Инструмент image_generation: Създаване на изображения
На тази страница
- Генериране на изображения чрез Вашия агент
- Създаване на агент с генериране на изображения
- Генериране на изображение
- Изтегляне на генерирани изображения
- Три често срещани случая на употреба
- Комбиниране с други инструменти
- Писане на добри промптове за изображения
- Управление на генерирани файлове
- Ключови изводи
Генериране на изображения чрез Вашия агент
Инструментът image_generation позволява на Вашия агент да създава изображения въз основа на текстови описания. Той допълва инструментите, които вече видяхте: докато code_interpreter произвежда числа и графики, този генерира визуални елементи. Това е мощен инструмент за творчески случаи на употреба, създаване на макети или илюстриране на концепции. Както при другите вградени инструменти, Вие го активирате при създаването на агента, а моделът решава дали да го извика въз основа на заявката.
Създаване на агент с генериране на изображения
from mistralai.client import Mistral
import os
client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])
agent = client.beta.agents.create(
model="mistral-medium-latest",
name="Creative Agent",
instructions="""You are a creative assistant specialized in image generation.
- Rephrase requests into detailed prompts for better results
- Describe the image you are about to generate before creating it
- Propose variations if the result is unsatisfactory""",
tools=[{"type": "image_generation"}],
completion_args={"temperature": 0.3, "top_p": 0.95}
)
Инструкциите имат съществено значение тук. Като поискате от агента да преформулира заявката в подробен промпт, Вие трансформирате неясното „направи ми изображение на котка“ в actionable описание. Като го накарате да обяви изображението преди генерирането му, си давате шанс да коригирате курса, преди да се случи самото генериране. Температура от 0.3 поддържа това преформулиране дисциплинирано: Вие искате описателна прецизност, а не свободно измисляне.
Генериране на изображение
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Зад това единствено извикване агентът изпълнява верига от четири стъпки: той анализира Вашата заявка, формулира промпт, оптимизиран за модела за генериране, създава изображението и след това връща файла. Тези стъпки се появяват в изходните данни на разговора, което Ви позволява да видите кой промпт е породил кое изображение. Това е безценно, когато даден резултат Ви харесва и искате да го възпроизведете.
Изтегляне на генерирани изображения
Изображенията не се връщат като текст в отговора: те пристигат като обекти ToolFileChunk в съдържанието и Вие извличате действителния файл чрез Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Download the image file
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Save locally
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Три често срещани случая на употреба
Първият е илюстриране на документация, където една диаграма обяснява по-добре от един абзац.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a visual diagram showing a microservices architecture with an API Gateway, 3 services, and a database."
)
Вторият е визуални макети, за да се материализира дадена насока, преди да се ангажира дизайнер.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate a homepage mockup for an online learning website, modern and minimalist style with blue tones."
)
Третият е създаване на маркетингово съдържание, при което агентът произвежда персонализирано визуално съдържание въз основа на писмено задание.
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Create a promotional banner for an AI course, with the text 'Master AI in 2026' on a tech background."
)
И в трите случая качеството на заданието определя качеството на резултата: творческият агент не измисля Вашето намерение, той го изпълнява.
Комбиниране с други инструменти
Генерирането на изображения разкрива пълния си потенциал, когато се комбинира с други инструменти. Търсенето на данни, тяхното анализиране и последващото им илюстриране се превръщат в един непрекъснат поток от гледна точка на потребителя.
agent = client.beta.agents.create(
model="mistral-large-latest",
name="Multimodal Agent",
description="Search, code, and images.",
instructions="Use search to find data, code to analyze it, and image generation to illustrate it.",
tools=[
{"type": "web_search"},
{"type": "code_interpreter"},
{"type": "image_generation"}
]
)
Писане на добри промптове за изображения
Пет лоста значително подобряват резултатите. Първо, бъдете описателни: „Ивичеста оранжева котка, седнала на дървено бюро, естествено осветление, фотографски стил“ дава напълно различно изображение от „котка“. След това уточнете очаквания стил – фотографски, илюстрация, акварел, минимализъм. Посочете композицията, тоест изглед отпред, висок ъгъл, близък план или широк кадър. Споменете осветлението, дали е естествено, студийно, контражур или „златен час“. Накрая, уточнете цветовете: топла палитра, студени тонове, монохромно. Тези пет оси са точно това, което записвате в инструкциите на агента, за да може той да обогати твърде кратките заявки от Вашите потребители.
Управление на генерирани файлове
Генерираните изображения се съхраняват временно в облака на Mistral чрез Files API. Направете си навик да правите инвентаризация и почистване: в противен случай пространството Ви ще се запълни със забравени чернови, а файлове, от които сте имали нужда, ще изчезнат, защото не са били изтеглени навреме.
# List files
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Delete a file
client.files.delete(file_id="file-xxxxxxxx")
Ключови изводи
image_generationсъздава изображения от текстови описания- Изображенията се връщат като обекти
ToolFileChunkи могат да бъдат изтеглени чрезclient.files.download() - Подробните промптове (стил, композиция, осветление) значително подобряват резултатите
- Инструментът може да се комбинира с
web_searchиcode_interpreter - Генерираните файлове са временни – изтеглете ги, иначе ще бъдат изтрити