Kuidas mintbot failidega ümber käib

Kui saadad oma mintbot'i agendile foto, dokumendi, häälsõnumi, tabeli, ekraanipildi või PDF-i — Telegrami, veebipaneeli või API kaudu —, salvestatakse fail sinu enda agendi privaatserverisse (VPS-i) ja mitte kuhugi mujale. See jääb sinna nii kauaks, kui soovid, ja LLM saab sellest just tema jaoks tehtud töökoopia.

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

Originaal jääb sinu VPS-i puutumata — mudel näeb alati ainult tema jaoks tehtud töökoopiat.

Voog otsast lõpuni

1. Üleslaadimine jõuab agendi VPS-i. Veebipaneeli lohistatud PDF läheb otse sinu VPS-i. Telegramis saadetud foto või faili tõmbab mintbot'i bot Telegramist ja annab kohe edasi sinu VPS-i — see liigub läbi, aga keskselt seda ei salvestata. Agendi kohalik API 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 kataloogi /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. Kohalikku kataloogi tekib rida allika (telegram / panel / api), üleslaadija ID, MIME-tüübi ja algse failinimega. Kui saadad sama faili kaks korda, hoitakse seda kettal ikkagi ühe korra.

   Kui vestlus töötab mingis projektis, paneb agent koopia ka selle projekti kausta uploads/, et saaks failiga töötada ülejäänud projekti kõrval.

2. Originaal on püha. Sellest hetkest ei muuda miski mintbot'is salvestatud faili. Adapterid, mis faili LLM-ile ette valmistavad, teevad ainult töökoopiaid — väiksemaks tehtud JPEG-e, dekodeeritud teksti. Baiditäpne originaal jääb kettale, kuni sina selle kustutad. Pole keskset hoidlat, pole säilitusaja taimerit, pole agentidevahelist leket: iga agendi VPS teab ainult oma omaniku failidest.

3. Mudel saab tema jaoks tehtud versiooni. Kui agent faili mudelile näitab, valib väike dispetšer MIME-tüübi ja laiendi järgi õige adapteri:

   Adapter	Mida käsitleb	Mida mudel saab
   Pilt	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF, TIFF, BMP	Pikem külg skaleeritud 1568 pikslile, ümberkodeeritud JPEG q85-ks ja lisatud otse vooru. Dekodeerimine käib eraldi lühiajalises protsessis, mille mälueelarve sõltub sinu VPS-i suurusest, nii et hiiglaslik foto ei aeglusta agenti
   PDF	.pdf kuni 32 MB	Lisatud natiivse PDF-ina — Claude loeb teksti ja paigutust otse. Suurem PDF jääb kettale ja agent võtab teksti ise välja (näiteks pdftotext-iga)
   Tekst	.txt, .md, .csv, .json, .yaml, .svg, lähtekood (.py, .js, .ts, .go, .rs, …), logid, diffid	UTF-8-na dekodeeritud (latin-1 varuks) ja lisatud tekstina kuni 500 KB ulatuses; pikem fail lõigatakse sealt, täielik originaal jääb kettale
   Heli	.mp3, .ogg, .opus, .m4a, .wav, .flac, .aac	Telegrami ja paneeli mikrofoni häälsõnumid jõuavad kohale juba tekstiks tehtuna. Helifaili automaatselt veel ei transkribeerita — agent saab teada faili asukoha ja juhised ning transkribeerib selle, kui palud
   Video	.mp4, .mov, .webm, .mkv, .avi	Automaatselt veel lahti ei võeta. Kui palud, paigaldab agent ffmpeg-i (öeldes enne, palju see kettaruumi võtab) ja võtab kaadrid või helirea ise välja
   Office'i dokumendid	.docx, .xlsx, .pptx, vanemad .doc / .xls / .ppt, .odt, .ods, .odp	Automaatselt veel lahti ei võeta. Kui palud, paigaldab agent väikese lugemisteegi ja võtab teksti välja
   Tundmatu	Kõik muu	Märkus faili nime, tüübi, suuruse ja kettal asuva kohaga ning esimesed baidid kuueteistkümnendsüsteemis — piisavalt, et mudel faili ära tunneks ja vajadusel oma tööriistadega avaks

   Iga töökoopia salvestatakse originaali kõrvale vahemällu failina <sha256>.cache/v<N>.json, nii et teisel korral, kui mudel sama faili vajab, on see hetkega olemas. Kui adapter muutub, ehitatakse vahemälu ise uuesti.

4. Mudeli konteksti ei satu aeguvaid URL-e. Kui pilt või PDF läheb LLM-ile, lisatakse see samasse vooru — pole URL-i, mis võiks hiljem 404 anda, pole taimeriga allkirjastatud linki. Kus mudel vajab ainult viidet, on URL sisemine https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — kaitstud sinu enda agendi paneelitokeniga ja kehtiv 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 hoiab iga foto jaoks püsivat file_id-d, aga allalaadimislink, mille bot selle järgi saab, on garanteeritult kehtiv ainult umbes tunni. Botid, mis hoiavad alles ainult selle lingi, annavad eilse foto peale 404. mintbot kopeerib baidid sinu agendi arhiivi kohe, kui fail saabub — ja kui vastad vanemale fotole, tõmbab ta selle püsiva file_id kaudu uuesti. Sellest hetkest on foto sinu oma.

Sellest disainist tuleneb kolm asja:

• Failid kuuluvad sulle, mitte LLM-i pakkujale. Vahetad järgmisel kuul Claude'i GPT 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 — pildidekooder laadib Pillow' HEIF-plugina ja signatuurikontroll püüab kinni ka need juhud, kus telefon märgistab faili valesti application/octet-stream-iks.

Kus oma faile hallata

Agendi veebipaneelis on Failihaldur jaotises Seaded → Failihaldur. See sirvib kogu agendi VPS-i; üleslaadimiste arhiiv kataloogis /var/lib/mintbot-agent/uploads/ on see osa, mida sinu vestlused täidavad. Sealt saad:

• Kaustu sirvida ning faile alla laadida, ümber nimetada, liigutada või kustutada
• Kaustu luua
• Uusi faile lohistades üles laadida — tükkhaaval, kuni 4 GB faili kohta
• Väikeseid tekstifaile (kuni 1 MB) otse brauseris muuta

Mahupiirid: vestlusesse lisatud fail võib olla kuni 500 MB; Telegram lubab bottidel tõmmata faile ainult kuni 20 MB; Failihaldur võtab vastu kuni 4 GB faili kohta. Edasi on ainus lagi sinu ketas — mintbot jätab alati natuke vaba ruumi, et server töös püsiks. Kui ketas saab täis, ütleb agent sulle seda ja annab otselingi Failihaldurisse, kus ruumi vabastada — või palu lihtsalt agendil vanad failid kustutada.

Faili kustutamine Failihalduris eemaldab selle kettalt ja agent ei saa seda enam LLM-ile näidata. See ongi see, mis teeb originaalist „sinu oma“: ainult sinul on õigus seda kustutada.

Kokkuvõttes

Enamik LLM-vestlustooteid kohtleb sinu üleslaaditud faile kui äraviskamiseks mõeldud vestluse konteksti. mintbot kohtleb neid kui sinu andmeid — salvestatud sinu VPS-is, sinu omandis, nõudmisel teisendatud just sellisesse vormi, mida mudel sel hetkel vajab. Suur osa mintbot'i huvitavamatest võimalustest seisabki just sellel vundamendil.