Kā mintbot apstrādā failus

Kad nosūti savam mintbot aģentam fotoattēlu, dokumentu, balss ziņu, izklājlapu, ekrānuzņēmumu vai PDF — caur Telegram, tīmekļa paneli vai API —, fails tiek saglabāts tava aģenta paša VPS un nekur citur. Tas tur paliek tik ilgi, cik vēlies, un LLM saņem darba kopiju, kas sagatavota tieši tam.

Tas ir kluss dizaina lēmums ar lielām sekām. To vērts izskaidrot, jo tieši šeit mintbot visvairāk atšķiras no parastajiem MI tērzēšanas rīkiem.

Oriģināls paliek tavā VPS neskarts — modelis redz tikai tam sagatavotu darba kopiju.

Plūsma no sākuma līdz beigām

1. Fails nonāk aģenta VPS. Tīmekļa panelī ievilkts PDF nonāk tieši tavā VPS. Telegram nosūtītu fotoattēlu vai failu mintbot bots paņem no Telegram un uzreiz nodod tālāk tavam VPS — fails tikai tiek pārsūtīts un nekad netiek glabāts centralizēti. Aģenta lokālā API pārbauda faila sākuma baitus (magic bytes), lai noskaidrotu, kas tas patiesībā ir par failu (tālruņi un pārlūki failus nepareizi apzīmē pārsteidzoši bieži), aprēķina SHA-256 jaucējvērtību un ieraksta failu /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. Lokālajā katalogā tiek pievienota rinda ar avotu (telegram / panel / api), augšupielādētāja ID, MIME tipu un sākotnējo faila nosaukumu. Ja to pašu failu nosūti divreiz, tas tik un tā tiek saglabāts tikai vienreiz.

   Ja saruna notiek projektā, aģents ieliek kopiju arī šī projekta mapē uploads/, lai varētu ar failu strādāt blakus pārējiem projekta failiem.

2. Oriģināls ir neaizskarams. No šī brīža nekas mintbot iekšienē saglabāto failu nemaina. Adapteri, kas to sagatavo LLM, veido tikai darba kopijas — samazinātus JPEG attēlus, atkodētu tekstu. Oriģināls, precīzs līdz pēdējam baitam, paliek diskā, līdz tu to izdzēs. Nav centrālas krātuves, nav glabāšanas taimera, nav noplūdes starp aģentiem: katra aģenta VPS zina tikai sava īpašnieka failus.

3. Modelis saņem tam sagatavotu versiju. Kad aģents parāda failu LLM, neliels dispečers pēc MIME tipa un paplašinājuma izvēlas pareizo adapteri:

   Adapteris	Ko apstrādā	Ko saņem modelis
   Attēls	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF, TIFF, BMP	Samazināts līdz 1568 px garākajā malā, pārkodēts kā JPEG q85 un iekļauts tieši pieprasījumā. Atkodēšana notiek atsevišķā, īslaicīgā procesā ar tavam VPS pielāgotu atmiņas budžetu, lai milzīgs fotoattēls nevarētu aģentu palēnināt
   PDF	.pdf līdz 32 MB	Iekļauts kā īsts PDF — Claude tieši lasa tekstu un izkārtojumu. Lielāks PDF paliek diskā, un aģents pats izvelk tekstu (piem., ar pdftotext)
   Teksts	.txt, .md, .csv, .json, .yaml, .svg, pirmkods (.py, .js, .ts, .go, .rs, …), žurnāli, diff faili	Atkodēts kā UTF-8 (rezervē latin-1) un iekļauts līdz 500 KB; garāks fails tur tiek nogriezts, pilnais oriģināls paliek diskā
   Audio	.mp3, .ogg, .opus, .m4a, .wav, .flac, .aac	Balss ziņas no Telegram un paneļa mikrofona pienāk jau pārvērstas tekstā. Audio failu automātiski vēl neatšifrē — aģents saņem tā atrašanās vietu un norādījumus un atšifrē to, kad to palūdzi
   Video	.mp4, .mov, .webm, .mkv, .avi	Automātiski vēl neapstrādā. Pēc tava lūguma aģents uzinstalē ffmpeg (iepriekš pasakot, cik daudz vietas diskā tas aizņems) un pats izvelk kadrus vai skaņas celiņu
   Office dokumenti	.docx, .xlsx, .pptx, vecākie .doc / .xls / .ppt, .odt, .ods, .odp	Automātiski vēl neapstrādā. Pēc tava lūguma aģents uzinstalē nelielu lasīšanas bibliotēku un izvelk tekstu
   Nezināms	Viss pārējais	Piezīme ar faila nosaukumu, tipu, izmēru un atrašanās vietu diskā, kā arī pirmie baiti heksadecimālā formā — pietiekami, lai modelis atpazītu failu un vajadzības gadījumā atvērtu to ar saviem rīkiem

   Katra darba kopija tiek saglabāta kešatmiņā blakus oriģinālam kā <sha256>.cache/v<N>.json, tāpēc nākamreiz, kad modelim šis fails vajadzīgs, tas ielādējas uzreiz. Kad adapteris mainās, kešatmiņa pati sevi pārbūvē.

4. Modeļa kontekstā nav URL ar derīguma termiņu. Kad attēls vai PDF tiek nosūtīts LLM, tas tiek iekļauts tajā pašā pieprasījumā — nav URL, kas vēlāk varētu atgriezt 404, nav parakstītas saites ar derīguma termiņu. Kur modelim vajag tikai norādi, URL ir iekšēja adrese https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — aizsargāta ar tava aģenta paneļa marķieri un derīga tik ilgi, kamēr fails ir diskā.

Kāpēc tas ir labāk nekā parastā MI tērzēšana

Kad augšupielādē fotoattēlu ChatGPT vai PDF Claude.ai, fails nonāk pakalpojuma sniedzēja krātuvē, piesaistīts tai sarunai, un pakalpojuma sniedzēja glabāšanas politika nosaka, kad tas pazudīs. Pēc noteikta laika fails ir prom, pat ja sarunu, kurā tas bija, joprojām redzi. Pāriešana pie cita pakalpojuma sniedzēja nozīmē sākt no nulles.

Kāda izplatīta Telegram botu problēma padara atšķirību uzskatāmu. Telegram katram fotoattēlam glabā pastāvīgu file_id, taču lejupielādes saite, ko bots tam saņem, garantēti darbojas tikai aptuveni stundu. Boti, kas glabā tikai šo saiti, vakardienas fotoattēlam atgriež 404. mintbot iekopē failu tava aģenta arhīvā tajā pašā brīdī, kad tas pienāk, — un, ja atbildi uz vecāku fotoattēlu, tas to atkal iegūst ar pastāvīgā file_id palīdzību. No tā brīža fotoattēls ir tavs.

No šāda dizaina izriet trīs lietas:

• Faili pieder tev, nevis LLM pakalpojuma sniedzējam. Ja nākammēnes pāriesi no Claude uz GPT, tava failu vēsture nāks līdzi neskarta, jo tā atrodas tavā VPS, nevis kāda pakalpojuma sniedzēja krātuvē.
• Vēlāk vari jautāt vēlreiz. „Pirms trim mēnešiem tu man analizēji līgumu — vai vari to salīdzināt ar šo jauno melnrakstu?“ darbojas, jo oriģināls joprojām ir diskā. Parastajā MI tērzēšanā vecākais fails parasti jau ir pazudis.
• Modelis vienmēr saņem versiju, ko tas var izmantot vislabāk. Attēlu modeļi saņem samazināto JPEG, teksta lasītāji — UTF-8, PDF lasītāji — īstu PDF. No tālruņa var augšupielādēt HEIC, un tas vienkārši darbojas — attēlu dekoderis ielādē Pillow HEIF spraudni, un sākuma baitu pārbaude pamana tālruņus, kas failu kļūdaini apzīmē kā application/octet-stream.

Kur pārvaldīt savus failus

Aģenta tīmekļa panelī ir failu pārvaldnieks sadaļā Iestatījumi → Failu pārvaldnieks. Tas ļauj pārlūkot visu aģenta VPS; augšupielāžu arhīvs mapē /var/lib/mintbot-agent/uploads/ ir tā daļa, ko piepilda tavas sarunas. Tur vari:

• Pārlūkot mapes un lejupielādēt, pārdēvēt, pārvietot vai dzēst failus
• Veidot mapes
• Ievilkt jaunus failus — tie tiek augšupielādēti pa daļām, līdz 4 GB vienam failam
• Rediģēt nelielus teksta failus (līdz 1 MB) tieši pārlūkā

Izmēra ierobežojumi: sarunai pievienots fails var būt līdz 500 MB; Telegram ļauj botiem lejupielādēt tikai failus līdz 20 MB; Failu pārvaldnieks pieņem līdz 4 GB vienam failam. Pāri tam vienīgā robeža ir tavs disks — mintbot vienmēr atstāj nedaudz brīvas vietas, lai serveris turpinātu darboties. Ja disks piepildās, aģents tev to pasaka un dod tiešu saiti uz Failu pārvaldnieku, kur atbrīvot vietu, — vai arī vienkārši palūdz aģentam izdzēst vecos failus.

Izdzēšot failu Failu pārvaldniekā, tas tiek noņemts no diska, un aģents to vairs nevar parādīt LLM. Tieši tas padara oriģinālu par „tavu“: tikai tu vari to izdzēst.

Kopsavilkumā

Lielākā daļa MI tērzēšanas produktu izturas pret tavām augšupielādēm kā pret vienreizlietojamu sarunas kontekstu. mintbot izturas pret tām kā pret taviem datiem — tie glabājas tavā VPS, pieder tev un pēc vajadzības tiek pārveidoti tieši tādā formā, kāda modelim tajā brīdī vajadzīga. Daudzas no mintbot interesantākajām iespējām balstās tieši uz šī pamata.