AI 时代的基本功

第一部 · 世界观

第 7 章 数据的样子:字节、编码与格式

乱码、发虚的图片、打不开的文件——全是「拿错翻译表」和「用错画法」这两个根。

一、翻车现场

导出的账单 CSV 打开是一屏乱码,中文全变成了「测试」这种天书。从网页复制的文字粘进文档,排版全飞。把 logo 的 JPG 放大两倍,边缘糊成了马赛克。

更日常的:同一个文件在 Mac 和 Windows 上表现不一样;给 AI 喂数据,它说「请提供 CSV 或 JSON 格式」——你知道这两个词是文件,但不知道为什么偏偏是它们。

二、为什么会这样

文件就是一串字节,格式是读它的约定

第 2 章说过,一切都是字节。一份文件的本质是「按顺序排好的字节串」,而格式(扩展名,第 3 章)是读它的说明书:先读哪两个字节当宽度、接着多少字节当颜色。格式不对,字节还在但意义全错——就像把菜谱当成乐谱念,字都认识,内容全毁。「文件损坏打不开」很多时候其实是「读它的约定对不上」。

编码:字节到文字的翻译表

文字要变成字节,得先有一张翻译表——每个字对应哪串字节,这张表叫编码。世界曾有很多张表:中国大陆的 GBK、欧洲各表的 ISO 系列,同一串字节在不同表里读出不同文字。乱码的本质就是拿错表:用 A 表写的字节,拿 B 表去读。「测试」不是数据坏了,是读的人拿错了表。

今天的标准答案是 UTF-8,一张几乎覆盖全世界文字的表。你只需要记住:能用 UTF-8 就用 UTF-8;打开旧文件出现乱码,八成是老文件用了老表,换一张表重开(大多数软件的「打开方式」里都能选编码)。

位图与矢量:两种画法

照片类文件是位图:把画面切成百万个小方格(像素),每个格子记一个颜色。放大就是格子变大——糊了。图标、logo 类文件可以是矢量:它存的不是格子,是画法(「从这里画一条线到那里,圆角,红色」),放大一万倍都锐利——你配图用的 SVG 就是矢量(第 8 章的插图也是)。压缩是第三层:JPG 扔掉人眼不在意的细节换体积,代价是反复编辑后出现毛边;PNG 不扔细节所以更清晰也更大。

CSV 和 JSON:给程序吃的两张表

CSV 是最朴素的表格:一行一条记录,逗号隔开列,任何程序都认——第 16 章搬家首选。JSON 是「填空题清单」:用花括号和引号描述「哪个字段是什么值」,嵌套起来能表达复杂结构,是程序之间递纸条的标准格式。AI 对这两种格式都驾轻就熟——给它喂结构化数据,认准这两个。

同一串字节,两张翻译表 一串字节 E6 B5 8B E8 AF 95 … 文件的本体从没变过 翻译表 A:UTF-8 今天的世界标准 翻译表 B:老编码(如 GBK) 历史遗留,还在流传 测试 测试 传说中的乱码 乱码不是数据坏了,是读的人拿错了表。自救:换 UTF-8 重开;出口:导出时永远选 UTF-8。

三、怎么办

乱码三秒自救。别急着重新导出:先用软件的「打开方式」换个编码(优先 UTF-8)重开一次,多数乱码当场痊愈。实在不行再回到源头重新导出,导出时编码选 UTF-8。

选格式的口诀。照片用 JPG(体积小够用)、要透明背景或多次编辑用 PNG、图标和几何图形用 SVG(无限放大不失真)、给程序吃的表格用 CSV、程序间的填空清单用 JSON。

喂 AI 数据的两条纪律。格式用 CSV 或 JSON,别发截图让 AI 识字(第 14 章讲过截图的纪律);喂之前自己先用文本编辑器打开瞄一眼,确认没有敏感列——数据一出门就收不回来。

四、带走的问题

本章顺便获得的概念:字节、编码、UTF-8、位图、矢量、压缩、CSV、JSON。