Hogyan kezeli a mintbot a fájlokat

Amikor fényképet, dokumentumot, hangüzenetet, táblázatot, képernyőképet vagy PDF-et küldesz a mintbot-ügynöködnek — Telegramon, a webpanelen vagy az API-n keresztül —, a fájl az ügynököd saját VPS-én tárolódik, és sehol máshol. Ott marad, ameddig csak akarod, és az LLM egy kifejezetten számára előkészített munkapéldányt kap.

Ez csendes tervezési döntés, de nagy következményekkel jár. Érdemes kifejteni, mert ez az egyik pont, ahol a mintbot a leginkább eltér a nagyközönségnek szánt MI-csevegőktől.

Az eredeti érintetlenül marad a VPS-eden — a modell mindig csak egy neki készített munkapéldányt lát.

A folyamat elejétől a végéig

1. A feltöltés megérkezik az ügynök VPS-ére. A webpanelre húzott PDF egyenesen a VPS-edre kerül. A Telegramon küldött fényképet vagy fájlt a mintbot botja letölti a Telegramtól, és rögtön továbbadja a VPS-ednek — a fájl csak áthalad, központilag soha nem tárolódik. Az ügynök helyi API-ja a fájl elején lévő azonosító bájtok (magic bytes) alapján megállapítja, valójában milyen fájlról van szó (a telefonok és a böngészők meglepően gyakran rosszul címkéznek), kiszámítja az SHA-256 hasht, és a fájlt ide írja: /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. Egy helyi katalógusba bekerül egy sor a forrással (telegram / panel / api), a feltöltő azonosítójával, a MIME-típussal és az eredeti fájlnévvel. Ha ugyanazt a fájlt kétszer küldöd el, akkor is csak egyszer tárolódik.

   Ha a beszélgetés egy projektben zajlik, az ügynök a projekt uploads/ mappájába is tesz egy másolatot, hogy a projekt többi része mellett dolgozhasson a fájllal.

2. Az eredeti szent. Ettől kezdve a mintbotban semmi sem módosítja a tárolt fájlt. Az adapterek, amelyek előkészítik az LLM számára, csak munkapéldányokat készítenek — kicsinyített JPEG-eket, dekódolt szöveget. A bájtra pontos eredeti a lemezen marad, amíg nem törlöd. Nincs központi tárhely, nincs megőrzési időzítő, nincs szivárgás az ügynökök között: minden ügynök VPS-e csak a saját tulajdonosa fájljairól tud.

3. A modell egy neki készített változatot kap. Amikor az ügynök megmutatja a fájlt az LLM-nek, egy kis elosztó a MIME-típus és a kiterjesztés alapján kiválasztja a megfelelő adaptert:

   Adapter	Mit kezel	Mit kap a modell
   Kép	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF, TIFF, BMP	A hosszabbik oldala 1568 px-re kicsinyítve, JPEG q85-ként újrakódolva, közvetlenül a kérésbe ágyazva. A dekódolás külön, rövid életű folyamatban fut, a VPS-edhez méretezett memóriakerettel, így egy óriási fénykép sem lassíthatja le az ügynököt
   PDF	.pdf legfeljebb 32 MB-ig	Natív PDF-ként beágyazva — a Claude közvetlenül olvassa a szöveget és az elrendezést. A nagyobb PDF a lemezen marad, és az ügynök maga nyeri ki belőle a szöveget (pl. a pdftotext eszközzel)
   Szöveg	.txt, .md, .csv, .json, .yaml, .svg, forráskód (.py, .js, .ts, .go, .rs, …), naplók, diffek	UTF-8-ként dekódolva (tartalékként latin-1) és 500 KB-ig beágyazva; a hosszabb fájl ott levágódik, a teljes eredeti a lemezen marad
   Hang	.mp3, .ogg, .opus, .m4a, .wav, .flac, .aac	A Telegram és a panel mikrofonjának hangüzenetei már szöveggé alakítva érkeznek. A hangfájlokat a rendszer még nem írja át automatikusan — az ügynök megkapja a helyüket és az utasításokat, és átírja őket, ha kéred
   Videó	.mp4, .mov, .webm, .mkv, .avi	Még nincs automatikus feldolgozás. Ha kéred, az ügynök telepíti az ffmpeg-et (előbb megmondja, mennyi lemezhelyet foglal), és maga nyeri ki a képkockákat vagy a hangsávot
   Office-dokumentumok	.docx, .xlsx, .pptx, a régebbi .doc / .xls / .ppt, .odt, .ods, .odp	Még nincs automatikus feldolgozás. Ha kéred, az ügynök telepít egy kis olvasókönyvtárat, és kinyeri a szöveget
   Ismeretlen	Minden más	Egy megjegyzés a fájl nevével, típusával, méretével és lemezen lévő helyével, plusz az első bájtjai hexadecimálisan — elég ahhoz, hogy a modell felismerje a fájlt, és szükség esetén megnyissa az eszközeivel

   Minden munkapéldány gyorsítótárba kerül az eredeti mellé <sha256>.cache/v<N>.json néven, így amikor a modellnek legközelebb szüksége van a fájlra, azonnal betöltődik. Ha egy adapter megváltozik, a gyorsítótár magától újraépül.

4. A modell kontextusában nincsenek lejáró URL-ek. Amikor egy kép vagy PDF az LLM-hez kerül, ugyanabba a kérésbe ágyazódik — nincs URL, amely később 404-et adhatna, nincs lejárati idővel aláírt hivatkozás. Ahol a modellnek csak egy hivatkozás kell, ott az URL egy belső cím: https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — az ügynököd saját paneltokenje védi, és addig érvényes, amíg a fájl a lemezen van.

Miért jobb ez a megszokott MI-csevegőknél

Amikor feltöltesz egy fényképet a ChatGPT-be vagy egy PDF-et a Claude.ai-ba, a fájl a szolgáltató tárhelyére kerül, az adott beszélgetéshez kötve, és a szolgáltató megőrzési szabályzata dönti el, mikor tűnik el. Egy idő után a fájl eltűnik, még ha a beszélgetést, amelyhez tartozott, továbbra is látod. Szolgáltatót váltani annyi, mint elölről kezdeni.

Egy gyakori Telegram-botos buktató kézzelfoghatóvá teszi a különbséget. A Telegram minden fényképhez állandó file_id-t tart nyilván, de a letöltési hivatkozás, amelyet egy bot kap hozzá, csak nagyjából egy óráig garantáltan érvényes. Azok a botok, amelyek csak ezt a hivatkozást őrzik meg, a tegnapi fényképre 404-et adnak. A mintbot abban a pillanatban, amikor egy fájl megérkezik, átmásolja a te ügynököd archívumába — és ha egy régebbi fényképre válaszolsz, az állandó file_id segítségével újra letölti. Onnantól a fénykép a tiéd.

Ebből a megoldásból három dolog következik:

• A fájlok a tieid, nem az LLM-szolgáltatóé. Ha jövő hónapban Claude-ról GPT-re váltasz, a fájlelőzményeid érintetlenül veled jönnek, mert a VPS-eden vannak — nem egy szolgáltató tárhelyén.
• Később is rákérdezhetsz. „Három hónapja elemeztél nekem egy szerződést — össze tudnád vetni ezzel az új tervezettel?” működik, mert az eredeti még mindig a lemezen van. A megszokott MI-csevegőkben a régebbi fájl általában már eltűnt.
• A modell mindig azt a változatot kapja, amelyet a legjobban tud használni. A képfelismerő modellek a kicsinyített JPEG-et, a szövegolvasók UTF-8-at, a PDF-olvasók natív PDF-et kapnak. Telefonról HEIC is feltölthető, és egyszerűen működik — a képdekóder betölti a Pillow HEIF-bővítményét, az azonosító bájtok ellenőrzése pedig kiszúrja azokat a telefonokat, amelyek a feltöltést tévesen application/octet-stream típusúnak jelölik.

Hol kezelheted a fájljaidat

Az ügynök webpaneljén a Beállítások → Fájlkezelő alatt található a fájlkezelő. Ezzel az ügynök teljes VPS-ét böngészheted; a feltöltések archívuma (/var/lib/mintbot-agent/uploads/) az a rész, amelyet a beszélgetéseid töltenek meg. Itt a következőket teheted:

• Mappákat böngészhetsz, fájlokat tölthetsz le, nevezhetsz át, helyezhetsz át vagy törölhetsz
• Mappákat hozhatsz létre
• Új fájlokat húzhatsz be — ezek darabokban töltődnek fel, fájlonként legfeljebb 4 GB-ig
• Kis szövegfájlokat (legfeljebb 1 MB) szerkeszthetsz közvetlenül a böngészőben

Méretkorlátok: a csevegésben csatolt fájl legfeljebb 500 MB lehet; a Telegram csak legfeljebb 20 MB-os fájlok letöltését engedi a botoknak; a Fájlkezelő fájlonként legfeljebb 4 GB-ot fogad. Ezen túl az egyetlen korlát a lemezed — a mintbot mindig hagy egy kis szabad helyet, hogy a szerver tovább működjön. Ha megtelik a lemez, az ügynök szól, és közvetlen hivatkozást ad a Fájlkezelőhöz, ahol helyet szabadíthatsz fel — vagy egyszerűen megkérheted az ügynököt, hogy törölje a régi fájlokat.

Ha a Fájlkezelőben törölsz egy fájlt, az lekerül a lemezről, és az ügynök többé nem tudja megmutatni az LLM-nek. Ez teszi az eredetit „a tiéddé”: csak te törölheted.

Összegzés

A legtöbb MI-csevegő eldobható beszélgetési kontextusként kezeli a feltöltéseidet. A mintbot a te adataidként kezeli őket — a VPS-eden tárolja, a te tulajdonodban, és igény szerint pontosan olyan formára alakítja, amilyenre a modellnek éppen szüksége van. A mintbot számos érdekesebb képessége erre az alapra épül.