在Nova AI平台上导入外部数据，看似简单的操作，实际执行时稍有不慎就会遇到“文件校验失败”的提示——系统不会明确告知具体哪个字段存在问题，只会直接拒绝解析。因此，在开始操作前，先掌握相关规则，能够大大减少反复调试的精力消耗。

目前，Nova AI仅支持从同一区域（Region）的OBS（对象存储服务）桶内拉取结构化数据文件，不支持本地上传、FTP直连或数据库直连。所有待导入数据必须提前上传至已授权OBS桶的指定路径，且该桶必须与Nova AI实例位于同一区域。操作流程为：进入Nova AI控制台，在左侧导航栏点击【数据管理】→【外部数据集】，随后点击右上角的【+新建数据集】，选择【OBS路径导入】，在弹出框中填写完整的OBS URL。格式为 obs://bucket-name/path/to/data/，注意末尾必须以斜杠结尾，否则系统无法识别为有效目录。

确认数据源类型与接入路径

Nova AI当前仅支持从OBS（对象存储服务）桶中拉取结构化数据文件，不支持本地上传、FTP直连或数据库直连。所有待导入数据必须提前上传至已授权的OBS桶内指定路径，且该桶需与Nova AI实例处于同一区域（Region）。

进入Nova AI控制台→左侧导航栏点击【数据管理】→【外部数据集】→点击右上角【+新建数据集】→选择【OBS路径导入】→在弹出框中输入OBS完整URL（格式为obs://bucket-name/path/to/data/），【URL末尾必须以斜杠/结尾，否则系统无法识别为有效目录】。

基础文件格式与命名规范

仅支持两种格式：CSV（UTF-8编码）和JSONL（每行包含一个合法的JSON对象）。其他格式如Excel、Parquet、XML、TSV均不被接受，即便强行将后缀改为.csv，在校验阶段也会报错。

CSV文件的首行必须为字段名，不能包含空行、合并单元格或BOM头；JSONL文件的每一行必须独立成为一个JSON对象，不允许换行嵌套，也不能使用逗号分隔多个对象。文件名只能包含英文字母、数字、下划线和短横线，中文、空格、括号、星号等特殊字符一律禁止使用。

如果你使用Python生成JSONL，务必采用 json.dumps(line, ensure_ascii=False) 逐行写入，切勿贪图方便使用 str(dict) 方式拼接，否则引号转义可能出错，导致导入后字段值全部变为空——这个坑不少人已经踩过。

字段内容与类型约束

先看最简单的场景：单文本分类任务。CSV或JSONL中必须包含且仅包含两个字段：text（字符串，原始输入文本）和 label（字符串或整数，类别标识）。label值不能为空、不能是浮点数、不能包含前后空格。例如 {"text":"这手机充电很快","label":"正面"} 是合法的，但 {"text":"屏幕有点暗","label":" 负面 "} 会导致该条数据被丢弃。

如果是多标签或序列标注任务，可以增加扩展字段：labels（JSON数组字符串，如 ["实体A","关系B"]）、entities（JSON数组，每个元素包含start/end/label键）、intent（字符串）等。这些扩展字段的值必须是合法的JSON可解析内容。像 "['A','B']" 或 "{label: 'X'}" 这种非JSON字符串，系统会直接跳过，既不报错也不生效。

【text字段长度上限为8192字符，超长会被截断，不会给任何警告；label字段长度上限为128字符，超出部分会被静默截断】。

验证与触发导入

第一步：填写OBS路径后，点击【预览样本】按钮，系统会随机读取前5行并展示解析结果。此时应仔细检查字段是否对齐、label值是否可见、是否存在乱码。

第二步：确认无误后，点击【提交】，系统会自动生成数据集ID并进入后台校验队列。

第三步：大约等待30到90秒，状态会从“校验中”变为“就绪”。此时数据集右侧操作栏会出现【启用】按钮，点击即完成导入，后续创建训练作业时即可直接调用。