支援的檔案格式

最後更新 2026-10-21

watcher 會索引哪些檔案、略過哪些檔案，以及各格式如何切成可搜尋的 chunk（切塊）。

依副檔名分派

副檔名以小寫比對（internal/filesystem/walkFiles.go）。

副檔名	Parser	切塊單位	紀錄的 `kind`
`.pdf`	`pdftotext -layout -enc UTF-8`，移除換頁字元	段落	`pdf`
`.docx`	本文，接著頁首、頁尾、註腳、章節附註	段落	`docx`
`.pptx`	投影片 XML 文字，依投影片編號排序	每張非空白投影片一個 chunk	`pptx`
`.csv`、`.tsv`	CSV reader（`.tsv` 以 tab 分隔），去除 UTF-8 BOM	32 列資料	`csv`
`.xlsx`	僅第一個工作表	32 列資料	`xlsx`
其他副檔名	通過文字檢查時當純文字讀取	段落	`text`

PDF、DOCX 與純文字檔的內容以空白行切分；只含空格或 tab 的行也視為空白行。每個段落去除前後空白、捨棄空段落，其餘段落從 1 開始編號，並一併記錄總數。段落內的行保留原本的換行。

Alpha Go notes
line two
Second paragraph about SQLite

這份檔案產生兩個 chunk：chunk 1 是前兩行並保留其間的換行，chunk 2 是最後一行。

CSV、TSV 與 XLSX 以第一列為表頭。資料列每 32 列組成一個 chunk，每列獨立一行，格式為 [列號] 表頭=值, ...，列號從 1 起算：

[1] name=ann, role=dev
[2] name=bob, role=ops

情況	行為
表頭儲存格為空	鍵名改為 `col<N>`
資料列儲存格多於表頭	多出的儲存格捨棄
只有表頭列，或檔案為空	不產生 chunk；該檔先前的資料列會被 dismiss
CSV 或 TSV 大於 1 MiB	Parser 錯誤，檔案不會被儲存

規則	範例
排除的檔名	`.DS_Store`
二進位副檔名	圖片（`.png`、`.jpg`、`.heic`、`.svg`）、影片（`.mp4`、`.mov`）、音訊（`.mp3`、`.wav`）、壓縮檔（`.zip`、`.tar`、`.gz`）、執行檔與函式庫（`.exe`、`.so`、`.dylib`）、安裝檔（`.dmg`、`.deb`）、bytecode（`.class`、`.jar`、`.pyc`、`.wasm`）、資料庫（`.db`、`.sqlite`）、設計檔（`.psd`、`.fig`）、字型（`.ttf`、`.woff2`）
未通過文字檢查	前 8 KiB 含 NUL 位元組或不是合法 UTF-8，或檔案為空

略過的檔案仍會記進快照，在檔案變動前不會重新檢查。