Форматы файлов для ИИ

Лучший файл для модели – тот, из которого нормально извлекается текст и понятна структура.

• Markdown и TXT – самые легкие форматы: минимум мусора, заголовки и списки видны сразу.
• DOCX – хороший вариант для договоров. Сохраняются абзацы, таблицы и нумерация, хотя сложная верстка иногда расползается.
• PDF с текстовым слоем – обычно читается нормально. Две колонки, колонтитулы и сноски могут перемешаться.
• Скан или фото – сначала требуется OCR. Чем хуже изображение, тем выше риск ошибки в цифрах и реквизитах.
• XLSX и CSV – подходят для реестров и расчетов. Формулы, скрытые листы и объединенные ячейки нужно оговаривать отдельно.

Архив ZIP чат может принять, но это не значит, что он просмотрит каждый файл. Для папки документов надежнее агент, который покажет перечень открытых файлов.

Простая проверка перед работой: попросите модель вывести первые два абзаца, заголовки и количество страниц или листов. Если текст прочитан криво, сначала подготовьте PDF или Word, а не начинайте анализ.

Связанные заметки: Markdown для юриста · Работа со сканами и OCR · Токены