Værktøjet image_generation: Opret billeder
På denne side
Generér billeder gennem din agent
Værktøjet image_generation lader din agent skabe billeder ud fra tekstbeskrivelser. Det supplerer de værktøjer, du allerede har set: mens code_interpreter producerer tal og diagrammer, leverer dette visuelle elementer. Det er et kraftfuldt værktøj til kreative anvendelser, generering af mockups eller illustration af begreber. Som med andre indbyggede værktøjer aktiverer du det, når du opretter agenten, og modellen beslutter selv, om den skal kalde det baseret på forespørgslen.
Opret en agent med billedgenerering
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}
)
Instruktionerne har stor betydning her. Ved at bede agenten omformulere forespørgslen til en detaljeret prompt, omdanner du en vag anmodning som „lav et billede af en kat” til en handlingsorienteret beskrivelse. Ved at lade den annoncere billedet, før det genereres, giver du dig selv mulighed for at korrigere kursen, før selve genereringen sker. En temperatur på 0,3 holder denne omformulering disciplineret: du ønsker beskrivende præcision, ikke fri opfindsomhed.
Generér et billede
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Bag dette ene kald kæder agenten fire trin sammen: Den analyserer din forespørgsel, formulerer en prompt optimeret til genereringsmodellen, skaber billedet og returnerer derefter filen. Disse trin vises i samtaleoutputtet, så du kan se, hvilken prompt der producerede hvilket billede. Det er uvurderligt, når et resultat behager dig, og du ønsker at reproducere det.
Download genererede billeder
Billeder returneres ikke som tekst i svaret: De ankommer som ToolFileChunk-objekter i indholdet, og du henter selve filen via Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Download billedfilen
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Gem lokalt
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Tre almindelige brugstilfælde
Det første er illustration til dokumentation, hvor et diagram forklarer bedre end et afsnit.
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."
)
Det andet er visuelle mockups for at materialisere en retning, før du engagerer en designer.
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."
)
Det tredje er skabelse af marketingindhold, hvor agenten producerer et skræddersyet visuelt element ud fra et skriftligt brief.
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."
)
I alle tre tilfælde afgør kvaliteten af briefet resultatets kvalitet: En kreativ agent opfinder ikke din intention, den udfører den.
Kombinér med andre værktøjer
Billedgenerering når sit fulde potentiale, når det parres med andre værktøjer. At søge efter data, analysere dem og derefter illustrere dem bliver til én sammenhængende proces fra brugerens perspektiv.
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"}
]
)
Skriv gode billedprompts
Fem løftestænger forbedrer resultaterne markant. For det første skal du være beskrivende: „En stribet orange kat, der sidder på et skrivebord i træ, naturligt lys, fotografisk stil” giver et helt andet billede end „en kat”. Dernæst skal du specificere den forventede stil – fotografisk, illustration, akvarel, minimalistisk. Angiv kompositionen, dvs. frontvisning, høj vinkel, nærbillede eller vidvinkel. Nævn belysningen, hvad enten det er naturligt lys, studiebelysning, modlys eller gylden time. Til sidst skal du specificere farver: varm palet, kølige toner, monokrom. Disse fem akser er præcis det, du skriver ind i agentens instruktioner, så den kan berige alt for korte forespørgsler fra dine brugere.
Håndtér genererede filer
Genererede billeder gemmes midlertidigt i Mistral-clouden via Files API. Gør det til en vane at inventarisere og rydde op: Ellers fyldes din plads med glemte kladder, og filer, du havde brug for, forsvinder, fordi de ikke blev downloadet til tiden.
# List filer
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Slet en fil
client.files.delete(file_id="file-xxxxxxxx")
Vigtige pointer
image_generationskaber billeder ud fra tekstbeskrivelser- Billeder returneres som
ToolFileChunk-objekter og kan downloades viaclient.files.download() - Detaljerede prompts (stil, komposition, belysning) forbedrer resultaterne markant
- Værktøjet kan kombineres med web_search og code_interpreter
- Genererede filer er midlertidige – download dem, ellers bliver de slettet