Mistral AI Cookbook на русском — курс Mistral AI Cookbook

Официальные рецепты Mistral: function calling, RAG, агенты, fine-tuning, мультимодальность.

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.

Курс из программы Mistral AI Cookbook (Мистраль) на русском языке. Первые 3 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. 148 уроков, первые 3 бесплатно, дальше разовая оплата без подписки.

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

Что вы сможете после курса

Почему этому курсу можно доверять

Уроки курса

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

Вопросы о курсе

Курс бесплатный?

Первые 3 3 урока открыты бесплатно и без входа. Остальные уроки открывает доступ к курсам Mistral AI (1490 руб) или полный доступ ко всем курсам платформы (4900 руб), разовый платёж без подписки.

Нужен ли VPN?

Нет. Оригинал курса опубликован Mistral AI на английском и часто недоступен из России, а здесь все уроки, видео и субтитры уже переведены и открываются без VPN.

На каком языке курс?

На русском: переведены тексты уроков и субтитры к видео, термины и примеры кода сохранены в оригинале.

Выдаётся ли сертификат?

Да. После прохождения всех уроков курса при платном доступе выдаётся именной сертификат AI University с номером и QR-кодом, PDF приходит на почту, подлинность проверяется по номеру на сайте. Сертификат о прохождении курса не является документом об образовании.

Полезные гиды