Kā mintbot apstrādā failus

Kad nosūti savam mintbot aģentam fotogrāfiju, dokumentu, balss ziņu, izklājlapu, ekrānuzņēmumu vai PDF — caur Telegram, tīmekļa paneli vai API — fails ceļā uz valodas modeli neiet caur mintbot centrālo infrastruktūru. Tas nonāk tieši tava paša aģenta VPS, paliek tur tik ilgi, cik vēlies, un LLM saņem pārveidotu, tieši tam optimizētu kopiju.

Tas ir kluss dizaina lēmums ar skaļām sekām. Ir vērts to izklāstīt, jo šī ir viena no vietām, kur mintbot visvairāk atšķiras no patērētāju LLM čata.

Plūsma no sākuma līdz beigām

1. Augšupielāde nonāk aģenta VPS. Fotogrāfija no Telegram, tīmekļa panelī ievilkts PDF, balss ziņa, čatā ielīmēts ekrānuzņēmums. Aģenta lokālais API pieņem baitus, pārbauda faila maģisko galveni, lai saprastu, kāds fails tas patiesībā ir (telefoni un pārlūki failus marķē nepareizi pārsteidzoši bieži), aprēķina SHA-256 jaucējsummu un ieraksta failu tava paša aģenta VPS ceļā /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. Lokālajā katalogā parādās rinda ar avotu (telegram / panel / api), augšupielādētāja ID, MIME tipu un sākotnējo faila nosaukumu.

2. Oriģināls ir neaizskarams. No šī brīža nekas mintbot iekšienē saglabāto failu vairs nemaina. Adapteri, kas to sagatavo LLM, veido tikai darba kopijas — pārmērogotus JPEG, pārkodētu tekstu, izvilktus sīktēlus. Baits baitā identisks oriģināls paliek diskā, līdz to izdzēs caur aģenta failu pārvaldnieku. Nav centrālas glabātuves, nav glabāšanas taimera, nav noplūdes starp aģentiem: katra aģenta VPS zina tikai sava īpašnieka augšupielādes.

3. Modelis saņem LLM optimizētu versiju. Kad aģents nolemj failu parādīt LLM, neliels dispečers pēc MIME tipa un paplašinājuma izvēlas pareizo adapteri, un adapteris izveido satura blokus, ko modelis spēj nolasīt:

   Adapteris	Apstrādā	Izvade
   Image	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF un viss cits, ko Pillow spēj atvērt	Pārmērogots līdz 1568 px garākajā malā, pārkodēts uz JPEG q85, iekļauts modeļa kontekstā base64 formātā
   PDF	.pdf līdz 32 MB	Iekļauts base64 formātā kā natīvs PDF (Anthropic modeļi to lasa tieši)
   Text	.md, .csv, .json, .yaml, pirmkods (.py, .js, .ts, .go, .rs, …), žurnāli, diff faili	Dekodēts kā UTF-8 (rezervē latin-1), iekļauts kā teksts līdz izmēra robežai
   Audio	.mp3, .ogg, .opus, .m4a, .wav, .flac	Telegram balss ziņas bots jau transkribē uzreiz; tiešās augšupielādes pagaidām saņem vietturi, Whisper STT nāks nākamajā vilnī
   Video	.mp4, .mov, .webm, .mkv	Pagaidām vietturis; ffmpeg atslēgkadru un audio transkripcijas izvilkšana nāks nākamajā vilnī
   Office docs	.docx, .xlsx, .pptx, .odt, .ods, .odp	Pagaidām vietturis; natīvā teksta izvilkšana (python-docx / openpyxl / python-pptx) nāks nākamajā vilnī
   Unknown	Viss pārējais	Teksta vietturis: „lietotājs pievienoja <mime> failu, tas saglabāts diskā ar augšupielādes ID <id>“ — lai modelis vismaz varētu spriest par to, kas tika nosūtīts

   Katra pārveidošana tiek saglabāta kešatmiņā līdzās oriģinālam kā <sha256>.cache/v<N>.json, lai otrajā reizē, kad modelim vajadzīgs tas pats fails, ielāde notiktu acumirklī. Adaptera versijas paaugstināšana kešatmiņu anulē automātiski.

4. Modeļa kontekstā nav URL ar derīguma termiņu. Kad attēls vai PDF nonāk pie LLM, tas tiek iekļauts base64 formātā tajā pašā sarunas gājienā — nav URL, kas vēlāk varētu atgriezt 404, nav parakstītas saites ar taimeri. Lielākiem failiem, kur modelim vajadzīga tikai norāde, URL ir iekšējs https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — to aizsargā tava paša aģenta paneļa tokens, un tas darbojas tik ilgi, kamēr fails ir diskā.

Kāpēc tas ir labāk nekā patērētāju LLM čats

Kad augšupielādē fotogrāfiju ChatGPT vai PDF Claude.ai, fails nonāk nodrošinātāja glabātuvē, piesaistīts tai sarunai, un nodrošinātāja glabāšanas politika nosaka, kad tas pazūd. Pēc noteikta laika fails ir prom, pat ja sarunu, kurā tas bija, vēl redzi. Pāreja no viena nodrošinātāja pie cita nozīmē sākt no nulles.

Kontrastu uzskatāmi parāda viens izplatīts Telegram botu slazds. Telegram pats katrai fotogrāfijai glabā pastāvīgu file_id, bet trešo pušu boti, kas pieprasa failu pēc Telegram file_id, saņem pagaidu URL, kura derīgums beidzas pēc 24 stundām. Vecāki boti, kas atsaucas uz vakardienas fotogrāfiju, atbild ar 404. mintbot to atrisina vienreiz un uz visiem laikiem: pirmajā reizē, kad tas redz Telegram failu, tas lejupielādē baitus vēlreiz caur mūžīgi derīgo file_id un iekopē tos tava aģenta arhīvā. No tā brīža fotogrāfija ir tava.

No šī dizaina izriet trīs lietas:

• Faili pieder tev, nevis LLM nodrošinātājam. Nākamajā mēnesī nomaini Claude pret GPT-5, un tava failu vēsture nāk līdzi neskarta, jo tā atrodas tavā VPS — nevis nodrošinātāja glabātuvē.
• Vari atgriezties ar jautājumu vēlāk. „Pirms trim mēnešiem tu man analizēji līgumu — vari to salīdzināt ar šo jauno melnrakstu?“ darbojas, jo oriģināls vēl ir diskā. Patērētāju čatā vecākais fails parasti jau ir pazudis.
• Modelis vienmēr saņem versiju, ko spēj izmantot vislabāk. Vizuālie modeļi saņem pārmērogotu JPEG, teksta lasītāji — UTF-8, PDF lasītāji — natīvu PDF. Telefoni var augšupielādēt HEIC, un tas vienkārši strādā — Pillow HEIF spraudnis tiek ielādēts startā, un maģisko baitu pārbaude noķer telefonus, kas augšupielādi marķē kā application/octet-stream.

Kur pārvaldīt savus failus

Aģenta tīmekļa paneļa augšējā joslā ir failu pārvaldnieks. Tas pārlūko visu aģenta VPS, un augšupielāžu arhīvs ceļā /var/lib/mintbot-agent/uploads/ ir tā daļa, ko piepilda tavas sarunas. No turienes vari:

• Pārsaukt, izdzēst vai pārvietot augšupielādētos failus
• Pārlūkot tos pēc datuma, avota vai faila nosaukuma
• Ievilkt jaunas augšupielādes (tās notiek pa daļām, tāpēc fiksēta izmēra limita nav — vari augšupielādēt ļoti lielus failus, līdz pat brīvajai vietai tava VPS diskā)
• Mazus teksta failus rediģēt turpat

Tā kā augšupielādes notiek pa daļām un nonāk tieši tavā paša VPS, vienīgais faila izmēra griests ir tavs disks — mintbot noteikta limita nav. Vairāku gigabaitu video, datu kopas vai diska attēli augšupielādējas bez problēmām, kamēr diskā ir vieta; ja tās sāk pietrūkt, vari palielināt VPS vai tajā pašā panelī iztīrīt vecos failus.

Faila dzēšana no paneļa noņem gan pašu failu, gan kataloga rindu. Aģents to vairs nespēs parādīt LLM. Tieši tas padara oriģinālu par „tavu“: dzēšanas tiesības ir tikai tev.

Būtība

Lielākā daļa LLM čata produktu pret tavām augšupielādēm izturas kā pret īslaicīgu sarunas kontekstu. mintbot pret tām izturas kā pret taviem datiem — saglabātiem tavā VPS, tavā īpašumā, pēc pieprasījuma pārveidotiem tieši tādā formā, kāda modelim šajā sarunas gājienā vajadzīga. Liela daļa mintbot interesantāko spēju balstās tieši uz šī pamata.