Hoppa till huvudinnehåll
Svenska— Välj ett språk
Meny

Introduktion till Mistral Workflows

Lektion 1 av 14 Uppdaterad 3 november 2026 Avancerad
På denna sida
  1. Orkestrering av komplexa AI-uppgifter
  2. Vad är en hållbar workflow (Durable Workflow)?
  3. Steg i en typisk workflow
  4. Viktiga plattformsfunktioner
  5. Konkreta användningsfall
  6. Offentlig förhandsversion: Vad detta innebär
  7. Viktiga punkter

Uppdatering 2 november 2026 — Modeller. Mistral Large 3 (mistral-large-2512) och Mistral Medium 3.5 avvecklades den 31 oktober 2026 och kommer att tas bort helt den 30 april 2027. Deras utsedda efterträdare, Mistral Large 4 (mistral-large-4), har funnits tillgänglig i offentlig förhandsversion sedan den 6 oktober. Exemplen i denna kurs använder aliaset mistral-large-latest, som enligt den officiella specifikationen (verifierad 3 november 2026) fortfarande pekar på Mistral Large 3, precis som mistral-medium-latest pekar på Mistral Medium 3.5. Dessa alias förblir giltiga fram till den 30 april 2027. För nya projekt bör du testa mistral-large-4, deras utsedda efterträdare.

Orkestrering av komplexa AI-uppgifter

En seriös AI-applikation ryms aldrig inom ett enda API-anrop. Tänk dig en tjänst som varje natt genererar en kundrapport: den hämtar data från tre system, skickar den till en modell för bearbetning, mejlar resultatet, väntar på en chefs godkännande och utlöser sedan en faktureringsprocess. Denna kedja sträcker sig över timmar, ibland dagar, och korsar nätverk, köer och tredjepartstjänster – inget av detta är 100 % tillförlitligt.

Den dag maskinen som kör denna pipeline startas om mellan utskicket av mejlet och bearbetningen av fakturan står du inför två alternativ. Antingen startar du om allt från början och kunden får sin rapport en andra gång, eller så har du manuellt skrivit ett system med kontrollpunkter, lås och tillståndstabeller – hundratals rader kod som inte har något med din kärnverksamhet att göra. Plattformen Mistral AI Workflows, som lanserades i offentlig förhandsversion den 27 april 2026, finns till för att slippa detta val. Den ger en fundamental garanti: din workflow kommer aldrig att förlora sina framsteg.

Vad är en hållbar workflow (Durable Workflow)?

En hållbar workflow är ett program där varje steg persistenslagras innan nästa påbörjas. Ta nattliga rapporten igen: i samma ögonblick som mejlet skickas har plattformen redan loggat i sin journal att detta steg är slutfört och registrerat resultatet. Om processen stoppas en sekund senare återupptas den vid faktureringssteget, inte vid början – utan dataförlust eller dubbla åtgärder.

Denna mekanism är inte experimentell. Mistral Workflows-plattformen drivs av Temporal, en orkestreringsmotor som bevisats i produktion hos företag som Netflix, Uber och Stripe. Du ärver en exekveringsmodell som redan har stått emot stora misslyckanden, insvept i ett Mistral-lager som exponerar den via modern Python.

Steg i en typisk workflow

Innan vi dyker ner i detaljerna i de kommande lektionerna följer här hela resan du kommer att göra, från att definiera kod till övervakning i produktion.

1

Definiera aktiviteter

Varje arbetsenhet (API-anrop, databasfråga, AI-bearbetning) kapslas in i en asynkron funktion som kallas aktivitet.

2

Skapa workflow:n

Workflow:n orkestrerar aktiviteterna: exekveringsordningen, villkoren och grenlogiken.

3

Starta en worker

Workern är den process som faktiskt exekverar dina workflows och aktiviteter. Den ansluter till Mistral-plattformen och väntar på uppgifter.

4

Utlös exekvering

Du startar workflow:n via Python SDK eller ett cURL-anrop. Plattformen persistenslagrar varje steg och hanterar automatisk återupptagning.

5

Observera och övervaka

Varje aktivitet genererar OpenTelemetry-spårningar. Du spårar exekveringen i realtid och diagnostiserar problem.

Viktiga plattformsfunktioner

Exekveringen är tillförlitlig och feltolerant. Workflows förlorar aldrig framsteg eftersom varje steg persistenslagras innan nästa påbörjas. Oavsett om det rör sig om ett serverkrasch, ett nätverksavbrott eller ett övergående fel från en leverantör, återupptas workflow:n automatiskt exakt där den lämnades, utan att du behöver ingripa.

Plattformen är också designad för AI-native-scenarier. En agent som kedjar verktygsanrop, en sekvens av modeller eller en långvarig konversation med en assistent: dessa mönster innebär långa väntetider och frekventa återupptagningar, vilket är exakt användningsfallet. Workflows kan pågå från några sekunder till flera veckor, vilket möjliggör scenarier som är omöjliga med en enkel HTTP-förfrågan, såsom att vänta tre dagar på mänsklig validering.

Arkitekturen är också fullt observerbar från början till slut. Varje åtgärd – slutförd aktivitet, signal, fel – registreras som en händelse i realtid. Du kan strömma dessa händelser till externa system, vilket låter dig exempelvis visa slutanvändaren en förloppsindikator som speglar det faktiska bearbetningsläget snarare än en dekorativ animation. Slutligen använder Python SDK bekanta dekoratorer och async/await-mönster: om du kan Python kan du redan skriva workflows.

Konkreta användningsfall

Fyra familjer av applikationer dyker upp regelbundet. En pipeline för dokumentbearbetning kedjar extraktion, analys, sammanfattning och klassificering, där varje dokument passerar samma steg så att ett misslyckande mitt i en batch inte tvingar fram en fullständig omstart. En kundtjänstagent hämtar kontext, genererar ett svar, eskalerar till en människa vid behov och följer upp efterföljande uppgifter dagar efter att ärendet stängts. En workflow för innehållsmoderering låter flera modeller analysera samma objekt, tillämpar en majoritetsomröstning och eskalerar till en mänsklig moderator vid oenighet. Slutligen samlar rapportgenerering data från flera källor, aggregerar den, producerar texten, formaterar den och skickar dokumentet.

Offentlig förhandsversion: Vad detta innebär

Funktionen Workflows har funnits i offentlig förhandsversion sedan lanseringen den 27 april 2026 (officiellt tillkännagivande), och denna status har praktiska konsekvenser. Innan du börjar bör du kontrollera den aktuella statusen i dokumentationen för Workflows. API:er och funktioner kan ändras utan föregående meddelande: lås dina beroendeversioner och planera att granska versionsanteckningar före varje uppdatering. Plattformen är produktionsredo men kräver försiktighet, vilket innebär att du bör ha en reservplan för kritiska processer. Användarfeedback påverkar direkt färdplanen, så dina synpunkter har verklig tyngd. Vissa tekniska begränsningar finns fortfarande, och vi detaljerar dem i de följande lektionerna istället för att sopa dem under mattan.

Viktiga punkter

  • Mistral Workflows låter dig orkestrera komplexa AI-uppgifter med en garanti för hållbarhet
  • Plattformen drivs av Temporal, en orkestreringsmotor beprövad i produktion
  • Arkitekturen bygger på tre komponenter: aktiviteter (det faktiska arbetet), workflows (orkestrering), workers (exekvering)
  • Varje steg persistenslagras – en avbruten workflow återupptas automatiskt
  • Funktionen är i offentlig förhandsversion (april 2026): API:er kan komma att ändras