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
- Работать с моделями Mistral: токенизация, параметры, квантизация
- Реализовать function calling, RAG и агентов на Mistral
- Дообучать модели и оптимизировать промпты
- Использовать мультимодальные возможности Mistral
Почему этому курсу можно доверять
- Первоисточник: курс опубликован самой Mistral AI, компанией, которая делает эти модели. Это официальная программа, а не пересказ блогера и не сгенерированный нейросетью «курс».
- Честный перевод: структура уроков, термины, примеры и код сохранены как в оригинале, видео с русскими субтитрами. Мы переводим и структурируем, а не переписываем.
- Без VPN и иностранных платформ: все уроки лежат здесь, вход через Telegram.
- Актуальность: следим за обновлениями первоисточника и добавляем новые уроки по мере выхода.
- Прозрачная оплата: первые 3 3 урока бесплатно, разовый платёж без подписки, доступ навсегда, возврат 14 дней. Российская компания, оферта и чек.
- Именной сертификат: после прохождения курса выдаём сертификат с номером, QR-кодом и страницей проверки подлинности, PDF приходит на почту.
Уроки курса
- Как устроен сборник рецептов
- Оптимизация промптов: обзор подходов
- Сжатие модели методом AWQ
- Сжатие модели через bitsandbytes
- Сжатие модели в формат EXL2
- Сжатие модели в формат GGUF
- Сжатие модели методом GPTQ
- Температура: насколько смелые ответы
- Top K: выбор из K самых вероятных токенов
- Top P: отбор токенов по накопленной вероятности
- Токенизация: основы
- Токенизация: границы токенов и их восстановление
- Как устроены токенизаторы и шаблоны чата Mistral
- Токенизация: управляющие токены
- Токенизация: шаблоны чата
- Как работает токенизатор Mistral
- Токенизация при вызове инструментов
- Приложение на Chainlit: первый запуск
- Несколько агентов для анализа данных и симуляций
- Скрипт приложения Chainlit с агентами
- Chainlit: приветственный экран и полезные ссылки
- Обновляем старый код на Python с помощью GLM
- Пишем играбельную мини-игру с GLM
- Агент, который решает подзадачи параллельно
- Цепочка агентов: переупаковка контента
- Мультиагентный разбор отчётных звонков компаний (MAECAS)
- Мультиагентная система для HubSpot на Magistral
- Агент-справочник по промышленному оборудованию
- Команда агентов для подбора персонала
- От стенограммы звонка к PRD и задачам в Linear
- Свой классификатор для распознавания намерений
- Свой сервис модерации контента
- Свой классификатор для категорий продуктов питания
- Агент-консультант по базам данных на DeepWiki
- Генератор quickstart-гайдов с коннекторами и веб-поиском
- Коннекторы в Conversations API
- Вызов инструментов через коннекторы
- Подтверждение действий инструментов человеком
- Коннекторы в Chat Completions
- Несколько способов авторизации в коннекторах
- Коннекторы в Workflows
- Агент-консультант по базам данных на DeepWiki (TypeScript)
- Генератор quickstart-гайдов на TypeScript
- Генерация данных: улучшаем новостные статьи
- Дообучение на синтетических данных
- Дообучение через Mistral Fine-tuning API
- Дообучение Pixtral на спутниковых снимках
- Эмбеддинги кода Mistral: оценка качества поиска
- Деквантизация эмбеддингов
- Mistral Embeddings API и меры расстояния
- Оценка RAG: модель Mistral в роли судьи
- Как оценивать качество LLM
- Основы вызова функций
- Text-to-SQL для базы из нескольких таблиц
- Основы Batch API: пакетная обработка запросов
- Описание изображений через Pixtral API
- Мультимодальность и вызов функций
- Свой MCP-сервер с крестиками-ноликами для Vibe
- Знакомство с сервисом модерации Mistral
- Модерация по своим правилам с Shieldstral
- Защитные ограничения на уровне системы в Mistral API
- Кампании с LLM-судьями в Mistral Observability API
- Управление датасетами в Mistral Observability API
- Массовое распознавание документов через Batch API
- Извлечение данных из документов через аннотации
- Вопросы к документам через Document QnA
- Document AI для медицинских документов
- Разбор технических паспортов продукции с Document AI
- OCR и простые структурированные ответы (устаревшее)
- Понимание документов любой моделью через OCR и инструменты
- Префиксы ответа: язык, роли, защита от джейлбрейка
- Что умеют промпты в Mistral AI
- Mistral Search Toolkit: наглядный обзор
- RAG по нескольким базам через вызов функций
- Основы RAG с Mistral AI
- Веб-поиск со ссылками на источники
- Собираем свой поисковик на Mistral AI
- Первые шаги с Mistral AI API
- Как находить устаревшие рецепты
- Навык для рецензирования рецептов
- Как писать об AI: словарь терминов
- Чек-листы для авторов текстов
- Как писать контент для разработчиков
- Инклюзивный язык
- Голос и тон текстов
- RAG с Mistral AI и Azure AI Search
- Graph RAG на CAMEL с моделями Mistral
- Ролевые агенты CAMEL: сбор данных, отчёт и граф знаний
- Приложение на Chainlit с Mistral AI
- Mistral Embed и векторная база ChromaDB
- Codestral анализирует датасет и запускает код
- Mistral AI в Haystack: чат по веб-страницам
- Извлечение сущностей из PDF с Indexify
- Краткое содержание PDF с Indexify
- Подключаем Langfuse к Mistral AI SDK
- Мониторинг LlamaIndex и Mistral через PostHog и Langfuse
- Наблюдаемость RAG через Langtrace
- Адаптивный RAG на LlamaIndex
- Агенты ReAct на Mistral AI и LlamaIndex
- Пайплайн RAG на LlamaIndex
- Маршрутизация запросов в LlamaIndex
- Разбиение вопроса на подвопросы в LlamaIndex
- Mistral AI в LlamaIndex: первые шаги
- LLM-агент для поиска статей на arXiv
- Агент для поиска научных статей на arXiv
- Pixtral-12B: модель рассуждает по картинкам
- Дообучение моделей Mistral через Fine-tuning API и LlamaIndex
- Локальный RAG на Ollama, Mistral и LlamaIndex
- Индекс PropertyGraph в LlamaIndex
- Свой ретривер для PropertyGraph
- Экстракторы и ретриверы в графе свойств
- Граф свойств на Neo4j
- Граф свойств с заранее заданной схемой
- Наблюдаемость с MLflow
- AutoGen и Mistral Large: запросы к базе PostgreSQL
- Наблюдаемость с Maxim
- RAG-приложение на Milvus Lite, Mistral и LlamaIndex
- RAG на MongoDB и Mistral AI
- RAG поверх базы Neo4j
- Text-to-SQL на Mistral AI, Neon и LangChain
- Вызов функций для REST API: Mistral 7B в Ollama
- Наблюдаемость RAG в Phoenix
- Мониторинг сервиса извлечения данных в Phoenix
- RAG на Pinecone и Mistral AI
- Пошаговая доработка промптов и сравнение моделей в Pixeltable
- Агент поддержки банка на Pydantic AI
- Датасет математических предпочтений на distilabel
- Приложение на Gradio: текст и картинки из PDF через Mistral OCR
- Адаптивный RAG на LangChain
- Codestral, который сам исправляет свой код
- Автоматическая оптимизация промптов
- Mistral Large 3 в Azure AI Foundry: работа с документами
- Оценка Mistral Large 3 в Azure AI Foundry
- Mistral Medium 3.5 в Azure AI Foundry: работа с документами
- Mistral Large 3 в Azure AI Foundry: вызов инструментов
- Mistral Small в Azure AI Foundry: вопросы и ответы
- Демо Agent Framework с моделями Mistral
- Mistral Medium 3.5: примеры кода
- OCR рукописного текста и подписей
- Перевод персидской рукописи на английский через OCR
- Основы Mistral Document AI
- Mistral OCR-4: разбор отчёта Nvidia 10-Q
- Все возможности Mistral OCR-4
- OCR разреженных таблиц: анализ чистой прибыли
- Мониторинг Mistral AI через OpenTelemetry
- Интеграция Mistral AI с phospho на Python
- USB: пример проекта на Mistral
- 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.