Documentos
Um arquivo enviado no chat chega como texto, lido na porta, junto com o que foi dito sobre ele.
Um documento é uma mensagem, não uma pesquisa
Mande um PDF com a legenda “resume isso” e aquilo deveria ser lido como uma mensagem só. E é. O arquivo é lido quando chega, antes do roteamento, então o modelo recebe a instrução e o material juntos e responde sobre o conteúdo em vez de primeiro ter que ir atrás dele.
O agente consegue fazer isso sozinho, e até agora tinha que fazer: identificar o arquivo, escolher uma biblioteca, instalar, escrever um script, rodar. Funciona, e custa vários turnos, sai diferente a cada vez, e exige que o agente tenha bash, coisa que um agente que atende cliente nunca deve ter. Esse caminho continua existindo, como rede de segurança. Ele deixou de ser a porta de entrada.
O que é lido, e quanto custa
Texto (.txt, .md, .csv, .json, .log, .xml e afins) |
Nada. É só ler o arquivo. |
.docx, .xlsx, .pptx |
Nada também. O Pepe lê esses formatos sozinho, sem nada extra para instalar. |
.pdf |
pdftotext, onde a máquina o tiver. Onde não tiver, o agente cai para se virar e instalar o que precisa, uma vez. |
| Qualquer outra coisa | Cai para o agente, que é o que acontecia com tudo antes. |
A planilha é o caso que merece explicação. Tirar as tags de um .xlsx produz algo que parece uma resposta: um monte das palavras que estavam lá, com os números sumidos e as linhas coladas umas nas outras. O Excel guarda os textos repetidos uma vez só, numa tabela compartilhada, e a célula guarda um índice para ela. Uma leitura ingênua entrega ao modelo uma lista de índices se passando por dados. Ele responderia com toda a confiança, errado, e ninguém saberia. Então as células são de fato lidas, e a planilha chega como linhas e colunas.
Documentos longos
Só a primeira parte de um documento longo é entregue, para que um anexo não coma a janela de contexto. O arquivo inteiro fica no workspace do agente, e o agente é informado de onde, então quando precisar do resto ele lê o resto.
Arquivos compactados não são abertos
Um .zip ou um .tar.gz é uma caixa, não um documento. Não existe “o texto” dele, e descompactar automaticamente o que um estranho manda é perigoso: um arquivo pode ser montado para lotar seu disco ao ser aberto, ou para soltar arquivos fora da própria pasta. Ele cai para o agente, que o abre deliberadamente, com o portão de permissão na frente, e olha o que tem dentro antes de agir.
Os formatos do Office são seguros justamente porque não são genéricos: uma entrada é lida, pelo nome, na memória, e nada nunca é escrito em disco.
bash e entrega com send_file, no canal em que a conversa está. Criar o que você pediu não é a mesma coisa que abrir o que um estranho mandou.