Поддържани файлови формати
На тази страница
Единственият критерий, който има значение
Преди да се запитате дали конкретен формат работи, си задайте по-прост въпрос: съдържа ли файлът извличаем текст? Files API на xAI обработва текстови файлове. Ако някой инструмент може да извлече символи от него без оптично разпознаване на знаци (OCR), документът най-вероятно ще бъде приет. Чистите двоични файлове – изображения, аудио, видео – не спадат тук; за изображение правилният подход е input_image в Responses API, а не във Files API.
Този единствен критерий обяснява повечето отхвърляния, с които ще се сблъскате. Той също така обяснява защо един PDF финансов отчет работи перфектно, докато PDF от скенер на работния плот се проваля: първият съдържа текстов слой, вторият е просто поредица от снимки на страници.
Четирите поддържани категории
Поддържаните формати попадат в четири категории, всяка със своите предпочитани употреби.
| Категория | Формати | Какво извлича Grok |
|---|---|---|
| Офис документи | PDF, DOCX, ODT, EPUB, RTF | Текст, таблици, структура на секциите |
| Изходен код | .py, .js, .ts, .java, .go, .rs, .cpp, HTML, CSS, XML и над 80 езика | Импорти, зависимости, структура на файловете |
| Структурирани данни | CSV, TSV, JSON, JSON-LD, vCard | Йерархия на полетата, статистика, тенденции |
| Чист текст | TXT, MD | Линейно съдържание, заглавия и списъци на Markdown |
Що се отнася до офис документите, PDF остава най-често използваният формат и Grok извлича от него текста, таблиците и разбивката по секции. Word DOCX запазва форматирането си – удебелен шрифт, курсив, списъци – при извличането, точно като своя еквивалент с отворен код ODT. EPUB става интересен, щом работите с дълги публикации, бяла книга или цяло ръководство, а RTF, макар и по-стар, остава достатъчно разпространен, за да бъде поддържан.
Изходният код е областта, в която Files API се отличава най-ясно от копирането и поставянето. Изпращането на payment.py в цялост, вместо на изолирана функция, променя естеството на анализа: Grok вижда импортираните модули, зависимостите и организацията на файловете и следователно може да открие, че изключение е прихванато тридесет реда по-нагоре или че константа, дефинирана в началото, противоречи на коментар в края. Обхванати са над 80 езика с текстов синтаксис.
Форматите за данни служат предимно за количествен анализ. CSV файл с месечни продажби позволява на Grok да изчисли отклоненията, да открие сезонност и да обобщи набор от данни от няколко хиляди реда; JSON конфигурация или API отговор му предоставя достъп до йерархията и връзките между полетата, което изравнена таблица не би показала. JSON-LD добавя семантичен контекст към свързаните данни, а vCard обхваща визитки. Накрая, TXT и MD работят според очакванията, като Markdown предлага предимството да предава лека структура от заглавия и списъци.
Чести грешки
Четири ограничения възникват постоянно в производствената среда. Първото е размерът: 48 MB на файл, след което трябва да разделите документа. Второто е кодирането: файловете Ви трябва да са в UTF-8, а експорт в ISO-8859 или Windows-1252 ще доведе до развалени акцентирани знаци, понякога незабележимо – `é` става `é` посред договор и това остава незабелязано, докато търсене не върне нищо. Третото е липсата на обработка на изображения: PNG, JPG или GIF не спадат тук, трябва да използвате input_image. Четвъртото е случаят с сканиран PDF без OCR текстов слой, който ще бъде приет при качване, но няма да върне резултати при заявка.
Тази последна ситуация изисква един прост навик: преди да качите партида PDF файлове с несигурен произход, отворете един и се опитайте да маркирате параграф с мишката. Ако нищо не се маркира, документите Ви трябва да преминат през OCR обработка предварително.
Изберете възможно най-структурирания формат
Когато една и съща информация съществува в множество форми, винаги избирайте най-структурираната. За анализ на отчети предпочитайте оригиналния PDF или DOCX, които запазват йерархията, вместо плосък текстов експорт. За анализ на данни, CSV за таблици и JSON за йерархични данни ще дадат по-добри резултати от експорт на електронна таблица, трансформиран в чист текст. За преглед на код изпратете оригиналния изходен файл с неговото оригинално разширение. За документация Markdown или PDF работят в зависимост от това какво имате в източника. Правилото се свежда до едно изречение: всяко ниво на структура, което запазите, е ниво на контекст, което моделът няма да трябва да възстановява.
Ключови изводи
- Files API поддържа документи (PDF, DOCX, EPUB), код (над 80 езика), данни (CSV, JSON) и чист текст
- Лимитът е 48 MB на файл в UTF-8 кодиране
- Изображенията и двоичните файлове не се поддържат – използвайте
input_imageза изображения - Предпочитайте възможно най-структурирания формат, за да получите по-добър анализ