Turinio formatas
Šiame puslapyje
Du Grok įvesties formatai
Siųsdamas žinutę Grok, kiekvieno pranešimo laukas content gali būti vienos iš dviejų skirtingų formų. Šis skirtumas yra svarbus, nes jis lemia, ką gali siųsti modeliui: tik tekstą arba teksto ir vaizdų derinį.
Paprasta teksto eilutė
Tai tiesiausia forma: turinys yra paprasta eilutė. Daugumai su tekstu susijusių užduočių naudos būtent ją.
{
"role": "user",
"content": "Explain the advantages of the Rust language compared to C++"
}
Šis formatas tinka visoms gryno teksto užduotims: klausimams, instrukcijoms, duomenų pateikimui arba generavimo prašymams. Naudok jį, kai nereikia įtraukti vaizdinių elementų.
Tipizuotų objektų masyvas
Daugiamodaliams prašymams (tekstas + vaizdai) Grok priima objektų masyvą, kuriame kiekvienas elementas turi lauką type, nurodantį jo pobūdį.
Pokalbių užbaigimo formatas (senasis galinis taškas)
{
"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"}}
]
}
Atsakymų formatas (pagrindinis galinis taškas)
{
"input": [
{"type": "input_text", "text": "Analyze this chart and extract the main trends"},
{"type": "input_image", "image_url": "https://exemple.com/graphique.png"}
]
}
Atkreipk dėmesį į pavadinimų skirtumą tarp šių dviejų galinių taškų: pokalbių užbaigimui naudojami text ir image_url, o atsakymams – input_text ir input_image.
Teksto ir vaizdų derinimas
Objektų masyvas leidžia laisvai maišyti tekstą ir vaizdus bet kokia tvarka. Viename prašyme gali siųsti kelis vaizdus, o tekstą pateikti prieš juos, po jų arba tarp jų.
{
"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."}
]
}
Priimtini vaizdų šaltiniai
Grok priima vaizdus dviem būdais:
- Tiesioginis URL: HTTPS nuoroda į internete talpinamą vaizdą
- Base64 koduotė: vaizdas įterpiamas tiesiai į prašymą kaip duomenų URI
{"type": "image_url", "image_url": {"url": "data:image/jpeg;base64,/9j/4AAQ..."}}
Base64 formatas naudingas, kai tavo vaizdai nėra talpinami internete (pvz., vietiniai ekrano kopijų failai arba programos sugeneruoti vaizdai).
Parametras detail vaizdams
Kiekvienam vaizdui galima nustatyti parametrą detail, kuris valdo analizės lygį:
- auto: modelis pasirenka automatiškai (numatytoji elgsena)
- low: greita ir ekonomiška analizė, suvartoja mažiau žetonų
- high: išsami analizė, suvartoja daugiau žetonų, bet fiksuoja smulkias detales
{"type": "image_url", "image_url": {"url": "https://...", "detail": "low"}}
Naudok low paprastoms užduotims (klasifikavimas, bendras aprašymas), o high – tikslioms analizėms (OCR, detalių aptikimas, grafikų skaitymas).
Techniniai apribojimai
Dirbdamas su vaizdais, atsimink šiuos apribojimus:
- Maksimalus dydis: 20 MB vienam vaizdui
- Priimtini formatai: tik JPG, JPEG, PNG
- Vaizdų skaičius vienam prašymui neribojamas
- Suderinami modeliai: grok-4.5 ir naujesni
- Vaizdai suvartoja nuo 256 iki 1 792 žetonų, priklausomai nuo jų dydžio ir detalumo lygio
Praktinė užduotis
Išbandyk abu formatus atlikdamas paprastą užduotį:
Paprastas teksto formatas:
{"role": "user", "content": "What are the 5 fundamental principles of UX design?"}
Masyvo formatas (tik tekstas, bet struktūruotas):
{
"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?"}
]
}
Net ir be vaizdo, masyvo formatas leidžia aiškiai atskirti kontekstą nuo klausimo, o tai gali pagerinti atsakymo tikslumą.
Svarbiausi punktai
- Turinys gali būti paprasta eilutė (grynas tekstas) arba objektų masyvas (daugiamodalis)
- Masyvo formatas leidžia bet kokia tvarka maišyti tekstą ir vaizdus
- Egzistuoja du pavadinimų formatai, priklausomai nuo galinio taško: pokalbių užbaigimas arba atsakymai
- Parametras
detailvaldo vaizdo analizės gylį (low, auto, high) - Vaizdai suvartoja žetonus: pritaikyk detalumo lygį savo poreikiams
- Base64 formatas leidžia siųsti vaizdus netalpinant jų internete