assistant-meddelande som innehåller början av det förväntade svaret. Modellen fortsätter från denna punkt, som om de första orden redan hade kommit ur dess mun. Detta är en kraftfull teknik för att kontrollera utdataformatet:

messages = [
    {"role": "user", "content": "Lista 3 Python-ramverk för webben."},
    {"role": "assistant", "content": "```json\n[", "prefix": True}
]

Notera fältet "prefix": True: Mistrals API kräver detta på det sista assistant-meddelandet för att behandla det som början på ett svar.

Här förstår modellen att den skriver JSON och kommer att komplettera den påbörjade arrayen, utan inledning eller inledande mening. Där en textinstruktion “svara i JSON” kan ignoreras, lämnar en redan skriven början på svaret lite valmöjligheter.

Verktygsrollen: funktionsresultat

Rollens tool kommer in i bilden vid funktionsanrop. När modellen beslutar sig för att anropa en extern funktion – en webbsökning, en API-förfrågan, en beräkning – skickas resultatet av den funktionen tillbaka till den som ett tool-meddelande, som den sedan integrerar i sitt svar. Denna roll är mer avancerad och kommer att behandlas i dedikerade kurser; kom bara ihåg att den finns och kompletterar huvudtrion.

Bygg en komplett konversation

Låt oss nu sätta ihop alla dessa element till ett realistiskt utbyte, där systemprompten ramar in assistenten, där historiken håller tråden vid liv, och där den sista frågan bygger naturligt på det som kom tidigare:

response = client.chat.complete(
    model="mistral-large-latest",
    messages=[
        {
            "role": "system",
            "content": "Du är en fransk kulinarisk assistent. Svara koncist."
        },
        {
            "role": "user",
            "content": "Hur gör jag en klassisk vinaigrette?"
        },
        {
            "role": "assistant",
            "content": "För en klassisk vinaigrette, blanda 1 sked senap, 3 skedar olivolja och 1 sked vinäger."
        },
        {
            "role": "user",
            "content": "Och för en lättare version?"
        }
    ]
)

Observera arkitekturen: system först, sedan en växelverkan mellan användare och assistent som återskapar konversationsflödet. Denna ordning är inte dekorativ – det är det som gör att modellen korrekt tolkar “en lättare version” som en variant av den vinaigrette den just diskuterade.

Viktiga punkter

  • Rollen system ramar in modellens övergripande beteende – det är din kraftfullaste hävstång
  • Rollen user bär på användarens konkreta begäran
  • Rollen assistant fungerar både som historik och som guide för svarsformat
  • Rollen tool hanterar resultat från funktionsanrop
  • Meddelandeordningen är avgörande: system först, sedan växelverkan mellan användare och assistent