Rīks image_generation: attēlu ģenerēšana
Šajā lapā
Attēlu ģenerēšana, izmantojot savu aģentu
Rīks image_generation ļauj tavam aģentam izveidot attēlus, pamatojoties uz teksta aprakstiem. Tas papildina jau iepriekš apskatītos rīkus: kamēr code_interpreter ģenerē skaitļus un diagrammas, šis rada vizuālo saturu. Tas ir spēcīgs instruments radošiem uzdevumiem, maketu izstrādei vai konceptu ilustrēšanai. Tāpat kā citus iebūvētos rīkus, tu to aktivizē aģenta izveides brīdī, un modelis pats lemj, vai to izsaukt, atkarībā no pieprasījuma.
Aģenta izveide ar attēlu ģenerēšanas funkciju
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}
)
Šeit instrukcijām ir īpaši liela nozīme. Pieprasot aģentam pārformulēt lietotāja lūgumu detalizētā promptā, tu pārvērš neskaidru „uztaisi man kaķa attēlu” konkrētā, izpildāmā aprakstā. Liekot aģentam paziņot, kādu attēlu tas gatavojas ģenerēt, pirms tas to dara, tu iegūsti iespēju veikt korekcijas jau pirms ģenerēšanas procesa sākuma. Temperatūras iestatījums 0.3 nodrošina disciplinētu pārformulēšanu: tev nepieciešama aprakstoša precizitāte, nevis brīva izdoma.
Attēla ģenerēšana
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Aiz šī viena izsaukuma slēpjas četru soļu ķēde: aģents analizē tavu pieprasījumu, formulē ģenerēšanas modelim optimizētu promptu, izveido attēlu un pēc tam atgriež failu. Šie soļi ir redzami sarunas izvados, ļaujot tev saprast, kurš prompts radīja konkrēto attēlu. Tas ir neaizstājami, ja rezultāts tev patīk un vēlies to reproducēt.
Lejupielādēt ģenerētos attēlus
Attēli netiek atgriezti kā teksts atbildē: tie nonāk kā ToolFileChunk objekti saturā, un faktisko failu tu iegūsti, izmantojot Files API.
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Lejupielādēt attēla failu
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Saglabāt lokāli
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Trīs biežākie lietojumi
Pirmais ir dokumentācijas ilustrēšana, kur diagramma skaidro labāk nekā teksta rindkopa.
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."
)
Otrais ir vizuālo maketu izveide, lai materializētu virzienu pirms dizainera iesaistīšanas.
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."
)
Trešais ir mārketinga satura radīšana, kur aģents no rakstiska uzdevuma izveido pielāgotu vizuāli.
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."
)
Visos trīs gadījumos īsa uzdevuma kvalitāte nosaka rezultāta kvalitāti: radošs aģents neizgudro tavu nodomu, tas to izpilda.
Kombinēšana ar citiem rīkiem
Attēlu ģenerēšana sasniedz savu pilno potenciālu, ja to apvieno ar citiem rīkiem. Datu meklēšana, to analīze un pēc tam ilustrēšana kļūst par vienu nepārtrauktu plūsmu no lietotāja perspektīvas.
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"}
]
)
Labu attēlu promptu rakstīšana
Pieci sviras būtiski uzlabo rezultātus. Pirmkārt, esi aprakstošs: „Svītrains oranžs kaķis, kas sēž uz koka rakstāmgalda, dabīgs apgaismojums, fotogrāfisks stils” radīs pavisam citu attēlu nekā vienkārši „kaķis”. Tālāk norādi vēlamo stilu – fotogrāfisks, ilustrācija, akvarelis, minimālisms. Norādi kompozīciju, proti, skats no priekšpuses, augsts leņķis, tuvplāns vai plašskats. Piemin apgaismojumu, vai tas ir dabīgs, studijas, pretgaismā vai „zelta stundas” gaismā. Visbeidzot, precizē krāsas: silta palete, auksti toņi, monohroms. Šīs piecas asis ir tieši tas, ko tu ieraksti aģenta instrukcijās, lai tas bagātinātu pārāk īsus lietotāju pieprasījumus.
Ģenerēto failu pārvaldība
Ģenerētie attēli tiek pagaidām glabāti Mistral mākonī, izmantojot Files API. Pieradini sevi veikt inventarizāciju un tīrīšanu: pretējā gadījumā tava vieta piepildīsies ar aizmirstiem melnrakstiem, un faili, kas tev bija nepieciešami, pazudīs, jo netika laikus lejupielādēti.
# Sarakstīt failus
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Dzēst failu
client.files.delete(file_id="file-xxxxxxxx")
Galvenās atziņas
image_generationizveido attēlus no teksta aprakstiem- Attēli tiek atgriezti kā
ToolFileChunkobjekti un ir lejupielādējami, izmantojotclient.files.download() - Detalizēti prompti (stils, kompozīcija, apgaismojums) būtiski uzlabo rezultātus
- Rīku var kombinēt ar web_search un code_interpreter
- Ģenerētie faili ir pagaidu – lejupielādē tos, pretējā gadījumā tie tiks dzēsti