Atbalstītie failu formāti
Šajā lapā
Vienīgais kritērijs, kam ir nozīme
Pirms jautā, vai konkrēts formāts darbojas, uzdod sev vienkāršāku jautājumu: vai fails satur izgūstamu tekstu? xAI Files API apstrādā teksta failus. Ja jebkurš rīks spēj no tā izvilkt rakstzīmes, neizmantojot optisko rakstzīmju atpazīšanu (OCR), dokuments, visticamāk, tiks pieņemts. Tīri binārie faili — attēli, audio, video — šeit nepieder; attēla gadījumā pareizā pieeja ir input_image Responses API, nevis Files API.
Šis vienīgais kritērijs izskaidro lielāko daļu noraidījumu, ar kuriem saskarsies. Tas arī izskaidro, kāpēc finanšu pārskata PDF fails darbojas nevainojami, bet PDF no galddatora skenera nē: pirmajam ir teksta slānis, bet otrais ir tikai virkne lapu fotogrāfiju.
Četras atbalstītās kategorijas
Atbalstītie formāti iedalās četrās kategorijās, katrai no tām ir savs paredzētais lietojums.
| Kategorija | Formāti | Ko Grok izgūst |
|---|---|---|
| Biroja dokumenti | PDF, DOCX, ODT, EPUB, RTF | Teksts, tabulas, sadaļu struktūra |
| Pirmkods | .py, .js, .ts, .java, .go, .rs, .cpp, HTML, CSS, XML un 80+ valodas | Importi, atkarības, failu struktūra |
| Strukturēti dati | CSV, TSV, JSON, JSON-LD, vCard | Lauku hierarhija, statistika, tendences |
| Vienkāršs teksts | TXT, MD | Lineārs saturs, Markdown virsraksti un saraksti |
Biroja dokumentu pusē PDF joprojām ir visizplatītākais formāts, un Grok no tā izgūst tekstu, tabulas un sadaļu sadalījumu. Word DOCX saglabā savu formatējumu — treknrakstu, slīprakstu, sarakstus — izguves procesā, tieši tāpat kā tā atvērtā koda ekvivalents ODT. EPUB kļūst interesants, tiklīdz strādā ar gariem izdevumiem, baltajām grāmatām vai veselu rokasgrāmatu, bet RTF, lai gan ir vecāks, joprojām ir pietiekami izplatīts, lai to atbalstītu.
Pirmkods ir joma, kur Files API visskaidrāk atšķiras no kopēšanas un ielīmēšanas. Sūtot payment.py pilnībā, nevis izolētu funkciju, mainās analīzes būtība: Grok redz importus, atkarības un failu organizāciju, tāpēc var pamanīt, ka izņēmums tiek noķerts trīsdesmit rindas augstāk vai ka konstante, kas definēta faila augšdaļā, ir pretrunā ar komentāru apakšdaļā. Tiek aptvertas vairāk nekā 80 valodas ar teksta bāzētu sintaksi.
Datu formāti galvenokārt kalpo kvantitatīvai analīzei. Mēneša pārdošanas rādītāju CSV ļauj Grok aprēķināt novirzes, noteikt sezonalitāti un apkopot datu kopu ar vairākiem tūkstošiem rindu; JSON konfigurācija vai API atbilde nodrošina piekļuvi lauku hierarhijai un attiecībām, ko izlīdzināta tabula neparādītu. JSON-LD pievieno semantisko kontekstu saistītajiem datiem, bet vCard aptver vizītkartes. Visbeidzot, TXT un MD darbojas, kā paredzēts, un Markdown piedāvā priekšrocību, nododot vieglu virsrakstu un sarakstu struktūru.
Biežākās kļūdas
Ražošanas vidē pastāvīgi rodas četri ierobežojumi. Pirmais ir izmērs: 48 MB uz failu; pārsniedzot šo robežu, dokuments ir jāsadalās. Otrais ir kodējums: failiem jābūt UTF-8 formātā, un eksportēšana ISO-8859 vai Windows-1252 formātā radīs bojātas rakstzīmes ar diakritiskajām zīmēm, dažreiz nemanāmi — `é` pārvēršas par `é` līguma vidū, un tas paliek nepamanīts, līdz meklēšana neatrod neko. Trešais ir attēlu apstrādes trūkums: PNG, JPG vai GIF šeit nepieder, jāizmanto input_image. Ceturtais ir skenēta PDF gadījums bez OCR teksta slāņa, kas tiks pieņemts augšupielādes brīdī, bet neatdos rezultātus, veicot vaicājumu.
Šī pēdējā situācija prasa vienkāršu ieradumu: pirms augšupielādējat PDF failu partiju ar nenoteiktu izcelsmi, atveriet vienu no tiem un mēģiniet ar peli atlasīt rindkopu. Ja neko nevar atlasīt, jūsu dokumenti iepriekš jāapstrādā ar OCR.
Izvēlies pēc iespējas strukturētāko formātu
Ja viena un tā pati informācija pastāv vairākos veidos, vienmēr izvēlies visstrukturētāko. Pārskatu analīzei dod priekšroku sākotnējam PDF vai DOCX, kas saglabā hierarhiju, nevis vienkāršam teksta eksportam. Datu analīzei CSV tabulām un JSON hierarhiskiem datiem dos labākus rezultātus nekā izklājlapas eksports, kas pārvērsts vienkāršā tekstā. Koda apskatei nosūti sākotnējo pirmkoda failu ar tā sākotnējo paplašinājumu. Dokumentācijai atkarībā no pieejamā avota der Markdown vai PDF. Likums reducējas uz vienu teikumu: katrs saglabātais struktūras līmenis ir konteksta līmenis, ko modelim nevajadzēs rekonstruēt.
Galvenās atziņas
- Files API atbalsta dokumentus (PDF, DOCX, EPUB), kodu (80+ valodas), datus (CSV, JSON) un vienkāršu tekstu
- Limits ir 48 MB uz failu UTF-8 kodējumā
- Attēli un binārie faili netiek atbalstīti — attēliem izmanto
input_image - Dod priekšroku pēc iespējas strukturētākam formātam, lai iegūtu labāku analīzi