O altă abordare practică în Python, dar cu API-ul Mistral AI

După OpenAI, POC asupra Mistral AI, concurentul francez!

Introducere

Acest articol prezintă un script Python dezvoltat ca un Proof of Concept (POC) pentru a interacționa cu Mistral AI, o alternativă franceză la OpenAI. Reia principiul scriptului dezvoltat anterior pentru a interacționa cu OpenAI.

Colaborare cu GPT-4 pentru dezvoltarea scriptului

Acest proiect a fost o “colaborare” cu ChatGPT-4, cea mai recentă versiune a IA-ului conversațional de la OpenAI. Împreună, am conceput scriptul Python, profitând de capacitatea GPT-4 de a înțelege și de a genera cod. Această sinergie între expertiza umană și inteligența artificială deschide calea către noi metode de dezvoltare și inovație.

Obiectivele scriptului

Intenția principală a fost să experimentez cu API-ul Mistral AI în Python pentru a-mi dezvolta competențele pe subiect.

Testarea Mistral AI : Explorați funcționalitățile Mistral AI și înțelegeți cum să îl folosiți eficient.
Automatizare cu Python : Arătați cum Python poate fi folosit pentru a automatiza interacțiunile cu API-urile de IA.
Îmbogățirea prompturilor : Experimentați cu îmbogățirea prompturilor prin integrarea de conținut web recuperat cu Selenium.

Potențialul scriptului

Acest script deschide calea către diverse aplicații, printre care:

Generare de conținut îmbogățit : Îmbogăți dinamic prompturile cu informații relevante preluate de pe web.
Asistență virtuală personalizată : Folosiți IA pentru a crea răspunsuri personalizate bazate pe conținutul web.
Îmbunătățirea instrumentelor de automatizare : Integrați IA în instrumentele existente pentru o performanță mai bună.

Cum funcționează scriptul

Scriptul mistral-ai.py folosește modelul mistral-small pentru a genera răspunsuri. Iată cum funcționează :

Colectarea conținutului web : Folosește Selenium pentru a extrage conținutul URL-urilor specificate în prompt.
Generarea răspunsurilor : Trimite promptul îmbogățit către Mistral AI pentru a obține un răspuns.

Observații importante

Acest script este un POC : Este destinat scopurilor educaționale și experimentării, și nu pentru utilizare în producție.
Respectați întotdeauna regulile de utilizare ale API-urilor și ale site-urilor web : Când folosiți API-ul MistralAI și practicați scraping-ul site-urilor web, asigurați-vă că respectați condițiile de utilizare și politicile de confidențialitate.

Iată secțiunea completă cu actualizarea codului și exemplul de utilizare, integrată ca în postarea originală de blog :

Actualizare din 28 septembre 2024 : Script corectat pentru Mistral AI

De la publicarea inițială în ianuarie 2024, au avut loc evoluții importante, în special în ceea ce privește ultimele versiuni ale API-ului Mistral și ale bibliotecilor folosite (Selenium și ChromeDriver). Scriptul anterior este acum învechit și a fost actualizat pentru a-i asigura compatibilitatea cu aceste versiuni noi. Noul script folosește modelul mistral-large-latest și aduce o gestionare automatizată a ChromeDriver prin webdriver_manager.

Cod nou al scriptului mistral-ai.py

#!/usr/bin/env python3
import re
import sys
import os
from selenium import webdriver
from selenium.webdriver.chrome.service import Service
from selenium.webdriver.chrome.options import Options
from webdriver_manager.chrome import ChromeDriverManager
from mistralai import Mistral


def get_web_content(url):
    if not url:
        return ""

    try:
        # Configure Chrome options
        chrome_options = Options()

        # Use ChromeDriverManager to automatically manage the ChromeDriver installation
        driver = webdriver.Chrome(
            service=Service(ChromeDriverManager().install()), options=chrome_options
        )

        # Make a request to the web page
        driver.get(url)

        # Retrieve the JavaScript content of the page
        web_content = driver.execute_script("return document.documentElement.innerText")

        # Close the browser when you're done
        driver.quit()

        return web_content if web_content else None
    except Exception as e:
        return None


def get_response(question, client):
    urls = re.findall(r"(https?://\S+)", question)
    if urls:  # Vérifiez si une URL a été fournie
        for url in urls:
            web_content = get_web_content(url)
            if web_content:
                # Remplacez l'URL par le contenu du web dans le prompt
                question = question.replace(url, web_content)
            else:
                print(f"Erreur: Le contenu web pour {url} ne peut être récupéré.")
                sys.exit(1)  # Exit the script with an error code

    messages = [{"role": "user", "content": question}]
    response = client.chat.complete(model=model, messages=messages)

    for choice in response.choices:
        print(f"{choice.message.content}")


# Récupération de la question depuis l'argument de la ligne de commande
question = sys.argv[1] if len(sys.argv) > 1 else "Quelle est votre question ?"

api_key = os.getenv("MISTRAL_API_KEY", "YOUR_MISTRAL_API_KEY")
model = "mistral-large-latest"

try:
    client = Mistral(api_key=api_key)
    get_response(question, client)
except Exception as e:
    print(f"Une erreur est survenue : {e}")

try:
    del client
except TypeError:
    pass

Exemple de utilizare

# Optionnel - Installer les dépendances si nécessaire :
pip install selenium
pip install mistralai
pip install webdriver_manager

# Définir la clé API Mistral AI
export MISTRAL_API_KEY="votre_clé_api"

# on rend le script executable
chmod 700 mistral-ai.py

./mistral-ai.py "Fais moi un résumé de ce site stp : https://docs.mistral.ai/"
### Résumé du Site de Mistral AI

#### Introduction
Mistral AI est un laboratoire de recherche spécialisé dans la création des meilleurs modèles open source au monde. La Plateforme permet aux développeurs et aux entreprises de créer de nouveaux produits et applications grâce aux modèles de langage (LLMs) open source et commerciaux de Mistral.

#### Modèles de Langage de Mistral AI
Mistral AI propose des modèles généralistes, spécialisés et de recherche, tous à la pointe de la technologie, et dotés de capacités multilingues, de génération de code, de mathématiques et de raisonnement avancé.

##### Modèles Généralistes
- **Mistral Large**: Le modèle de raisonnement de haut niveau pour des tâches complexes, avec la version v2 sortie en juillet 2024.
- **Mistral NeMo**: Le meilleur modèle multilingue open source, sorti en juillet 2024.

##### Modèles Spécialisés
- **Codestral**: Le modèle de langage de pointe pour le codage, sorti en mai 2024.
- **Mistral Embed**: Le modèle sémantique pour l'extraction de représentations de textes.

##### Modèles de Recherche
- **Mistral 7b**: Le premier modèle dense, sorti en septembre 2023.
- **Mixtral 8x7b**: Le premier modèle sparse mixture-of-experts, sorti en décembre 2023.
- **Mixtral 8x22b**: Le meilleur modèle open source à ce jour, sorti en avril 2024.
- **Mathstral 7b**: Le premier modèle de mathématiques open source, sorti en juillet 2024.
- **Codestral Mamba**: Le premier modèle mamba 2 open source, sorti en juillet 2024.

#### Exploration des APIs de Mistral AI
Les APIs de Mistral AI permettent de développer des applications LLM via différentes fonctionnalités :
- **Génération de texte** : Permet le streaming et l'affichage en temps réel des résultats partiels du modèle.
- **Génération de code** : Facilite les tâches de génération de code, y compris le remplissage de texte et la complétion de code.
- **Embeddings** : Utile pour la RAG (Retrieval-Augmented Generation) où il représente la signification du texte sous forme de liste de nombres.
- **Appel de fonctions** : Permet aux modèles Mistral de se connecter à des outils externes.
- **Fine-tuning** : Permet aux développeurs de créer des modèles personnalisés et spécialisés.
- **Mode JSON** : Permet aux développeurs de définir le format de réponse en objet JSON.
- **Guardrailing** : Permet aux développeurs d'appliquer des politiques au niveau système des modèles Mistral.

#### Liens Utiles
- **Quickstart**
- **Documentation**
- **Contribution**
- **Communauté**
- **Discord**
- **GitHub**

#### Droits d'Auteur
Copyright © 2024 Mistral AI.

Codul scriptului mistral-ai.py (învechit cu ultimele versiuni ale bibliotecilor)

#!/usr/bin/env python3
import re
import sys
import os
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from mistralai.client import MistralClient
from mistralai.models.chat_completion import ChatMessage


def get_web_content(url):
    if not url:
        return ""

    # Configure Chrome options
    chrome_options = Options()

    # Create a new browser instance with the configured options
    driver = webdriver.Chrome(options=chrome_options)

    # Make a request to the web page
    driver.get(url)

    # Retrieve the JavaScript content of the page
    web_content = driver.execute_script("return document.documentElement.innerText")

    # Don't forget to close the browser when you're done
    driver.quit()

    return web_content

def get_response(question, client):
    urls = re.findall(r'(https?://\S+)', question)
    if urls:  # Vérifiez si une URL a été fournie
        for url in urls:
            web_content = get_web_content(url)
            if web_content:
                # Remplacez l'URL par le contenu du web dans le prompt
                question = question.replace(url, web_content)

    messages = [ChatMessage(role="user", content=question)]
    response = client.chat(model=model, messages=messages, safe_mode=False)

    for choice in response.choices:
        print(f"{choice.message.content}")


# Récupération de la question depuis l'argument de la ligne de commande
question = sys.argv[1] if len(sys.argv) > 1 else "Quelle est votre question ?"

api_key = os.getenv("MISTRAL_API_KEY", "YOUR_MISTRAL_API_KEY")
model = "mistral-small"

try:
    client = MistralClient(api_key=api_key)
    get_response(question, client)
except Exception as e:
    print(f"Une erreur est survenue : {e}")

try:
    del client
except TypeError:
    pass

Explicație detaliată a scriptului

Importul modulelor

os, sys : Folosite pentru interacțiunile cu sistemul de operare.
argparse : Permite gestionarea argumentelor din linia de comandă.
re : Modul pentru procesarea expresiilor regulate.
webdriver : Permite utilizarea Selenium pentru a automatiza acțiunile într-un navigator web.

Funcția `get_web_content`

Această funcție folosește Selenium pentru a naviga către un URL și a prelua conținutul său.
Este esențială pentru a îmbogăți prompturile cu informații provenite de pe Internet.

Funcția `get_response`

Procesează URL-urile găsite în prompt.
Preia conținutul lor prin get_web_content.
Trimite promptul îmbogățit către Mistral AI pentru a obține un răspuns.

Blocul `main`

Punctul de intrare al scriptului.
Gestionează argumentele din linia de comandă.
Inițializează clientul Mistral AI și procesează răspunsul.

Utilizarea Mistral AI

Scriptul interacționează cu modelul mistral-small.
Trimite promptul, îmbogățit cu conținut web, către Mistral AI pentru a obține un răspuns relevant.

Această privire de ansamblu asupra scriptului oferă o idee despre funcționarea și structura sa, permițând înțelegerea modului în care folosește Python, Selenium și Mistral AI pentru a automatiza și îmbogăți interacțiunile cu IA.

Exemple de utilizare

# Optionnel - Vous aurez peut être besoin d'installer les dépendances :
pip install selenium
pip install mistralai

# Définir la clé API Mistral AI
export MISTRAL_API_KEY="votre_clé_api"

# on rend le script executable
chmod 700 mistral-ai.py

./mistral-ai.py "Résume en français ce contenu : https://platform.openai.com/docs/guides/prompt-engineering"

Ce guide partage des stratégies et tactiques pour obtenir de meilleurs résultats des grands modèles linguistiques (parfois appelés modèles GPT, tels que GPT-4). Les méthodes décrites peuvent être déployées en combinaison pour un effet plus important. L'expérimentation est encouragée pour trouver les méthodes qui fonctionnent le mieux pour vous.

Certains des exemples présentés fonctionnent actuellement uniquement avec le modèle le plus capable, gpt-4. En général, si vous constatez qu'un modèle échoue à une tâche et qu'un modèle plus capable est disponible, il vaut souvent la peine d'essayer à nouveau avec le modèle plus capable.

Des exemples de invites sont également fournis pour montrer ce que les modèles sont capables de faire.

Voici les six stratégies présentées dans le guide :

1. Rédiger des instructions claires
2. Fournir des détails dans votre requête pour obtenir des réponses plus pertinentes
3. Demander au modèle d'adopter une personnalité
4. Utiliser des délimiteurs pour indiquer distinctement les parties de l'entrée
5. Spécifier les étapes requises pour terminer une tâche
6. Fournir des exemples et spécifier la longueur de la sortie

Le guide décrit également des tactiques pour améliorer les performances des modèles, telles que la décomposition de tâches complexes en tâches plus simples, l'utilisation de références textuelles pour aider les modèles à fournir des réponses moins fabriquées, et l'utilisation de l\'exécution de code pour effectuer des calculs plus précis ou appeler des API externes.

Enfin, le guide présente des stratégies pour tester systématiquement les changements apportés aux systèmes en évaluant les sorties des modèles par rapport aux réponses standardisées.


# Sans url dans le prompt :
./mistral-ai.py "que sais tu faire ?"

Je suis capable de comprendre et de générer du langage naturel, ce qui me permet de répondre à une grande variété de questions,
de traduire du texte d'une langue à une autre, de résumer du texte, de répondre à des demandes de manière polie, et bien plus encore.
Je peux également effectuer des tâches telles que la recherche de informations sur le web, la programmation, la création de contenu
et l'automatisation de tâches.
Cependant, il est important de noter que mes compétences et connaissances sont limitées à ce qui m'a été appris et je suis dépendant
de la qualité de l'information avec laquelle je suis entrainé.

Acest document a fost tradus din versiunea fr în limba ro folosind modelul gpt-5-mini. Pentru mai multe informații despre procesul de traducere, consultați https://gitlab.com/jls42/ai-powered-markdown-translator

O altă abordare practică în Python, dar cu API-ul Mistral AI

Introducere

Colaborare cu GPT-4 pentru dezvoltarea scriptului

Obiectivele scriptului

Potențialul scriptului

Cum funcționează scriptul

Observații importante

Actualizare din 28 septembre 2024 : Script corectat pentru Mistral AI

Cod nou al scriptului mistral-ai.py

Exemple de utilizare

Codul scriptului mistral-ai.py (învechit cu ultimele versiuni ale bibliotecilor)

Explicație detaliată a scriptului

Importul modulelor

Funcția get_web_content

Funcția get_response

Blocul main

Utilizarea Mistral AI

Exemple de utilizare

Funcția `get_web_content`

Funcția `get_response`

Blocul `main`