Mistral AI Cookbook на русском — курс Mistral AI Cookbook

Курс из программы Mistral AI Cookbook (Мистраль) на русском языке. Первые 3 урока бесплатно, без VPN.

Официальный курс Mistral AI в переводе на русский язык. Открывается без VPN: все уроки, видео и субтитры уже переведены и лежат на нашей платформе. 154 урока, первые 3 бесплатно, дальше разовая оплата без подписки.

Уровень: Средний. Длительность: около 740 минут. Формат: текст с примерами.

Коротко о курсе

• Стоимость: первые 3 урока бесплатно, весь курс в доступе к курсам Mistral AI за 1490 руб или во всех курсах платформы за 4900 руб, разово, без подписки
• Объём: 154 урока, около 740 минут
• Формат: онлайн в своём темпе, текстовые уроки с примерами
• Старт: сразу, без расписания и без VPN
• Документ: именной сертификат AI University с номером и QR-кодом

Начать бесплатно: урок 1

Уроки курса

Первые 3 урока доступны бесплатно. Для продолжения потребуется доступ к платформе. Субтитры на русском и английском языках.

1. 01.Как устроен сборник рецептовБесплатно~5 мин
2. 02.Оптимизация промптов: обзор подходовБесплатно~5 мин
3. 03.Сжатие модели методом AWQБесплатно~5 мин
4. 04.Сжатие модели через bitsandbytes~5 мин
5. 05.Сжатие модели в формат EXL2~5 мин
6. 06.Сжатие модели в формат GGUF~5 мин
7. 07.Сжатие модели методом GPTQ~5 мин
8. 08.Температура: насколько смелые ответы~5 мин
9. 09.Top K: выбор из K самых вероятных токенов~5 мин
10. 10.Top P: отбор токенов по накопленной вероятности~5 мин
11. 11.Токенизация: основы~5 мин
12. 12.Токенизация: границы токенов и их восстановление~5 мин
13. 13.Как устроены токенизаторы и шаблоны чата Mistral~5 мин
14. 14.Токенизация: управляющие токены~5 мин
15. 15.Токенизация: шаблоны чата~5 мин
16. 16.Как работает токенизатор Mistral~5 мин
17. 17.Токенизация при вызове инструментов~5 мин
18. 18.Приложение на Chainlit: первый запуск~5 мин
19. 19.Несколько агентов для анализа данных и симуляций~5 мин
20. 20.Скрипт приложения Chainlit с агентами~5 мин
21. 21.Chainlit: приветственный экран и полезные ссылки~5 мин
22. 22.Обновляем старый код на Python с помощью GLM~5 мин
23. 23.Пишем играбельную мини-игру с GLM~5 мин
24. 24.Агент, который решает подзадачи параллельно~5 мин
25. 25.Цепочка агентов: переупаковка контента~5 мин
26. 26.Мультиагентный разбор отчётных звонков компаний (MAECAS)~5 мин
27. 27.Мультиагентная система для HubSpot на Magistral~5 мин
28. 28.Агент-справочник по промышленному оборудованию~5 мин
29. 29.Команда агентов для подбора персонала~5 мин
30. 30.От стенограммы звонка к PRD и задачам в Linear~5 мин
31. 31.Свой классификатор для распознавания намерений~5 мин
32. 32.Свой сервис модерации контента~5 мин
33. 33.Свой классификатор для категорий продуктов питания~5 мин
34. 34.Агент-консультант по базам данных на DeepWiki~5 мин
35. 35.Генератор quickstart-гайдов с коннекторами и веб-поиском~5 мин
36. 36.Коннекторы в Conversations API~5 мин
37. 37.Вызов инструментов через коннекторы~5 мин
38. 38.Подтверждение действий инструментов человеком~5 мин
39. 39.Коннекторы в Chat Completions~5 мин
40. 40.Несколько способов авторизации в коннекторах~5 мин
41. 41.Коннекторы в Workflows~5 мин
42. 42.Агент-консультант по базам данных на DeepWiki (TypeScript)~5 мин
43. 43.Генератор quickstart-гайдов на TypeScript~5 мин
44. 44.Генерация данных: улучшаем новостные статьи~5 мин
45. 45.Дообучение на синтетических данных~5 мин
46. 46.Дообучение через Mistral Fine-tuning API~5 мин
47. 47.Дообучение Pixtral на спутниковых снимках~5 мин
48. 48.Эмбеддинги кода Mistral: оценка качества поиска~5 мин
49. 49.Деквантизация эмбеддингов~5 мин
50. 50.Mistral Embeddings API и меры расстояния~5 мин
51. 51.Оценка RAG: модель Mistral в роли судьи~5 мин
52. 52.Как оценивать качество LLM~5 мин
53. 53.Основы вызова функций~5 мин
54. 54.Text-to-SQL для базы из нескольких таблиц~5 мин
55. 55.Основы Batch API: пакетная обработка запросов~5 мин
56. 56.Описание изображений через Pixtral API~5 мин
57. 57.Мультимодальность и вызов функций~5 мин
58. 58.Свой MCP-сервер с крестиками-ноликами для Vibe~5 мин
59. 59.Знакомство с сервисом модерации Mistral~5 мин
60. 60.Модерация по своим правилам с Shieldstral~5 мин
61. 61.Защитные ограничения на уровне системы в Mistral API~5 мин
62. 62.Кампании с LLM-судьями в Mistral Observability API~5 мин
63. 63.Управление датасетами в Mistral Observability API~5 мин
64. 64.Массовое распознавание документов через Batch API~5 мин
65. 65.Извлечение данных из документов через аннотации~5 мин
66. 66.Вопросы к документам через Document QnA~5 мин
67. 67.Document AI для медицинских документов~5 мин
68. 68.Разбор технических паспортов продукции с Document AI~5 мин
69. 69.OCR и простые структурированные ответы (устаревшее)~5 мин
70. 70.Понимание документов любой моделью через OCR и инструменты~5 мин
71. 71.Префиксы ответа: язык, роли, защита от джейлбрейка~5 мин
72. 72.Что умеют промпты в Mistral AI~5 мин
73. 73.Mistral Search Toolkit: наглядный обзор~5 мин
74. 74.RAG по нескольким базам через вызов функций~5 мин
75. 75.Основы RAG с Mistral AI~5 мин
76. 76.Веб-поиск со ссылками на источники~5 мин
77. 77.Собираем свой поисковик на Mistral AI~5 мин
78. 78.Первые шаги с Mistral AI API~5 мин
79. 79.Как находить устаревшие рецепты~5 мин
80. 80.Навык для рецензирования рецептов~5 мин
81. 81.Как писать об AI: словарь терминов~5 мин
82. 82.Чек-листы для авторов текстов~5 мин
83. 83.Как писать контент для разработчиков~5 мин
84. 84.Инклюзивный язык~5 мин
85. 85.Голос и тон текстов~5 мин
86. 86.RAG с Mistral AI и Azure AI Search~5 мин
87. 87.Graph RAG на CAMEL с моделями Mistral~5 мин
88. 88.Ролевые агенты CAMEL: сбор данных, отчёт и граф знаний~5 мин
89. 89.Приложение на Chainlit с Mistral AI~5 мин
90. 90.Mistral Embed и векторная база ChromaDB~5 мин
91. 91.Codestral анализирует датасет и запускает код~5 мин
92. 92.Mistral AI в Haystack: чат по веб-страницам~5 мин
93. 93.Извлечение сущностей из PDF с Indexify~5 мин
94. 94.Краткое содержание PDF с Indexify~5 мин
95. 95.Подключаем Langfuse к Mistral AI SDK~5 мин
96. 96.Мониторинг LlamaIndex и Mistral через PostHog и Langfuse~5 мин
97. 97.Наблюдаемость RAG через Langtrace~5 мин
98. 98.Адаптивный RAG на LlamaIndex~5 мин
99. 99.Агенты ReAct на Mistral AI и LlamaIndex~5 мин
100. 100.Пайплайн RAG на LlamaIndex~5 мин
101. 101.Маршрутизация запросов в LlamaIndex~5 мин
102. 102.Разбиение вопроса на подвопросы в LlamaIndex~5 мин
103. 103.Mistral AI в LlamaIndex: первые шаги~5 мин
104. 104.LLM-агент для поиска статей на arXiv~5 мин
105. 105.Агент для поиска научных статей на arXiv~5 мин
106. 106.Pixtral-12B: модель рассуждает по картинкам~5 мин
107. 107.Дообучение моделей Mistral через Fine-tuning API и LlamaIndex~5 мин
108. 108.Локальный RAG на Ollama, Mistral и LlamaIndex~5 мин
109. 109.Индекс PropertyGraph в LlamaIndex~5 мин
110. 110.Свой ретривер для PropertyGraph~5 мин
111. 111.Экстракторы и ретриверы в графе свойств~5 мин
112. 112.Граф свойств на Neo4j~5 мин
113. 113.Граф свойств с заранее заданной схемой~5 мин
114. 114.Наблюдаемость с MLflow~5 мин
115. 115.AutoGen и Mistral Large: запросы к базе PostgreSQL~5 мин
116. 116.Наблюдаемость с Maxim~5 мин
117. 117.RAG-приложение на Milvus Lite, Mistral и LlamaIndex~5 мин
118. 118.RAG на MongoDB и Mistral AI~5 мин
119. 119.RAG поверх базы Neo4j~5 мин
120. 120.Text-to-SQL на Mistral AI, Neon и LangChain~5 мин
121. 121.Вызов функций для REST API: Mistral 7B в Ollama~5 мин
122. 122.Наблюдаемость RAG в Phoenix~5 мин
123. 123.Мониторинг сервиса извлечения данных в Phoenix~5 мин
124. 124.RAG на Pinecone и Mistral AI~5 мин
125. 125.Пошаговая доработка промптов и сравнение моделей в Pixeltable~5 мин
126. 126.Агент поддержки банка на Pydantic AI~5 мин
127. 127.Датасет математических предпочтений на distilabel~5 мин
128. 128.Приложение на Gradio: текст и картинки из PDF через Mistral OCR~5 мин
129. 129.Адаптивный RAG на LangChain~5 мин
130. 130.Codestral, который сам исправляет свой код~5 мин
131. 131.Автоматическая оптимизация промптов~5 мин
132. 132.Mistral Large 3 в Azure AI Foundry: работа с документами~5 мин
133. 133.Оценка Mistral Large 3 в Azure AI Foundry~5 мин
134. 134.Mistral Medium 3.5 в Azure AI Foundry: работа с документами~5 мин
135. 135.Mistral Large 3 в Azure AI Foundry: вызов инструментов~5 мин
136. 136.Mistral Small в Azure AI Foundry: вопросы и ответы~5 мин
137. 137.Демо Agent Framework с моделями Mistral~5 мин
138. 138.Mistral Medium 3.5: примеры кода~5 мин
139. 139.OCR рукописного текста и подписей~5 мин
140. 140.Перевод персидской рукописи на английский через OCR~5 мин
141. 141.Основы Mistral Document AI~5 мин
142. 142.Mistral OCR-4: разбор отчёта Nvidia 10-Q~5 мин
143. 143.Все возможности Mistral OCR-4~5 мин
144. 144.OCR разреженных таблиц: анализ чистой прибыли~5 мин
145. 145.Мониторинг Mistral AI через OpenTelemetry~5 мин
146. 146.Интеграция Mistral AI с phospho на Python~5 мин
147. 147.USB: пример проекта на Mistral~5 мин
148. 148.Дообучаем LLM-судью ловить галлюцинации с W&B~5 мин
149. 149.Podcast Research Briefing Agent~5 мин
150. 150.Build a real-time audio fact-checking agent~5 мин
151. 151.BBox and Object Detection with Mistral~5 мин
152. 152.Mistral OCR / Document AI - PDF Chunking~5 мин
153. 153.Foundry Agent Tool Calling with MCP~5 мин
154. 154.OCR-RAG Agentic Workflow~5 мин

О курсе

Mistral AI Cookbook пригодится разработчикам среднего уровня, которые строят продукты на моделях Mistral или сравнивают их с решениями других провайдеров. Здесь собран официальный cookbook Mistral AI на русском языке: он открывается без VPN, первые три урока бесплатны. В сборнике 148 текстовых уроков, это около 740 минут материала, поэтому относиться к нему лучше как к библиотеке решений, а не как к программе, которую нужно одолеть целиком.

Фундаментальный блок объясняет, как устроены сами модели. Здесь подробно разобрана токенизация: границы токенов, управляющие токены, шаблоны чата и токены при вызове инструментов. Рядом уроки о параметрах генерации, температуре, Top K и Top P, и о сжатии моделей разными методами: AWQ, GPTQ, GGUF, EXL2 и bitsandbytes. Для тех, кто запускает модели на своём железе, это особенно полезная часть: она помогает понять, почему одна и та же модель ведёт себя по-разному и как уменьшить требования к памяти без заметной потери качества.

Прикладная часть очень широкая. Есть основы вызова функций, Text-to-SQL для базы из нескольких таблиц, Batch API, коннекторы и подтверждение действий инструментов человеком. Агентные рецепты включают параллельное решение подзадач, мультиагентный разбор отчётных звонков компаний, команду агентов для подбора персонала и путь от стенограммы звонка к PRD и задачам в Linear. Большой раздел посвящён документам: OCR, в том числе рукописного текста и разреженных таблиц, Document AI, вопросы к документам и извлечение данных через аннотации. Отдельно показаны RAG на разных векторных базах, графы свойств на Neo4j, модерация по своим правилам, дообучение через Fine-tuning API, оценка моделей с LLM-судьёй и наблюдаемость через Langfuse, Phoenix и MLflow.

Чтобы не утонуть в объёме, начните с урока о том, как устроен сборник, и с первых шагов с Mistral AI API, затем выберите тему под задачу: инструменты, RAG, документы, дообучение или мониторинг. Рецепты в основном самодостаточны, их можно адаптировать к своему проекту без чтения соседних. В результате вы научитесь работать с токенизацией, параметрами и квантизацией моделей Mistral, реализовывать вызов функций, RAG и агентов, дообучать модели и оптимизировать промпты, а также использовать мультимодальные возможности вроде Pixtral.

Вопросы о курсе

Полезные гиды

• Бесплатные курсы по ИИ и нейросетям: обучение с нуля на русском
• Как создать ИИ-агента: курсы и пошаговый путь на русском