Orodje image_generation: ustvarjanje slik
Na tej strani
Ustvarjanje slik prek tvojega agenta
Orodje image_generation omogoča tvojemu agentu ustvarjanje slik na podlagi besedilnih opisov. Dopolnjuje orodja, ki si jih že spoznal: medtem ko code_interpreter proizvaja številke in grafe, to orodje ustvarja vizualne vsebine. Je zmogljivo orodje za kreativne primere uporabe, generiranje maket ali ponazoritev konceptov. Kot druga vgrajena orodja ga omogočiš ob ustvarjanju agenta, model pa se glede na zahtevo sam odloči, ali ga bo poklical.
Ustvari agenta z generiranjem slik
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}
)
Navodila imajo tu veliko težo. Z zahtevo, naj agent preoblikuje prošnjo v podroben poziv, spremeniš nejasno „nariši mi mačko” v izvedljiv opis. S tem, da napove sliko pred njenim ustvarjanjem, si pridobiš priložnost za popravek smeri, preden pride do generiranja. Temperatura 0,3 ohranja to preoblikovanje disciplinirano: želiš opisno natančnost, ne proste domišljije.
Generiraj sliko
response = client.beta.conversations.start(
agent_id=agent.id,
inputs="Generate an image of an orange cat in a modern office."
)
Za tem enim klicem agent zaporedno izvede štiri korake: analizira tvojo zahtevo, oblikuje poziv, optimiziran za model generiranja, ustvari sliko in nato vrne datoteko. Ti koraki so vidni v izhodih pogovora, kar ti omogoča, da vidiš, kateri poziv je proizvedel katero sliko. To je neprecenljivo, ko ti je rezultat všeč in ga želiš reproducirati.
Prenesi generirane slike
Slike se v odgovoru ne vrnejo kot besedilo: prispejo kot predmeti ToolFileChunk v vsebini, dejavno datoteko pa pridobiš prek API-ja za datoteke (Files API).
from mistralai.client.models import ToolFileChunk
for i, chunk in enumerate(response.outputs[-1].content):
if isinstance(chunk, ToolFileChunk):
# Prenesi slikovno datoteko
file_bytes = client.files.download(file_id=chunk.file_id).read()
# Shrani lokalno
with open(f"image_{i}.png", "wb") as f:
f.write(file_bytes)
print(f"Image saved: image_{i}.png")
Trije pogosti primeri uporabe
Prvi je ponazoritev dokumentacije, kjer diagram pojasni več kot odstavek besedila.
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."
)
Drugi so vizualne makete, ki materializirajo smer, preden angažiraš oblikovalca.
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."
)
Tretji je ustvarjanje marketinških vsebin, kjer agent na podlagi pisnega briefa proizvede prilagojeno vizualno podobo.
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."
)
V vseh treh primerih kakovost briefa določa kakovost rezultata: kreativni agent ne izumlja tvojega namena, temveč ga izvrši.
Kombiniraj z drugimi orodji
Generiranje slik doseže svoj polni potencial, ko je združeno z drugimi orodji. Iskanje podatkov, njihova analiza in nato ponazoritev postanejo iz uporabnikove perspektive en sam nemoten tok.
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"}
]
)
Piši dobre pozive za slike
Pet vzvodov bistveno izboljša rezultate. Prvič, bodi opisn: „progasta oranžna mačka, ki sedi na leseni mizi, naravna osvetlitev, fotografski slog” proizvede popolnoma drugačno sliko kot zgolj „mačka”. Nato določi pričakovani slog – fotografski, ilustracija, akvarel, minimalističen. Navedi kompozicijo, kar pomeni pogled od spredaj, ptičja perspektiva, bližnji posnetek ali široki kader. Omeni osvetlitev, naj bo naravna, studijska, protisvetloba ali zlata ura. Nazadnje določi barve: topla paleta, hladni toni, monokromatsko. Teh pet osi je točno tisto, kar zapišeš v navodila agenta, da lahko obogati prekratke zahteve tvojih uporabnikov.
Upravljaj generirane datoteke
Generirane slike so začasno shranjene v oblaku Mistral prek API-ja za datoteke. Naj ti bo v navadi, da jih inventariziraš in počistiš: sicer se tvoj prostor napolni z pozabljenimi osnutki, datoteke, ki si jih potreboval, pa izginejo, ker jih nisi pravočasno prenesel.
# Izpiši datoteke
files = client.files.list()
for f in files.data:
print(f"{f.id} — {f.filename} — {f.bytes} bytes")
# Izbriši datoteko
client.files.delete(file_id="file-xxxxxxxx")
Ključne ugotovitve
image_generationustvarja slike iz besedilnih opisov- Slike se vrnejo kot predmeti
ToolFileChunkin jih je mogoče prenesti prekclient.files.download() - Podrobni pozivi (slog, kompozicija, osvetlitev) bistveno izboljšajo rezultate
- Orodje lahko kombiniraš z
web_searchincode_interpreter - Generirane datoteke so začasne – prenesi jih, sicer bodo izbrisane