Na OpenAI, POC op Mistral AI, de Franse concurrent!
Inleiding
Dit artikel onderzoekt een Python-script ontwikkeld als een Proof of Concept (POC) om te communiceren met Mistral AI, een Frans alternatief voor OpenAI. Het volgt het principe van het eerder ontwikkelde script om te communiceren met OpenAI.
Samenwerking met GPT-4 voor de ontwikkeling van het script
Dit project was een “samenwerking” met ChatGPT-4, de nieuwste versie van de conversational AI van OpenAI. Samen hebben we het Python-script ontworpen, waarbij we profiteerden van de capaciteiten van GPT-4 om code te begrijpen en te genereren. Deze synergie tussen menselijke expertise en kunstmatige intelligentie opent de weg naar nieuwe methoden van ontwikkeling en innovatie.
Doelen van het Script
Het belangrijkste doel was om te experimenteren met de API van Mistral AI in Python om mijn vaardigheden op dit gebied te ontwikkelen.
- Testen van Mistral AI: De functies van Mistral AI verkennen en begrijpen hoe het effectief te gebruiken.
- Automatisering met Python: Laten zien hoe Python kan worden gebruikt om interacties met AI-API’s te automatiseren.
- Verrijking van Prompts: Experimenteren met het verrijken van prompts door webinhoud te integreren met behulp van Selenium.
Potentieel van het Script
Dit script opent de weg naar verschillende toepassingen, waaronder:
- Generatie van verrijkte inhoud: Dynamisch verrijken van prompts met relevante informatie van het web.
- Persoonlijke virtuele assistentie: Kunstmatige intelligentie gebruiken om gepersonaliseerde antwoorden te creëren op basis van webinhoud.
- Verbetering van automatiseringstools: De AI integreren in bestaande tools voor betere prestaties.
Werking van het Script
Het script mistral-ai.py
gebruikt het model mistral-small
om antwoorden te genereren. Hier is hoe het werkt:
- Ophalen van Webinhoud: Gebruikt Selenium om de inhoud van de in de prompt gespecificeerde URLs te extraheren.
- Genereren van Antwoorden: Stuurt de verrijkte prompt naar Mistral AI om een antwoord te krijgen.
Belangrijke Opmerkingen
- Dit script is een POC: Het is bedoeld voor educatieve en experimentele doeleinden en niet voor productiegebruik.
- Respecteer altijd de gebruiksregels van API’s en websites: Zorg ervoor dat u de gebruiksvoorwaarden en het privacybeleid naleeft bij het gebruik van de MistralAI-API en het scrapen van websites.
Hier is de complete sectie met de code-update en het gebruiksvoorbeeld, geïntegreerd zoals in het originele blogbericht:
Update van 28 september 2024: Script bijgewerkt voor Mistral AI
Sinds de oorspronkelijke publicatie in januari 2024 zijn er belangrijke ontwikkelingen geweest, met name met de nieuwste versies van de Mistral-API en de gebruikte bibliotheken (Selenium en ChromeDriver). Het vorige script is nu verouderd en is bijgewerkt om compatibiliteit met deze nieuwe versies te waarborgen. Het nieuwe script gebruikt het model mistral-large-latest
en biedt geautomatiseerd beheer van ChromeDriver via webdriver_manager
.
Nieuwe Code van het Script 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
Voorbeeld van Gebruik
# 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.
Code van het Script mistral-ai.py (verouderd met de nieuwste versies van de bibliotheken)
#!/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
Gedetailleerde Uitleg van het Script
Importeren van Modules
- os, sys: Gebruikt voor interacties met het besturingssysteem.
- argparse: Maakt het mogelijk om commandoregelargumenten te beheren.
- re: Module voor verwerking van reguliere expressies.
- webdriver: Maakt het mogelijk om Selenium te gebruiken om acties in een webbrowser te automatiseren. ### Functie
get_web_content
- Deze functie gebruikt Selenium om naar een URL te navigeren en de inhoud ervan op te halen.
- Het is essentieel om de prompts te verrijken met informatie van het internet.
Functie get_response
- Verwerkt de URL’s die in de prompt worden gevonden.
- Haalt hun inhoud op via
get_web_content
. - Stuurt de verrijkte prompt naar Mistral AI om een antwoord te krijgen.
Blok main
- Instappunt van het script.
- Behandelt de opdrachtregelargumenten.
- Initialiseert de Mistral AI-client en verwerkt het antwoord.
Gebruik van Mistral AI
- Het script werkt samen met het model
mistral-small
. - Het stuurt de prompt, verrijkt door de webinhoud, naar Mistral AI om een relevant antwoord te krijgen.
Dit overzicht van het script geeft een idee van hoe het werkt en hoe het is gestructureerd, zodat u kunt begrijpen hoe het Python, Selenium en Mistral AI gebruikt om de interacties met de AI te automatiseren en te verrijken.
Voorbeelden van gebruik
# 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.
Dit document is vertaald van de fr versie naar de nl taal met behulp van het gpt-4o model. Voor meer informatie over het vertaalproces, zie https://gitlab.com/jls42/ai-powered-markdown-translator