După OpenAI, POC pe Mistral AI, concurentul francez!
Introducere
Acest articol explorează un script Python dezvoltat ca un Proof of Concept (POC) pentru a interacționa cu Mistral AI, o alternativă franceză la OpenAI. El 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 AI-ului conversațional de la OpenAI. Împreună, am conceput scriptul Python, profitând de capacitatea GPT-4 de a înțelege și 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 de a experimenta cu API-ul Mistral AI în Python pentru a-mi dezvolta abilitățile pe acest subiect.
- Testarea Mistral AI: Explorarea funcționalităților Mistral AI și înțelegerea modului de utilizare eficientă a acestuia.
- Automatizare cu Python: Demonstrând cum Python poate fi utilizat pentru a automatiza interacțiunile cu API-urile de AI.
- Îmbogățirea Prompt-urilor: Experimentarea cu îmbogățirea prompt-urilor prin integrarea de conținut web recuperat prin Selenium.
Potențialul Scriptului
Acest script deschide calea către diverse aplicații, inclusiv:
- Generarea de conținut îmbogățit: Îmbogățirea dinamică a prompt-urilor cu informații relevante de pe web.
- Asistență virtuală personalizată: Utilizarea AI-ului pentru a crea răspunsuri personalizate bazate pe conținutul web.
- Îmbunătățirea instrumentelor de automatizare: Integrarea AI-ului în instrumentele existente pentru o performanță mai bună.
Funcționarea Scriptului
Scriptul mistral-ai.py
folosește modelul mistral-small
pentru a genera răspunsuri. Iată cum funcționează:
- Recuperarea Conținutului Web: Utilizează Selenium pentru a extrage conținutul URL-urilor specificate în prompt.
- Generarea Răspunsurilor: Trimite prompt-ul îmbogățit la Mistral AI pentru a obține un răspuns.
Observații Importante
- Acest script este un POC: Este destinat scopurilor educative și de experimentare, și nu pentru utilizare în producție.
- Respectați întotdeauna regulile de utilizare ale API-urilor și ale site-urilor web: Atunci când utilizați API-ul MistralAI și faceți scraping pe site-uri web, asigurați-vă că respectați termenii și condițiile de utilizare și politicile de confidențialitate.
Iată secțiunea completă cu actualizarea codului și exemplul de utilizare, integrată ca în postarea originală de pe blog:
Actualizare din 28 septembrie 2024: Script corectat pentru Mistral AI
De la publicarea inițială în ianuarie 2024, au avut loc evoluții importante, în special cu ultimele versiuni ale API-ului Mistral și ale librăriilor utilizate (Selenium și ChromeDriver). Scriptul anterior este acum depășit și a fost actualizat pentru a asigura compatibilitatea cu aceste noi versiuni. Noul script utilizează modelul mistral-large-latest
și aduce o gestionare automată a ChromeDriver prin webdriver_manager
.
Noul Cod 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
Exemplu 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 (depășit cu versiunile recente ale librăriilor)
#!/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
Importarea Modulelor
- os, sys: Utilizate pentru interacțiunile cu sistemul de operare.
- argparse: Permite gestionarea argumentelor din linia de comandă.
- re: Modul pentru prelucrarea expresiilor regulate.
- webdriver: Permite utilizarea Selenium pentru a automatiza acțiunile într-un browser web. ### Funcția
get_web_content
- Această funcție utilizează Selenium pentru a naviga către un URL și a recupera conținutul acestuia.
- Ea este esențială pentru a îmbogăți prompturile cu informații provenite de pe Internet.
Funcția get_response
- Procesează URL-urile găsite în prompt.
- Recuperează conținutul acestora prin intermediul
get_web_content
. - Trimite promptul îmbogățit la 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 de conținutul web, la Mistral AI pentru a obține un răspuns relevant.
Această prezentare a scriptului oferă o idee despre funcționarea și structura sa, permițând înțelegerea modului în care utilizează Python, Selenium și Mistral AI pentru a automatiza și îmbogăți interacțiunile cu AI.
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-4o. Pentru mai multe informații despre procesul de traducere, consultați https://gitlab.com/jls42/ai-powered-markdown-translator