Sisu vorming
Sellel lehel
Groki kaks sisendvormingut
Kui saadad Grokile sõnumi, võib välja content igas sõnumis võtta ühe kahest erinevast vormist. Selle eristuse mõistmine on oluline, sest see määrab, mida saad mudelile saata: kas ainult teksti või teksti ja piltide segu.
Lihtne tekstistring
Kõige otsesem vorm: sisu on lihtne string. Kasutad seda enamiku tekstipõhiste suhtluste jaoks.
{
"role": "user",
"content": "Selgita Rusti keele eeliseid võrreldes C++-ga"
}
See vorming sobib kõigile puhtalt tekstipõhistele ülesannetele: küsimused, juhised, andmete esitamine või genereerimispäringud. Kasuta seda vormingut, kui sul pole vaja lisada visuaalseid elemente.
Tüübitud objektide massiiv
Multimodaalsete päringute (tekst + pildid) jaoks aktsepteerib Grok objektide massiivi, kus iga element sisaldab välja type, mis näitab selle olemust.
Vestluse lõpuleviimise vorming (vanem lõpp-punkt)
{
"role": "user",
"content": [
{"type": "text", "text": "Kirjelda seda kasutajaliidest ja tee ettepanekuid parendamiseks"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/screenshot.png", "detail": "high"}}
]
}
Vastuste vorming (peamine lõpp-punkt)
{
"input": [
{"type": "input_text", "text": "Analüüsi seda diagrammi ja eralda peamised trendid"},
{"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
]
}
Pane tähele nimetuste erinevust kahe lõpp-punkti vahel: text ja image_url vestluse lõpuleviimisel ning input_text ja input_image vastuste puhul.
Teksti ja piltide kombineerimine
Objektide massiiv võimaldab sul vabalt segada teksti ja pilte suvalises järjekorras. Saad saata mitu pilti ühes päringus, kusjuures tekst võib olla enne, pärast või nende vahel.
{
"role": "user",
"content": [
{"type": "text", "text": "Võrdle neid kahte liidese maketti:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v1.png"}},
{"type": "text", "text": "Eespool versioon 1, allpool versioon 2:"},
{"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v2.png"}},
{"type": "text", "text": "Tuvasta peamised erinevused ja soovita parim versioon."}
]
}
Aktsepteeritud pildi allikad
Grok aktsepteerib pilte kahel viisil:
- Otsene URL: HTTPS-link veebis majutatud pildile
- Base64-kodeering: pilt, mis on manustatud otse päringusse andme-URIna
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
Base64-vorming on kasulik, kui su pildid ei ole veebis majutatud (kohalikud ekraanitõmmised, rakenduse poolt genereeritud pildid).
Parameeter detail piltide jaoks
Iga pilt võib saada parameetri detail, mis kontrollib analüüsi taset:
- auto: mudel valib automaatselt (vaikimisi käitumine)
- low: kiire ja ökonoomne analüüs, tarbib vähem tokeneid
- high: üksikasjalik analüüs, tarbib rohkem tokeneid, kuid tabab peeneid detaile
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}
Kasuta väärtust low lihtsate ülesannete jaoks (klassifitseerimine, üldine kirjeldus) ja high täpsete analüüside jaoks (OCR, detailide tuvastamine, diagrammide lugemine).
Tehnilised piirangud
Pea pilte kasutades meeles neid piiranguid:
- Maksimaalne suurus: 20 MB pildi kohta
- Aktsepteeritud vormingud: ainult JPG, JPEG, PNG
- Piirangut piltide arvule päringu kohta ei ole
- Ühilduvad mudelid: grok-4.5 ja uuemad
- Pildid tarbivad vahemikus 256 kuni 1792 tokenit, sõltuvalt nende suurusest ja detailitasemest
Praktiline harjutus
Testi mõlemat vormingut lihtsa ülesandega:
Lihtne tekstivorming:
{"role": "user", "content": "Millised on 5 UX-disaini põhiprintsiipi?"}
Massiivivorming (ainult tekst, kuid struktureeritud):
{
"role": "user",
"content": [
{"type": "text", "text": "Kontekst: kavandan mobiilset toidu tellimise rakendust."},
{"type": "text", "text": "Küsimus: millised on 5 kõige olulisemat UX-printsiipi seda tüüpi rakenduse jaoks?"}
]
}
Isegi ilma pildita võimaldab massiivivorming selgelt eraldada konteksti küsimusest, mis võib parandada vastuse asjakohasust.
Peamised punktid
- Sisu võib olla lihtne string (lihttekst) või objektide massiiv (multimodaalne)
- Massiivivorming võimaldab segada teksti ja pilte suvalises järjekorras
- Sõltuvalt lõpp-punktist on olemas kaks nimetuste vormingut: vestluse lõpuleviimine vs vastused
- Parameeter
detailkontrollib pildi analüüsi sügavust (low, auto, high) - Pildid tarbivad tokeneid: kohanda detailitaset oma vajadustele
- Base64-vorming võimaldab saata pilte ilma neid veebis majutamata