Qué se indexa

Averigua antes de buscar si lo que recuerdas se puede encontrar: una frase, un PDF, una nota de voz, una página web o una foto. Cada tipo de contenido se puede buscar a su manera. Algunos funcionan de inmediato, otros necesitan un comando y unos pocos siguen apagados hasta que los activas. La indexación se hace en tu ordenador y el índice vive en el archivo local. Las excepciones se indican donde aplican.

Antes de empezarCopy Anchor Link

La búsqueda lee el archivo local, no el servicio de mensajería. Descarga primero el historial del chat: Búsqueda. Un resultado vacío no prueba que no se enviara nada.

Qué necesita cada tipoCopy Anchor Link

En todas las filas pasa lo mismo. Los archivos y las imágenes se leen en tu ordenador y no se modifican. Solo van a un servicio externo si tú eliges uno: un servicio de modelos para reconocer escaneos en bloque (abajo) o un modelo remoto para la búsqueda por significado.

Texto de mensajesCopy Anchor Link

El texto de cada mensaje guardado se indexa con el remitente, el chat, la fecha, los enlaces y los datos de los adjuntos. La búsqueda por palabras también encuentra otras formas de la palabra. Para una frase exacta, usa exact:. Cómo funciona la coincidencia: Cómo funciona la búsqueda.

tg personal search messages invoice
max personal search messages 'exact:"final invoice"'

has:text deja los mensajes que tienen texto. Con NOT encuentra los que no lo tienen, como una foto sin pie:

tg personal search messages 'has:photo NOT has:text'

Archivos y documentosCopy Anchor Link

attachments extract lee el texto de los archivos descargados y lo guarda en el archivo local. Después, content: busca dentro de ellos. La lectura se hace en tu ordenador.

tg personal attachments extract --chat "Book club" --download --output-dir ./files
tg personal search messages 'content:invoice'

Hay lectores para:

• Texto plano: .txt, .md, .markdown, .json, .log, también en codificaciones antiguas habituales.
• Tablas: .csv, .tsv, .xlsx, .ods, con hoja, fila y columna.
• Documentos y presentaciones: .pdf con capa de texto, .docx, .doc, .rtf, .odt, .pptx, .odp, .epub.
• Páginas web: .html, .htm, .xhtml.

Una página web se lee por su texto principal, no por su marcado. Se descartan menús, pies de página y avisos de cookies, y no se descarga nada de internet. Se conservan los títulos, las listas, las tablas y el texto de los enlaces.

Los archivos que no se pueden leer como texto, como escaneos y fotos, aparecen en la lista de los que necesitan texto. El texto que tu agente escriba para ellos cuenta como texto del archivo, y content: lo encuentra.

Escaneos y fotos con textoCopy Anchor Link

Tu agente lee la imagen con sus propias herramientas de visión y guarda las palabras:

tg personal attachments list --chat "Book club" --needs-text
tg personal attachments text set "Book club" 204 --text-file ./scan.txt

Para muchos escaneos puedes elegir un servicio de modelos. Es el único sitio donde los archivos salen de tu ordenador: attachments extract --ocr envía imágenes y páginas de PDF escaneados al servicio que configuraste. Sin --ocr no se llama a ningún modelo.

Notas de vozCopy Anchor Link

Una nota de voz se puede buscar cuando tiene transcripción. La herramienta la guarda y la encuentra con una palabra normal o con transcript:.

max personal models audio download gigaam-v3
max personal messages transcribe "Book club" 204
max personal search messages 'transcript:invoice'

• Un modelo de voz funciona en tu ordenador. La grabación no sale de él. Descarga un modelo una vez con models audio download; no se descarga solo.
• Modelos: parakeet-v3 cubre 25 idiomas, gigaam-v3 es el mejor para ruso.
• tg también puede usar la transcripción del propio Telegram si tu cuenta la tiene (transcribeWith: auto, messenger o local). max siempre usa el modelo de tu ordenador.
• La transcripción local lee una grabación Ogg Opus completa. Las grabaciones largas necesitan más memoria y tiempo.
• Transcribir no es instantáneo. --transcribe en messages list transcribe las notas de voz que muestra y que aún no tienen texto.

En archivos y transcripciones, la palabra se busca en su forma exacta. Las otras formas de la palabra se buscan solo en el texto de los mensajes.

Teléfonos, correos y enlacesCopy Anchor Link

Las herramientas encuentran números de teléfono, direcciones de correo, enlaces, enlaces a documentos de Google y nombres de personas que conoces en el texto de mensajes, archivos y transcripciones. Cada valor se guarda como una mención. La búsqueda lo encuentra como se haya escrito:

tg personal search messages 'phone:"+1 555 010 0100"'
tg personal search messages 'email:"[email protected]"'
tg personal search messages 'domain:example.com'

phone: encuentra igual +1 555 010 0100 y 15550100100. domain: encuentra todos los enlaces y direcciones de ese sitio. Las menciones se encuentran con reglas, sin modelo. Una mención que rechazas sigue descartada.

ImágenesCopy Anchor Link

Las imágenes se buscan de dos maneras. Elige según lo que recuerdes.

Por el entorno de la imagenCopy Anchor Link

Recuerdas de qué se hablaba cuando llegó la foto. conversations embed da a cada foto un fragmento de texto con su pie, hasta 3 mensajes antes y después en un margen de 10 minutos, el título del chat y el remitente. La búsqueda por significado encuentra entonces el mensaje de la foto en cualquier idioma.

tg personal models text download e5-small
tg personal conversations build --chat "Book club"
tg personal conversations embed --chat "Book club"
tg personal search conversations "photos from the trip" --chat "Book club"

Una foto sin pie y sin mensajes cerca no recibe fragmento. Para encontrarla, usa el método siguiente. Sobre la búsqueda por significado en general: Búsqueda por tema.

Por lo que muestra la imagenCopy Anchor Link

Recuerdas cómo es la imagen. Está apagado hasta que lo actives, y se activa por perfil. Está en las últimas versiones de tg y max; ejecuta images --help para comprobar la tuya. En orden:

1. config set picture_search true
2. images models download clip-b32
3. images embed --chat "Book club" --limit 100
4. Busca con palabras, por ejemplo search messages "dog on a beach"

Pon delante de cada comando el nombre de la herramienta y de tu perfil, como en los ejemplos anteriores.

• El modelo es CLIP ViT-B/32, unos 155 MB, se descarga una vez y lo comparten todos los perfiles.
• images embed descarga cada imagen guardada a través del servicio de mensajería, una a una, y no marca nada como leído. Guarda una lista corta de números (un vector) y un hash de la imagen, y borra el archivo. Una imagen no se lee dos veces. Ejecútalo otra vez para continuar.
• Una búsqueda de mensajes con palabras añade entonces una lista pictures junto a los resultados habituales. Se ordena aparte y nunca cambia los resultados de texto. Las coincidencias débiles se descartan. Con el ajuste apagado no hay lista. Con el ajuste activo y sin modelo, la respuesta dice picturesSkipped.
• Escribe la consulta en inglés. El modelo solo sabe inglés. Tu agente traduce antes la pregunta: «ticket de la tienda» pasa a "a shop receipt".

Las imágenes no salen de tu ordenador.

En qué se diferencian las herramientasCopy Anchor Link

Drive deja solo por nombre los PDF escaneados, Slides, audio y vídeo: una palabra del nombre del archivo los encuentra, y el resultado indica por qué no hay texto. Detalles: búsqueda en Drive, notas de Memo, búsqueda en Telegram, búsqueda en MAX.

LímitesCopy Anchor Link

• Un archivo de más de 50 MiB no se lee como texto. Cámbialo con MESSAGING_ATTACHMENT_MAX_MIB.
• De un archivo se leen como máximo 2 000 000 de caracteres de texto.
• Los archivos de Office (.odt, .ods, .xlsx, .pptx, .epub) están limitados a 1000 partes y 50 MiB descomprimidos. Un archivo que supera un límite se señala como demasiado grande.
• PDF escaneados enviados a un servicio de modelos: 20 páginas por documento.
• La búsqueda por contenido de imágenes solo entiende inglés.
• Memo conserva como máximo 200 000 caracteres de cada archivo de notas o adjunto de correo.
• Las palabras de una nota de voz solo se encuentran tras la transcripción. El contenido de una imagen solo se encuentra tras crear su vector.

Comprueba el resultadoCopy Anchor Link

Busca una palabra que sepas que está en un archivo, una nota de voz o el chat alrededor de una imagen, y mira dónde se encontró. Cada resultado de mensajes indica si la coincidencia viene del texto del mensaje, de una transcripción, del nombre de un archivo o del texto de un archivo. Si un tipo de contenido nunca aparece, revisa el único paso que necesita en la tabla de arriba.

Siguiente: Búsqueda para las consultas habituales, o el lenguaje de consultas de Telegram y MAX.