Cloudflare R2: arquivos sem extensão já entram no AI Search

O que mudou, na prática

O Cloudflare AI Search é um serviço gerenciado de busca no seu próprio conteúdo. Uma das formas de alimentá-lo é conectar um bucket R2, o armazenamento de objetos da Cloudflare. O AI Search lê o bucket, converte documentos compatíveis em texto pesquisável e monta o índice consultado pelo seu aplicativo.

Antes desta atualização, o caminho seguro para detectar o formato dependia da extensão no nome. Uma chave como manual.pdf informa ao indexador o tipo do arquivo. Já uma chave estável como documents/manual-alpha não traz essa pista.

Agora, o AI Search também consegue usar o Content-Type HTTP comum de um objeto sem extensão. application/pdf indica que os bytes formam um PDF; text/markdown, que se trata de Markdown. A Cloudflare também inclui text/plain, application/json, text/html e text/csv entre os tipos compatíveis.

As extensões de arquivo não deixaram de valer. A Cloudflare ainda considera uma extensão reconhecida o caminho preferencial e mais rápido para detectar o formato. A novidade faz diferença quando trocar a chave quebraria URLs, referências no banco de dados, associações de tenants, assinaturas ou um contrato de upload que já está em produção.

Há uma distinção importante aqui. Content-Type é um metadado HTTP do objeto no R2. Não é o metadado personalizado que o AI Search usa em filtros como categoria, cliente ou status do documento. Esses campos personalizados viajam em cabeçalhos x-amz-meta-* e precisam de um schema no AI Search. Adicionar x-amz-meta-content-type não substitui o campo HTTP verdadeiro.

Esta atualização muda a ingestão na fonte, ou seja, o ponto em que o documento entra no índice. Ela não altera o modelo que redige a resposta depois da recuperação. A atualização para o GLM-5.3 Flash atua nessa etapa posterior de geração.

Cloudflare R2: uma convenção de nomes a menos

Chaves opacas são comuns por bons motivos. Um produto pode usar um ID estável do banco de dados como chave no R2 para que o objeto mude sem trocar de endereço. Um serviço de documentos pode evitar a exposição do nome original enviado pelo cliente. Uma URL assinada pode depender da chave exata.

A solução anterior era criar, para a cópia destinada à busca, um nome com extensão ou incluir uma etapa de renomeação antes que o AI Search encontrasse o objeto. Isso gera mais uma identidade para armazenar, conciliar e remover.

Com a atualização, a chave original pode permanecer intacta quando seus metadados HTTP já estão corretos. Essa é a redução de trabalho que realmente importa no fluxo.

Veja uma estimativa do trabalho de ingestão antes e depois. Trata-se de um modelo de processo, não de um benchmark medido nem de uma economia prometida.

A tabela, de propósito, não estima economia em dólares. A Cloudflare não publicou uma redução de tempo para este recurso, e a versão também não reescreve os metadados existentes por conta própria.

Quanto custa o trabalho que continua

O AI Search é gratuito durante o beta aberto, dentro dos limites do seu plano Workers. O armazenamento e a indexação vetorial estão incluídos. O uso de Workers AI e AI Gateway ainda pode ser cobrado separadamente, mas esta mudança na ingestão não altera essas tarifas.

A correção de metadados pode aparecer na conta do R2. ListObjects, PutObject e CopyObject contam como operações Class A. Já HeadObject e GetObject, que uma ferramenta de correção pode usar para inspecionar ou ler um objeto, contam como operações Class B.

No armazenamento Standard, as solicitações Class A custam $4.50 por milhão depois da franquia mensal de 1 milhão. O Infrequent Access não tem franquia gratuita e cobra $9.00 por milhão de solicitações Class A. Ele também pode cobrar $0.01 por GB quando os objetos são lidos ou copiados.

Daí vem a regra realista de orçamento. Um objeto com Content-Type correto não exige nenhuma correção específica de nome. Se o valor estiver errado, talvez ainda seja necessário gravar ou copiar o objeto, conforme a ferramenta escolhida. Conte essas operações antes de programar a limpeza do bucket inteiro.

A escala também pesa no lado do AI Search. O limite por instância é de 100,000 arquivos no Workers Free. O Workers Paid aceita 1 milhão de arquivos, ou 500,000 quando a busca híbrida está ativada. O limite de 4 MB por arquivo é o mesmo nos dois planos.

Quem já pode aproveitar isso

Quem toca um SaaS sozinho e usa IDs estáveis nos uploads

Mantenha como chave no R2 o mesmo valor que seu banco de dados já armazena e faça o uploader anexar o tipo MIME real ao gravar o objeto. Assim, a busca de suporte consegue ingerir o mesmo objeto sem uma segunda coluna de nome de arquivo nem um job em lote para criar cópias destinadas à busca.

O ganho está em conciliar menos identidades quando um cliente substitui, exclui ou move um documento. Ainda assim, o upload precisa rejeitar um tipo binário genérico quando o objeto deve se tornar pesquisável.

Quem cuida de plataforma e herdou um bucket antigo

Liste os objetos sem extensão junto com seus metadados HTTP, compare cada valor com os tipos MIME aceitos pela Cloudflare e isole as falhas. Corrija uma pequena amostra antes de mexer no bucket inteiro.

O resultado é uma migração com escopo controlado. O orçamento de correção fica restrito aos objetos que precisam dela, enquanto as chaves com metadados válidos seguem direto para sincronização e verificação.

Uma equipe de produto multi-tenant

Preserve chaves de objeto opacas que não revelem o nome original do arquivo e defina o Content-Type a partir de uma verificação confiável no servidor durante o upload. Configure separadamente os filtros de caminho ou prefixos do AI Search quando cada tenant precisar de seu próprio limite de indexação.

O benefício é manter a arquitetura coerente. A identidade no armazenamento continua independente da apresentação do arquivo, e o indexador ainda recebe um tipo que consegue validar.

Uma agência que opera bases de conhecimento de clientes

Separe as duas funções dos metadados no runbook. O Content-Type HTTP determina se um arquivo sem extensão pode ser ingerido. Os campos personalizados x-amz-meta-* definem como filtrar os resultados indexados depois que o schema é configurado.

Isso simplifica o diagnóstico. Quando um documento some, a equipe verifica os metadados de ingestão antes de alterar as regras de filtro ou o modelo de resposta.

Como indexar arquivos do Cloudflare R2 sem extensão

A API do R2 para Workers aceita cabeçalhos da solicitação no campo httpMetadata. O Worker abaixo preserva o caminho da solicitação como chave do objeto e recusa uploads que chegam sem Content-Type.

Vincule um bucket R2 como DOCS no wrangler.jsonc:

{
  "$schema": "./node_modules/wrangler/config-schema.json",
  "name": "r2-document-upload",
  "main": "src/index.ts",
  "compatibility_date": "2026-09-11",
  "r2_buckets": [
    {
      "binding": "DOCS",
      "bucket_name": "your-bucket"
    }
  ]
}

Depois, use este Worker:

interface Env {
  DOCS: R2Bucket;
}

export default {
  async fetch(request, env): Promise<Response> {
    if (request.method !== "PUT") {
      return new Response("Method Not Allowed", { status: 405 });
    }

    const key = new URL(request.url).pathname.replace(/^\//, "");
    const contentType = request.headers.get("content-type");

    if (!key || !contentType) {
      return new Response("Key and Content-Type are required");
    }

    await env.DOCS.put(key, request.body, {
      httpMetadata: request.headers,
    });

    return new Response(`Stored ${key}`);
  },
} satisfies ExportedHandler<Env>;

Execute npx wrangler dev, defina WORKER_URL como o endereço local exibido pelo Wrangler e envie um PDF local para um destino sem extensão:

curl "$WORKER_URL/documents/manual-alpha" \
  --request PUT \
  --header "Content-Type: application/pdf" \
  --data-binary @manual.pdf

Este exemplo comprova apenas a parte do armazenamento, não a indexação. Em produção, adicione autorização, determine o tipo com uma inspeção confiável em vez de confiar apenas no nome fornecido pelo usuário e compare o resultado com a lista de formatos compatíveis da Cloudflare.

O ponto crítico: upload concluído não significa arquivo pesquisável

As gravações no R2 são fortemente consistentes, portanto o objeto e seus metadados ficam visíveis depois de uma gravação bem-sucedida. A indexação no AI Search é um job assíncrono separado. Uma solicitação de sincronização pode ser aceita e, ainda assim, o item falhar mais tarde.

Por padrão, as instâncias apoiadas no R2 sincronizam a cada 6 horas. Você pode escolher um intervalo de 1, 2, 4, 6, 12 ou 24 horas, ou iniciar um job manualmente:

npx wrangler ai-search jobs create <INSTANCE_NAME>

As sincronizações manuais da fonte podem rodar, no máximo, uma vez a cada 30 segundos. Repetir a tentativa não corrige metadados inválidos.

Depois do job, confira os logs dos itens, os detalhes de cada item ou as estatísticas da instância. unsupported_type é o erro no nível do item que importa quando o AI Search não aceita o formato detectado. Corrija o objeto e sincronize novamente esse item ou a fonte.

Nada muda para quem já usa uma extensão reconhecida em todas as chaves do R2. O mesmo vale se a fonte do AI Search for um site ou o armazenamento integrado, e não um bucket R2 externo. A atualização não torna indexável um formato incompatível nem um arquivo grande demais.

O plano para segunda-feira

Comece com uma auditoria, não com uma regravação em massa.

Tome uma providência nesta semana se as chaves estáveis ou opacas do R2 obrigaram você a manter um segundo caminho de nomes para o AI Search. Espere se os objetos atuais não têm informações de tipo confiáveis, pois será preciso definir uma estratégia de classificação antes de regravá-los. Não faça nada se extensões reconhecidas já sustentam seu fluxo de ingestão sem problemas.

Se você quer receber a próxima mudança de plataforma já convertida em uma decisão operacional, assine a newsletter.