Ugrás a főtartalomra
Magyar— Nyelv kiválasztása
Menü

Tartalomformátum

4. lecke 14 közül Frissítve 2026. július 30. Kezdő
Ezen az oldalon
  1. Grok két bemeneti formátuma
  2. Egyszerű szöveges karakterlánc
  3. Típusozott objektumtömb
  4. Szöveg és képek kombinálása
  5. A detail paraméter képekhez
  6. Technikai korlátok
  7. Gyakorlati gyakorlat
  8. Főbb megállapítások

Grok két bemeneti formátuma

Amikor üzenetet küldesz a Groknak, az egyes üzenetek content mezője két eltérő alakot ölthet. E különbség megértése létfontosságú, mert ez határozza meg, mit küldhetsz a modellnek: csak szöveget, vagy szöveg és képek keverékét.

Egyszerű szöveges karakterlánc

Ez a legközvetlenebb forma: a tartalom egy egyszerű karakterlánc. Ezt használod a szövegalapú interakciók többségénél.

{
  "role": "user",
  "content": "Explain the advantages of the Rust language compared to C++"
}

Ez a formátum minden tisztán szövegalapú feladathoz működik: kérdésekhez, utasításokhoz, adatok megadásához vagy generálási kérésekhez. Akkor használd ezt a formátumot, ha nem kell vizuális elemeket belefoglalnod.

Típusozott objektumtömb

Többmódusú kérésekhez (szöveg + képek) a Grok objektumok tömbjét fogadja el, ahol minden elem tartalmaz egy type mezőt, amely jelzi a természetét.

Chat Completions formátum (örökölt végpont)

{
  "role": "user",
  "content": [
    {"type": "text", "text": "Describe this user interface and suggest improvements"},
    {"type": "image_url", "image_url": {"url": "https://exemple.com/screenshot.png", "detail": "high"}}
  ]
}

Responses formátum (elsődleges végpont)

{
  "input": [
    {"type": "input_text", "text": "Analyze this chart and extract the main trends"},
    {"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
  ]
}

Figyeld meg a névbeli különbséget a két végpont között: a Chat Completions esetén text és image_url, míg a Responses esetén input_text és input_image.

Szöveg és képek kombinálása

Az objektumtömb lehetővé teszi, hogy szabadon keverd a szöveget és a képeket bármilyen sorrendben. Küldhetsz több képet ugyanabban a kérésben, szöveggel előttük, utánuk vagy közöttük.

{
  "role": "user",
  "content": [
    {"type": "text", "text": "Compare these two interface mockups:"},
    {"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v1.png"}},
    {"type": "text", "text": "Version 1 above, version 2 below:"},
    {"type": "image_url", "image_url": {"url": "https://exemple.com/maquette-v2.png"}},
    {"type": "text", "text": "Identify the main differences and recommend the best version."}
  ]
}

Elfogadott képforrások

A Grok képeket kétféleképpen fogad el:

  • Közvetlen URL: egy HTTPS hivatkozás a online hostolt képre
  • Base64 kódolás: a kép közvetlenül az adatként beágyazva a kérésben URI formátumban
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}

A Base64 formátum akkor hasznos, ha a képeid nincsenek online hostolva (helyi képernyőmentések, az alkalmazásod által generált képek).

A detail paraméter képekhez

Minden kép kaphat egy detail paramétert, amely szabályozza az elemzés szintjét:

  • auto: a modell automatikusan választ (alapértelmezett viselkedés)
  • low: gyors és gazdaságos elemzés, kevesebb tokent fogyaszt
  • high: részletes elemzés, több tokent fogyaszt, de apró részleteket is rögzít
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}

Használd a low értéket egyszerű feladatokhoz (osztályozás, általános leírás), a high értéket pedig pontos elemzésekhez (OCR, részletfelismerés, diagramok olvasása).

Technikai korlátok

Tartsd észben ezeket a korlátokat, amikor képekkel dolgozol:

  • Maximális méret: képenként 20 MB
  • Elfogadott formátumok: kizárólag JPG, JPEG, PNG
  • Nincs korlát a kérésenkénti képek számára vonatkozóan
  • Kompatibilis modellek: grok-4.5 és újabbak
  • A képek méretüktől és részletességi szintjüktől függően 256 és 1792 token között fogyasztanak

Gyakorlati gyakorlat

Teszteld mindkét formátumot egy egyszerű feladattal:

Egyszerű szöveges formátum:

{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}

Tömbös formátum (csak szöveg, de strukturáltan):

{
  "role": "user",
  "content": [
    {"type": "text", "text": "Context: I'm designing a mobile food delivery application."},
    {"type": "text", "text": "Question: what are the 5 most important UX principles for this type of application?"}
  ]
}

Még kép nélkül is, a tömbös formátum lehetővé teszi, hogy egyértelműen elválaszd a kontextust a kérdéstől, ami javíthatja a válaszok relevanciáját.

Főbb megállapítások

  • A tartalom lehet egyszerű karakterlánc (sima szöveg) vagy objektumtömb (többmódusú)
  • A tömbös formátum lehetővé teszi szöveg és képek tetszőleges sorrendű keverését
  • Két elnevezési formátum létezik a végponttól függően: Chat Completions vs Responses
  • A detail paraméter szabályozza a képelemzés mélységét (low, auto, high)
  • A képek tokeneket fogyasztanak: igazítsd a részletességi szintet az igényeidhez
  • A Base64 formátum lehetővé teszi képek küldését online hostolás nélkül