Podporované formáty souborů
Na této stránce
Jediné kritérium, na kterém záleží
Než se zeptáš, zda konkrétní formát funguje, polož si jednodušší otázku: obsahuje soubor text, který lze extrahovat? API Files od xAI zpracovává textové soubory. Pokud jakýkoli nástroj dokáže vytáhnout znaky bez použití optického rozpoznávání znaků (OCR), bude dokument pravděpodobně přijat. Čistě binární soubory – obrázky, audio, video – sem nepatří; pro obrázek je správným přístupem parametr input_image v Responses API, nikoli Files API.
Toto jediné kritérium vysvětluje většinu zamítnutí, se kterými se setkáš. Vysvětluje také, proč finanční zpráva ve formátu PDF funguje perfektně, zatímco PDF z stolního skeneru selhává: první nese textovou vrstvu, druhé je pouze sérií fotografií stránek.
Čtyři podporované kategorie
Podporované formáty spadají do čtyř kategorií, z nichž každá má své preferované využití.
| Kategorie | Formáty | Co Grok extrahuje |
|---|---|---|
| Kancelářské dokumenty | PDF, DOCX, ODT, EPUB, RTF | Text, tabulky, struktura sekcí |
| Zdrojový kód | .py, .js, .ts, .java, .go, .rs, .cpp, HTML, CSS, XML a 80+ jazyků | Importy, závislosti, struktura souborů |
| Strukturovaná data | CSV, TSV, JSON, JSON-LD, vCard | Hierarchie polí, statistiky, trendy |
| Prostý text | TXT, MD | Lineární obsah, nadpisy a seznamy v Markdownu |
Co se týče kancelářských dokumentů, PDF zůstává nejběžnějším formátem a Grok z něj extrahuje text, tabulky a rozdělení do sekcí. Word DOCX si při extrakci zachovává své formátování – tučné písmo, kurzívu, seznamy – stejně jako jeho open-source ekvivalent ODT. EPUB se stává zajímavým, jakmile pracuješ s dlouhými publikacemi, bílou knihou nebo celým manuálem, a RTF, ačkoli starší, je stále dostatečně rozšířený na to, aby byl podporován.
Zdrojový kód je oblast, kde se Files API nejvýrazněji odlišuje od prostého kopírování a vkládání. Odeslání celého souboru payment.py namísto izolované funkce mění povahu analýzy: Grok vidí importy, závislosti a organizaci souborů, a může tedy odhalit, že výjimka je zachycena o třicet řádků výše, nebo že konstanta definovaná nahoře je v rozporu s komentářem dole. Podporováno je více než 80 jazyků s textovou syntaxí.
Datové formáty slouží primárně kvantitativní analýze. CSV s měsíčním prodejem umožňuje Grokovi vypočítat rozptyly, odhalit sezónnost a shrnout dataset o několika tisících řádcích; konfigurace JSON nebo odpověď API mu poskytuje přístup k hierarchii a vztahům mezi poli, což by zploštělá tabulka neukázala. JSON-LD přidává sémantický kontext propojeným datům a vCard pokrývá vizitky kontaktů. Nakonec TXT a MD fungují podle očekávání, přičemž Markdown nabízí výhodu přenosu lehké struktury nadpisů a seznamů.
Časté pasti
V produkčním prostředí se neustále objevují čtyři omezení. Prvním je velikost: 48 MB na soubor, po jejímž překročení musíš dokument rozdělit. Druhým je kódování: tvé soubory musí být v UTF-8 a export v ISO-8859 nebo Windows-1252 způsobí poškození diakritiky, někdy nenápadné – když se `é` uprostřed smlouvy změní na “ é , nikdo si toho nevšimne, dokud vyhledávání nic nenajde. Třetím je **chybějící zpracování obrázků**: PNG, JPG nebo GIF sem nepatří, musíš použít input_image`. Čtvrtým je případ skenovaného PDF bez textové vrstvy OCR, které bude při nahrání přijato, ale při dotazu nevrátí žádné výsledky.
Tato poslední situace vyžaduje jednoduchý návyk: před nahráním dávky PDF nejistého původu otevři jeden z nich a zkus myší vybrat odstavec. Pokud se nic nevybere, musíš své dokumenty předem zpracovat pomocí OCR.
Vždy vybírej co nejstrukturovanější formát
Když existují stejné informace v různých formách, vždy vyber tu nejstrukturovanější. Pro analýzu zpráv upřednostni původní PDF nebo DOCX, které zachovávají hierarchii, před plochým textovým exportem. Pro analýzu dat poskytne CSV pro tabulky a JSON pro hierarchická data lepší výsledky než export z tabulkového procesoru převedený na prostý text. Pro revizi kódu odešli původní zdrojový soubor s jeho původní příponou. Pro dokumentaci funguje Markdown nebo PDF podle toho, co máš k dispozici u zdroje. Pravidlo se dá shrnout do jedné věty: každá úroveň struktury, kterou zachováš, je úroveň kontextu, kterou model nemusí rekonstruovat.
Klíčové poznatky
- Files API podporuje dokumenty (PDF, DOCX, EPUB), kód (80+ jazyků), data (CSV, JSON) a prostý text
- Limit je 48 MB na soubor v kódování UTF-8
- Obrázky a binární soubory nejsou podporovány – pro obrázky použij
input_image - Pro lepší analýzu upřednostni co nejstrukturovanější formát