Paano hinahawakan ng mintbot ang mga file

Kapag nagpadala ka ng larawan, dokumento, voice message, spreadsheet, screenshot o PDF sa iyong mintbot agent — sa Telegram, sa web panel o sa API — naiimbak ang file sa sariling VPS ng iyong agent at wala nang ibang lugar. Nananatili ito roon hangga’t gusto mo, at tumatanggap ang LLM ng kopyang pantrabaho na inihanda para rito.

Tahimik na desisyon ito sa disenyo, pero malalaki ang epekto. Sulit itong ipaliwanag, dahil isa ito sa mga pinakamalaking pagkakaiba ng mintbot sa mga karaniwang AI chat para sa publiko.

Hindi ginagalaw ang orihinal sa iyong VPS — ang nakikita lang ng modelo ay kopyang pantrabaho na ginawa para rito.

Ang daloy, mula simula hanggang dulo

1. Dumarating ang upload sa VPS ng agent. Ang PDF na hinila mo papunta sa web panel ay diretsong napupunta sa iyong VPS. Ang larawan o file na ipinadala sa Telegram ay kinukuha ng mintbot bot mula sa Telegram at agad na ipinapasa sa iyong VPS — dumaraan lang ito at hindi kailanman iniimbak nang sentralisado. Sinusuri ng lokal na API ng agent ang mga unang byte ng file (magic bytes) para malaman kung anong uri talaga ito (nakakagulat kung gaano kadalas mali ang label na ibinibigay ng mga telepono at browser), kinukuwenta ang SHA-256 hash nito, at isinusulat ito sa /var/lib/mintbot-agent/uploads/<shard>/<sha256>.<ext>. May idinadagdag na hilera sa isang lokal na katalogo na naglalaman ng pinagmulan (telegram / panel / api), ID ng nag-upload, MIME type at orihinal na pangalan ng file. Kahit ipadala mo nang dalawang beses ang parehong file, isang beses lang ito iniimbak.

   Kung nasa isang proyekto ang usapan, naglalagay rin ang agent ng kopya sa folder na uploads/ ng proyektong iyon, para magamit nito ang file katabi ng iba pang bahagi ng proyekto.

2. Hindi ginagalaw ang orihinal. Mula rito, walang anumang bahagi ng mintbot ang magbabago sa naimbak na file. Ang mga adapter na naghahanda nito para sa LLM ay gumagawa lang ng mga kopyang pantrabaho — mga pinaliit na JPEG, na-decode na teksto. Ang orihinal, eksakto hanggang sa bawat byte, ay nananatili sa disk hanggang ikaw mismo ang magbura nito. Walang sentral na imbakan, walang timer ng pagtatago, walang pagtagas sa pagitan ng mga agent: alam lang ng VPS ng bawat agent ang mga file ng sarili nitong may-ari.

3. Tumatanggap ang modelo ng bersyong ginawa para rito. Kapag ipinakita ng agent ang file sa LLM, isang maliit na dispatcher ang pumipili ng tamang adapter ayon sa MIME type at extension:

   Adapter	Hinahawakan	Ang natatanggap ng modelo
   Larawan	JPG, PNG, WebP, GIF, HEIC (iPhone), AVIF, TIFF, BMP	Pinaliit hanggang 1568 px ang mahabang gilid, ni-re-encode bilang JPEG q85 at isinama nang direkta sa kahilingan. Tumatakbo ang pag-decode sa hiwalay at panandaliang proseso na may limitasyon sa memorya na itinakda ayon sa iyong VPS, kaya hindi kayang pabagalin ng napakalaking larawan ang agent
   PDF	.pdf hanggang 32 MB	Isinasama bilang tunay na PDF — direktang binabasa ni Claude ang teksto at layout. Ang mas malaking PDF ay nananatili sa disk, at ang agent mismo ang kumukuha ng teksto (hal. gamit ang pdftotext)
   Teksto	.txt, .md, .csv, .json, .yaml, .svg, source code (.py, .js, .ts, .go, .rs, …), mga log, mga diff	Dine-decode bilang UTF-8 (latin-1 bilang reserba) at isinasama hanggang 500 KB; pinuputol doon ang mas mahabang file, at nananatili sa disk ang buong orihinal
   Audio	.mp3, .ogg, .opus, .m4a, .wav, .flac, .aac	Ang mga voice message mula sa Telegram at sa mikropono ng panel ay dumarating na naka-transcribe na. Hindi pa awtomatikong tina-transcribe ang isang audio file — natatanggap ng agent ang lokasyon nito at mga tagubilin, at tina-transcribe ito kapag hiniling mo
   Video	.mp4, .mov, .webm, .mkv, .avi	Hindi pa awtomatikong pinoproseso. Kapag hiniling mo, ini-install ng agent ang ffmpeg (sinasabi muna kung gaano kalaking espasyo sa disk ang kakailanganin) at ito mismo ang kumukuha ng mga frame o ng audio track
   Mga dokumentong Office	.docx, .xlsx, .pptx, mas lumang .doc / .xls / .ppt, .odt, .ods, .odp	Hindi pa awtomatikong pinoproseso. Kapag hiniling mo, nag-i-install ang agent ng maliit na library na pambasa at kinukuha ang teksto
   Hindi kilala	Lahat ng iba pa	Isang tala na may pangalan, uri, laki at lokasyon ng file sa disk, kasama ang mga unang byte nito sa hex — sapat para makilala ng modelo ang file at mabuksan ito gamit ang sarili nitong mga tool kapag kailangan ng gawain

   Bawat kopyang pantrabaho ay naka-cache katabi ng orihinal bilang <sha256>.cache/v<N>.json, kaya sa susunod na kailanganin ng modelo ang file na iyon, agad itong naglo-load. Kapag nagbago ang isang adapter, kusang binubuo muli ang cache.

4. Walang nag-e-expire na URL sa konteksto ng modelo. Kapag ipinadala sa LLM ang isang larawan o PDF, isinasama ito sa parehong kahilingan — walang URL na puwedeng mag-404 sa kalaunan, walang pinirmahang link na may taning. Kung pointer lang ang kailangan ng modelo, ang URL ay isang panloob na address na https://agent<id>.<domain>/<panel_token>/api/local/uploads/<upload_id>/raw — protektado ng sariling panel token ng iyong agent at balido hangga’t nasa disk ang file.

Bakit ito mas mahusay kaysa sa karaniwang AI chat

Kapag nag-upload ka ng larawan sa ChatGPT o PDF sa Claude.ai, napupunta ang file sa imbakan ng provider, nakakabit sa usapang iyon, at ang patakaran ng provider sa pagtatago ang nagpapasya kung kailan ito mawawala. Pagkalipas ng ilang panahon, wala na ang file, kahit nakikita mo pa ang usapang kinabibilangan nito. Ang paglipat sa ibang provider ay nangangahulugang magsisimula ka ulit sa wala.

Ipinapakita ng isang karaniwang patibong ng mga Telegram bot ang pagkakaiba. Nagtatago ang Telegram ng permanenteng file_id para sa bawat larawan, pero ang download link na nakukuha ng bot para rito ay garantisadong gumagana lang nang humigit-kumulang isang oras. Ang mga bot na link lang ang itinatago ay nagbibigay ng 404 para sa larawan kahapon. Kinokopya ng mintbot ang file sa archive ng iyong agent sa sandaling dumating ito — at kung sasagot ka sa mas lumang larawan, kinukuha nito iyon muli gamit ang permanenteng file_id. Mula noon, sa iyo na ang larawan.

Tatlong bagay ang bunga ng disenyong ito:

• Sa iyo ang mga file, hindi sa LLM provider. Kung lilipat ka mula Claude papuntang GPT sa susunod na buwan, sasama nang buo ang kasaysayan ng iyong mga file, dahil nasa VPS mo ito — hindi sa imbakan ng isang vendor.
• Puwede kang magtanong ulit sa ibang pagkakataon. Gumagana ang tanong na “Tatlong buwan na ang nakalipas, sinuri mo ang isang kontrata para sa akin — puwede mo ba itong ikumpara sa bagong draft na ito?”, dahil nasa disk pa rin ang orihinal. Sa karaniwang AI chat, kadalasang wala na ang lumang file.
• Laging natatanggap ng modelo ang bersyong pinakamagagamit nito. Ang mga modelong nakakakita ng larawan ay tumatanggap ng pinaliit na JPEG, ang mga modelong bumabasa ng teksto ng UTF-8, at ang mga bumabasa ng PDF ng tunay na PDF. Puwedeng mag-upload ng HEIC mula sa telepono at basta gumagana ito — nilo-load ng decoder ng larawan ang HEIF plugin ng Pillow, at nahuhuli ng pagsusuri sa magic bytes ang mga teleponong maling naglalagay ng label na application/octet-stream sa upload.

Saan mo pamamahalaan ang iyong mga file

May tagapamahala ng file ang web panel ng agent sa Mga setting → Tagapamahala ng file. Ipinapakita nito ang buong VPS ng agent; ang archive ng mga upload sa /var/lib/mintbot-agent/uploads/ ang bahaging pinupuno ng iyong mga usapan. Mula roon, puwede kang:

• Mag-browse ng mga folder at mag-download, magpalit ng pangalan, maglipat o magbura ng mga file
• Gumawa ng mga folder
• Mag-drag and drop ng mga bagong file — ina-upload nang pira-piraso, hanggang 4 GB bawat file
• Mag-edit ng maliliit na text file (hanggang 1 MB) mismo sa browser

Mga limitasyon sa laki: ang file na ilalakip mo sa chat ay puwedeng umabot sa 500 MB; pinapayagan lang ng Telegram ang mga bot na kumuha ng file na hanggang 20 MB; tumatanggap ang Tagapamahala ng file ng hanggang 4 GB bawat file. Lampas doon, ang tanging hangganan ay ang iyong disk — laging nag-iiwan ang mintbot ng kaunting bakanteng espasyo para patuloy na tumakbo ang server. Kapag napuno ang disk, sasabihin ito sa iyo ng agent at bibigyan ka ng direktang link sa Tagapamahala ng file para makapagbakante ka ng espasyo — o hilingin mo na lang sa agent na burahin ang mga lumang file.

Kapag nagbura ka ng file sa Tagapamahala ng file, natatanggal ito sa disk at hindi na ito maipapakita ng agent sa LLM. Iyan ang dahilan kung bakit “iyo” ang orihinal: ikaw lang ang may karapatang burahin ito.

Sa madaling salita

Itinuturing ng karamihan ng mga AI chat ang iyong mga upload bilang pansamantalang konteksto ng usapan na itinatapon din. Itinuturing naman ito ng mintbot bilang iyong data — nakaimbak sa iyong VPS, pag-aari mo, at binabago kapag kailangan sa anyong kailangan ng modelo sa sandaling iyon. Marami sa mas kawili-wiling kakayahan ng mintbot ang nakatayo sa pundasyong ito.