AI时代常用文件格式速查全指南(含编程与大模型文件)

在 AI 时代，你会越来越频繁地和各种工具链打交道。很多效率差距，不是来自你会不会某个模型，而是来自你能不能一眼判断该用什么文件格式来存、来传、来训练、来部署、来交付。文件格式就是数字世界的通用接口。先把常见格式摸清楚，你的工作流会更稳，踩坑更少，协作更顺。

下面是完整版日常文件格式速查，包含图片、视频、文档、网页、数据交换、编程工程化，以及 AI/机器学习常见格式。

最常用的速选规则

• • 定稿交付、打印盖章：PDF
• • 协作修改：DOCX / PPTX
• • 可点可搜可交互报告：HTML + CSS/JS
• • 照片：JPG；截图/透明：PNG；网页资源：WebP
• • 图标/Logo：SVG
• • 通用动图：GIF；更清晰省体积：MP4/WebM
• • 跨系统交换表格：CSV
• • 程序数据与配置：JSON/YAML/TOML
• • 大规模分析/训练数据：Parquet
• • 本地大模型文件：GGUF
• • 权重分享更安全：safetensors
• • 跨平台推理部署：ONNX
• • 打包发文件：ZIP

1) 图片与图形

.jpg / .jpeg

• • 作用：照片有损压缩，体积小
• • 适合：相机照片、社交平台、网页配图
• • 不适合：大量文字截图、透明背景
• • 建议：照片默认 JPG

.png

• • 作用：无损，支持透明
• • 适合：截图、UI 素材、带文字的图、透明背景
• • 缺点：照片会比 JPG 大
• • 建议：截图/透明优先 PNG

.webp

• • 作用：更省体积，可有损/无损，支持透明
• • 适合：网页与 App 图片资源
• • 注意：老旧环境偶尔兼容差
• • 建议：做网页资源优先 WebP

.gif

• • 作用：通用动图（帧动画）
• • 适合：短演示、表情包、动效示意
• • 缺点：256 色限制，体积可能大
• • 建议：通用动图用 GIF；追求画质和体积用 MP4/WebM

.svg

• • 作用：矢量图，放大不糊，本质是文本/XML
• • 适合：图标、Logo、示意图
• • 注意：可能含脚本，安全场景需清洗
• • 建议：图标/Logo 优先 SVG

.tiff

• • 作用：印刷/扫描级别高质量图片
• • 适合：出版、专业摄影后期、档案
• • 缺点：大
• • 建议：印刷和档案用 TIFF

.heic

• • 作用：手机高压缩高质量照片（iPhone 常见）
• • 适合：手机存储
• • 注意：跨平台分享常需要转 JPG
• • 建议：对外分享转 JPG 更稳

设计源文件：.psd / .ai / .fig / .sketch / .xd

• • 作用：可编辑母版（图层、组件、画板）
• • 适合：团队协作、反复修改
• • 缺点：依赖软件、体积大
• • 建议：内部留源文件，对外导出 PNG/SVG/PDF

2) 视频与音频

.mp4

• • 作用：最通用视频容器
• • 适合：发布、演示、分享
• • 建议：对外默认 MP4

.mov

• • 作用：制作端常用容器（苹果生态）
• • 适合：剪辑中间文件
• • 缺点：可能更大
• • 建议：制作 MOV，发布转 MP4

.mkv

• • 作用：万能容器，多音轨字幕章节
• • 适合：收藏、技术向存档
• • 建议：自己存档用 MKV，对外分享用 MP4

.webm

• • 作用：网页友好视频
• • 适合：网页嵌入、省流量
• • 建议：网页端优先 WebM（再备 MP4）

.mp3

• • 作用：最通用有损音频
• • 适合：播客、语音、分享
• • 建议：发给别人听用 MP3

.wav

• • 作用：无损音频（制作与录音常用）
• • 适合：编辑、留原始素材
• • 缺点：大
• • 建议：制作/留原始用 WAV

.flac

• • 作用：无损压缩音频
• • 适合：高音质存档
• • 建议：无损存档但想小点用 FLAC

3) 文档与网页交付

.pdf

• • 作用：版式固定的最终交付
• • 适合：合同、报告、说明书、投标
• • 优点：跨平台一致，可签名权限表单
• • 建议：要“看起来一模一样、能打印”就 PDF

.doc / .docx

• • 作用：可编辑文档，修订批注协作
• • 适合：写作、改稿、内部流转
• • 建议：协作用 DOCX，定稿转 PDF

.ppt / .pptx

• • 作用：演示与汇报
• • 适合：路演、培训
• • 建议：讲解用 PPTX，对外发导 PDF

.xls / .xlsx

• • 作用：表格计算、建模、图表、透视
• • 适合：财务、统计、轻量数据库
• • 建议：要算要表用 XLSX；交换数据用 CSV

.md

• • 作用：轻量文档（Markdown）
• • 适合：README、笔记、知识库、技术文档
• • 建议：文档型内容优先 MD

.txt

• • 作用：纯文本
• • 适合：日志、简单记录、临时数据
• • 建议：不需要格式就 TXT

.html

• • 作用：网页文件，浏览器直接渲染
• • 能做：目录跳转、搜索、交互（配 .js）、离线报告
• • 缺点：常依赖 css/js/图片；版式不如 PDF 固定
• • 建议：要“可点可搜可交互”用 HTML；要“定稿印刷”用 PDF

.css / .js（网页配套）

• • .css：样式与布局（响应式）
• • .js：交互与逻辑（筛选、图表、请求接口）

4) 数据交换与配置

.csv

• • 作用：表格数据交换最通用
• • 适合：数据库导入导出、数据管道
• • 注意：编码（UTF-8/GBK）与分隔符
• • 建议：跨系统传表格优先 CSV

.json

• • 作用：结构化数据（键值/嵌套）
• • 适合：API、配置、半结构化数据
• • 建议：需要嵌套结构就 JSON

.jsonl

• • 作用：一行一个 JSON，适合流式、批量、超大文件
• • 适合：日志、训练数据、评测输出
• • 建议：AI 数据与记录强烈推荐 jsonl

.yaml / .yml

• • 作用：更适合人读的配置
• • 适合：CI/CD、容器、应用配置
• • 注意：缩进敏感
• • 建议：给人维护的配置常选 YAML

.toml

• • 作用：规整的配置格式
• • 适合：Python 项目配置（pyproject 等）、工具配置
• • 建议：工程配置偏向 TOML

.ini / .conf

• • 作用：传统配置
• • 适合：老项目与系统配置
• • 建议：遗留系统常见

.xml

• • 作用：结构化标记语言（标准多、老系统多）
• • 适合：行业标准、办公格式底层、旧接口
• • 建议：对接标准或旧系统常见 XML

.parquet

• • 作用：列式存储，压缩好、分析快
• • 适合：大数据分析、量化研究、训练数据集
• • 建议：分析型数据管道优先 Parquet

.feather

• • 作用：高速列式格式（偏本地快读写）
• • 适合：Python/R 中间结果缓存
• • 建议：临时缓存可用 feather

.sqlite / .db

• • 作用：单文件数据库
• • 适合：本地应用、缓存、小型数据系统
• • 建议：想要“一文件数据库”就 SQLite

5) 压缩与打包

.zip

• • 作用：最通用压缩包
• • 适合：发文件、跨平台
• • 建议：对外分享默认 ZIP

.7z

• • 作用：压缩率更高
• • 适合：大文件归档
• • 注意：可能需要额外解压软件
• • 建议：自己存档追求体积小用 7z

.tar / .tar.gz / .tgz

• • 作用：Linux 打包与压缩
• • 适合：源码发布、服务器传输
• • 建议：Linux 分发常用 tar.gz

6) 编程与工程化文件

代码

• • .py：Python 源代码（脚本、服务、ETL、训练、推理、自动化）
• • .ipynb：Notebook（交互实验、可视化、研究记录；不适合大型工程部署）
• • .js / .ts：前端/Node（网页交互、BFF 中转、工具脚本）
• • .java / .go / .rs / .cpp：后端与高性能模块（推理服务、数据服务）

依赖与可复现

• • requirements.txt：pip 依赖清单
• • pyproject.toml：现代 Python 项目配置
• • poetry.lock / uv.lock / Pipfile.lock：锁依赖，保证可复现
• • package.json / pnpm-lock.yaml：Node 依赖与脚本
• • 建议：项目要稳定，锁文件别省

环境与部署

• • .env：环境变量（API Key、数据库连接），不要公开
• • Dockerfile：容器构建
• • docker-compose.yml：多服务编排（API + 向量库 + DB）
• • 建议：要复现和部署，Docker 是硬通货

自动化与工程习惯

• • Makefile：命令封装（build/test/run）
• • .sh / .ps1 / .bat：脚本自动化
• • .gitignore：不进仓库的文件
• • README.md / LICENSE：说明与协议
• • .editorconfig / pre-commit：统一风格与提交检查

7) AI/机器学习常见格式（重点）

数据集

• • .jsonl：指令/对话/标注数据（最常见）
• • .csv/.tsv：表格数据
• • .parquet：大规模训练数据（高效）
• • .arrow：HF datasets 常见底层
• • .txt：语料

权重与模型文件

• • .pt / .pth：PyTorch 权重/检查点
• • .ckpt：训练检查点（不同框架常用）
• • .safetensors：更安全的权重格式（分享与加载更可靠）
• • .onnx：跨框架推理部署格式

本地大模型量化与推理

• • .gguf：llama.cpp / Ollama 常用（本地跑大模型你会经常碰到）

向量与索引

• • .faiss：FAISS 索引
• • .index / .ann / .hnsw：不同向量检索库的索引文件（按实现不同）

分词器与配置

• • tokenizer.json / vocab.json / merges.txt / sentencepiece.model
• • .yaml / .json：训练、推理、服务配置
• • 建议：模型能否复现，tokenizer 和 config 和权重一样重要

8) 可执行与安装包

• • Windows：.exe / .msi
• • macOS：.dmg / .pkg
• • Android：.apk
• • iOS：.ipa
• • 注意：来源不明的安装包风险很高

9) 字体与电子书

• • .ttf / .otf：字体文件
• • .epub / .mobi / .azw3：电子书（epub 通用，mobi/azw3 偏 Kindle）

转发给正在使用ai的人