Kuidas mintbot failidega ümber käib¶

Kui saadad oma mintboti agendile foto, dokumendi, häälsõnumi, tabeli, ekraanipildi või PDF-i — Telegrami, veebipaneeli või API kaudu —, siis fail ei läbi keelemudeli poole liikudes mintboti keskset taristut. See maandub otse sinu enda agendi privaatserverisse (VPS-i), jääb sinna nii kauaks, kui sa soovid, ja mudel saab sellest LLM-i jaoks optimeeritud koopia.

See on vaikne disainiotsus valjude tagajärgedega. Tasub see lahti seletada, sest just siin erineb mintbot tavalistest LLM-vestlustoodetest kõige rohkem.

Voog otsast lõpuni¶

Üleslaadimine jõuab agendi VPS-i. Foto Telegramist, veebipaneeli lohistatud PDF, häälmemo, vestlusesse kleebitud ekraanipilt. Agendi kohalik API võtab baidid vastu, kontrollib faili signatuuri (magic bytes), et aru saada, mis fail see päriselt on (telefonid ja brauserid märgistavad faile üllatavalt sageli valesti), arvutab SHA-256-räsi ja kirjutab faili sinu agendi VPS-is kataloogi /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. Kohalikku kataloogi tekib rida allika (telegram / panel / api), üleslaadija ID, MIME-tüübi ja algse failinimega.
Originaal on püha. Sellest hetkest ei muuda miski mintbotis salvestatud faili. Adapterid, mis faili LLM-ile ette valmistavad, väljastavad ainult töökoopiaid — väiksemaks tehtud JPEG-e, ümberkodeeritud teksti, eraldatud pisipilte. Baiditäpne originaal jääb kettale, kuni sina selle agendi failihaldurist kustutad. Pole keskset hoidlat, pole säilitusaja taimerit, pole agentidevahelist leket: iga agendi VPS teab ainult oma omaniku failidest.

Mudel saab LLM-i jaoks optimeeritud versiooni. Kui agent otsustab faili mudelile näidata, valib väike dispetšer MIME-tüübi ja laiendi järgi õige adapteri ning adapter väljastab sisuplokid, mida mudel lugeda saab:

Adapter	Mida käsitleb	Väljund
Pilt	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF ja kõik muu, mida Pillow avada oskab	Pikem külg skaleeritud 1568 pikslile, ümberkodeeritud JPEG q85-ks, mudeli konteksti base64-na
PDF	`.pdf` kuni 32 MB	Base64-na natiivse PDF-ina (Anthropicu mudelid loevad seda otse)
Tekst	`.md`, `.csv`, `.json`, `.yaml`, lähtekood (`.py`, `.js`, `.ts`, `.go`, `.rs`, …), logid, diffid	UTF-8-na dekodeeritud (latin-1 varuks), tekstina kaasa pandud kuni mahupiirini
Heli	`.mp3`, `.ogg`, `.opus`, `.m4a`, `.wav`, `.flac`	Telegrami häälsõnumid transkribeerib bot juba samas käigus; otseüleslaadimised saavad praegu kohatäite — Whisperi kõnetuvastus tuleb järgmises laines
Video	`.mp4`, `.mov`, `.webm`, `.mkv`	Praegu kohatäide; ffmpeg-i võtmekaadrid + heli transkriptsioon tulevad järgmises laines
Office'i dokumendid	`.docx`, `.xlsx`, `.pptx`, `.odt`, `.ods`, `.odp`	Praegu kohatäide; natiivne tekstieraldus (python-docx / openpyxl / python-pptx) tuleb järgmises laines
Tundmatu	Kõik muu	Tekstiline kohatäide: „kasutaja saatis `<mime>` faili, see on kettal alles üleslaadimise ID-ga `<id>`“ — nii saab mudel vähemalt arutleda selle üle, mis saadeti

Iga teisendus salvestatakse originaali kõrvale vahemällu failina <sha256>.cache/v<N>.json, nii et teisel korral, kui mudel sama faili vajab, on see hetkega olemas. Adapteri versiooni tõstmine muudab vahemälu automaatselt kehtetuks.

Mudeli konteksti ei satu aeguvaid URL-e. Kui pilt või PDF läheb LLM-ile, lisatakse see base64-na samasse vooru — pole URL-i, mis võiks hiljem 404 anda, pole taimeriga allkirjastatud linki. Suuremate failide puhul, kus mudel vajab ainult viidet, on URL sisemine https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — see on kaitstud sinu enda agendi paneelitokeniga ja kehtib seni, kuni fail on kettal.

Miks see on parem kui tavaline LLM-vestlus¶

Kui laadid ChatGPT-sse foto või Claude.ai-sse PDF-i, läheb see pakkuja hoidlasse, seotakse selle vestlusega ja kadumise hetke otsustab pakkuja säilituspoliitika. Teatud vanusest alates on fail kadunud, isegi kui vestlus, kus see oli, on veel näha. Pakkuja vahetamine tähendab nullist alustamist.

Üks levinud Telegrami-bottide lõks teeb erinevuse käegakatsutavaks. Telegram ise hoiab iga foto jaoks püsivat file_id-d, aga kolmanda osapoole botid, kes selle file_id järgi faili pärivad, saavad ajutise URL-i, mis aegub 24 tunni pärast. Vanemad botid, mis viitavad eilsele fotole, annavad 404. mintbot lahendab selle ühe korraga: kui ta näeb Telegrami faili esimest korda, laadib ta baidid igavesti kehtiva file_id kaudu uuesti alla ja kopeerib need sinu agendi arhiivi. Sellest hetkest on foto sinu oma.

Sellest disainist tuleneb kolm asja:

Failid kuuluvad sulle, mitte LLM-i pakkujale. Vahetad järgmisel kuul Claude'i GPT-5 vastu — su failiajalugu tuleb puutumatuna kaasa, sest see asub sinu VPS-is, mitte pakkuja hoidlas.
Saad hiljem uuesti küsida. „Kolm kuud tagasi analüüsisid mu lepingut — kas võrdleksid seda uue mustandiga?“ töötab, sest originaal on endiselt kettal. Tavalises vestlustootes on vanem fail enamasti kadunud.
Mudel saab alati just selle versiooni, mida ta kõige paremini kasutada oskab. Pilte mõistvad mudelid saavad skaleeritud JPEG-i, tekstilugejad UTF-8, PDF-lugejad natiivse PDF-i. Telefonist saab HEIC-i üles laadida ja see lihtsalt töötab — Pillow' HEIF-plugin laaditakse käivitusel ja signatuurikontroll püüab kinni ka need juhud, kus telefon märgistab faili valesti application/octet-stream-iks.

Kus oma faile hallata¶

Agendi veebipaneeli ülaribal on failihaldur. See sirvib kogu agendi VPS-i ning üleslaadimiste arhiiv kataloogis /var/lib/mintbot-agent/uploads/ on see osa, mida sinu vestlused täidavad. Sealt saad:

Üleslaaditud faile ümber nimetada, kustutada või liigutada
Sirvida neid kuupäeva, allika või failinime järgi
Lohistada juurde uusi faile (tükkhaaval, nii et kindlat suurusepiiri pole — võid üles laadida väga suuri faile, kuni VPS-i vaba kettaruum lubab)
Väikeseid tekstifaile kohapeal redigeerida

Kuna üleslaadimised käivad tükkhaaval ja maanduvad otse sinu enda VPS-i, on failisuuruse ainus lagi sinu ketas — mintbot omalt poolt piiri ei sea. Mitmegigabaidised videod, andmestikud või kettatõmmised laadivad üles probleemita, kuni kettal on ruumi; kui ruum hakkab otsa saama, saad VPS-i suuremaks teha või samast paneelist vanu faile kustutada.

Faili kustutamine paneelist eemaldab nii faili enda kui ka kataloogirea. Agent ei saa seda enam mudelile näidata. See ongi see, mis teeb originaalist „sinu oma“: ainult sinul on õigus seda kustutada.

Kokkuvõttes¶

Enamik LLM-vestlustooteid kohtleb sinu üleslaaditud faile kui ajutist vestluse konteksti. mintbot kohtleb neid kui sinu andmeid — salvestatud sinu VPS-is, sinu omandis, nõudmisel teisendatud just sellisesse vormi, mida mudel sel hetkel kõige paremini kasutada oskab. Suur osa mintboti huvitavamatest võimalustest seisabki just sellel vundamendil.