我经常使用ChatGPT来分析上传的照片、文档和其他文件。有时我也会要求AI创建PDF或其他包含请求相关信息的文档。以前在电脑上寻找所有这些照片和其他文件是件麻烦事。但现在我可以访问一个在线文件库,将它们全部存储在一个地方。
最近发布的新ChatGPT文件库功能将保存您在聊天中上传的文件,包括图片、文档、电子表格和演示文稿。该文件库还将存放您要求AI创建的任何文件。唯一的例外是生成的图片,它们仍将在图片部分中可以访问。
OpenAI将该文件库宣传为一个专用且安全的在线位置,您可以随时快速轻松地访问任何上传或生成的文件。这意味着您不再需要在电脑上四处寻找要在新对话中使用的文件。所有文件都会自动保存到文件库中,因此您无需为此做任何特别的操作。
文件库本身施加了某些大小限制。大多数文件不得超过512MB。CSV文件和电子表格限制为50MB,而图片不能超过20MB。上传的文本文件和文档限制为200万个Token,但这仍然是相当大的文本量。
听起来很方便,对吧?是的,但有一些条件。
首先,您需要ChatGPT Plus、Pro或Business账户才能使用文件库。这意味着免费用户和Go订阅用户无法使用此功能。其次,文件库仅在欧洲经济区、瑞士和英国以外的地区可用。
第三,它只能通过ChatGPT网站访问。
要试用此功能,请使用支持的账户登录ChatGPT网站。然后您应该会在左侧边栏中看到文件库条目。如果没有看到,您可能需要刷新屏幕。选择文件库可查看过去对话中的任何上传和生成的文件。文件库提供三种不同的视图——一个是所有文件,一个是图片,一个是常规文件。
开始新聊天并上传文件,或要求ChatGPT生成文件。再次查看文件库以查看保存的新文件。
要在新聊天中引用现有文件,请单击提示处的加号图标并转到菜单中的最近文件。从列表中选择最近的文件,或选择从文件库添加选项以访问所有文件。
最后,您可以轻松管理所有存储的文件。要查看文件库中的文件,只需单击它。要将文件从文件库下载到计算机,请单击下载图标。要上传新文件,请单击上传按钮并选择文件。要删除文件,请单击垃圾桶图标。您还可以选择所有文件来一次性下载或删除它们。
Q&A
Q1:ChatGPT文件库功能有哪些使用限制?
A:使用ChatGPT文件库需要Plus、Pro或Business账户,免费用户无法使用。文件库仅在欧洲经济区、瑞士和英国以外地区可用,且只能通过网站访问。文件大小也有限制:大多数文件不超过512MB,CSV文件和电子表格限制50MB,图片不超过20MB。
Q2:ChatGPT文件库可以存储哪些类型的文件?
A:文件库可以保存您在聊天中上传的所有文件,包括图片、文档、电子表格和演示文稿。同时也会存储您要求AI创建的文件。生成的图片是个例外,它们仍在图片部分显示。所有文件都会自动保存,无需特别操作。
Q3:如何在新聊天中使用文件库里的文件?
A:在新聊天中引用现有文件时,点击提示处的加号图标,然后选择菜单中的"最近文件"。您可以从列表中选择最近使用的文件,或选择"从文件库添加"选项来访问所有存储的文件。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。