Įrankis image_generation: vaizdų kūrimas
Šiame puslapyje
Vaizdų generavimas per tavo agentą
Įrankis image_generation leidžia tavo agentui kurti vaizdus iš teksto aprašymų. Jis papildo jau matytus įrankius: jei code_interpreter generuoja skaičius ir diagramas, tai šis kuria vizualinį turinį. Tai galingas įrankis kūrybiniams projektams, maketų rengimui ar koncepcijų iliustravimui. Kaip ir kitus integruotus įrankius, jį aktyvuoji kurdamas agentą, o modelis pats nusprendžia, kada jį panaudoti, atsižvelgdamas į užklausą.
Sukurk agentą su vaizdų generavimu
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}
)
Čia instrukcijos turi didelę reikšmę. Paprašius agentą performuluoti užklausą į išsamų promptą, neaiškus „sukurk katės paveikslėlį“ virsta konkrečiu veiksmų planu. Liepus agentui prieš generuojant apibūdinti būsimą vaizdą, gauni progą pakoreguoti kursą dar prieš sukūrimą. Temperatūros nustatymas ties 0,3 užtikrina discipliną: tau reikia aprašomojo tikslumo, o ne laisvos fantazijos.
Sugeneruok vaizdą
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Už šio vieno kvietimo slypi keturi agento žingsniai: jis analizuoja tavo užklausą, suformuluoja generavimo modeliui optimizuotą promptą, sukuria vaizdą ir grąžina failą. Šie žingsniai atsispindi pokalbio išvestyje, todėl matai, kuris promptas sukūrė kurį vaizdą. Tai nepakeičiama, kai rezultatas tinka ir nori jį atkartoti.
Atsisiųsk sugeneruotus vaizdus
Vaizdai atsakyme negrįžta kaip tekstas: jie ateina kaip ToolFileChunk objektai turinyje, o patį failą gauni per Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Atsisiųsti vaizdo failą
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Išsaugoti lokaliai
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Trys dažni naudojimo atvejai
Pirmasis – dokumentacijos iliustravimas, kai diagrama paaiškina geriau nei pastraipa.
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."
)
Antrasis – vizualiniai maketai, leidžiantys įmaterialinti kryptį prieš įtraukiant dizainerį.
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."
)
Trečiasis – rinkodaros turinio kūrimas, kai agentas pagal rašytinę užduotį sukuria pritaikytą vizualą.
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."
)
Visais trim atvejais trumpo aprašymo kokybė lemia rezultato kokybę: kūrybinis agentas neišgalvoja tavo ketinimų, jis juos įgyvendina.
Derink su kitais įrankiais
Vaizdų generavimas visiškai atsiskleidžia derinant su kitais įrankiais. Duomenų paieška, jų analizė ir iliustravimas tampa vienu vientisu procesu naudotojo požiūriu.
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"}
]
)
Rašyk gerus vaizdų promptus
Penki svertai žymiai pagerina rezultatus. Pirma, būk išsamus: „dryžuota oranžinė katė, sėdinti ant medinio stalo, natūralus apšvietimas, fotografinis stilius“ duoda visiškai kitokį vaizdą nei tiesiog „katė“. Antra, nurodyk pageidaujamą stilių – fotografinį, iliustracinį, akvarelės ar minimalistinį. Trečia, apibrėžk kompoziciją: priekinis vaizdas, žiūrėjimas iš viršaus, stambus planas ar bendras kadras. Ketvirta, paminėk apšvietimą: natūralus, studijinis, priešpriešinis ar „auksinės valandos“. Galiausiai, nurodyk spalvas: šilta paletė, šalti tonai, monochromija. Šie penki aspektai yra būtent tai, ką įrašai į agento instrukcijas, kad jis galėtų praturtinti pernelyg trumpas naudotojų užklausas.
Tvarkyk sugeneruotus failus
Sugeneruoti vaizdai laikinai saugomi „Mistral“ debesyje per Files API. Įprask inventorizuoti ir valyti failus: kitaip tavo erdvė prisipildys pamirštų juodraščių, o reikalingi failai dings, nes nebus laiku atsisiųsti.
# Išvardinti failus
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Ištrinti failą
client.files.delete(file_id="file-xxxxxxxx")
Svarbiausi punktai
image_generationkuria vaizdus iš teksto aprašymų- Vaizdai grąžinami kaip
ToolFileChunkobjektai ir atsisiunčiami naudojantclient.files.download() - Išsamūs promptai (stilius, kompozicija, apšvietimas) žymiai gerina rezultatus
- Įrankį galima derinti su
web_searchircode_interpreter - Sugeneruoti failai yra laikini – atsisiųsk juos, kitaip jie bus ištrinti