ARTICLE · 1072828
长文档读不完,我让AI先读一遍
· · ·
上个月拿到一份两百多页的行业规范，PDF，要从中找出跟数据留存有关的条款。
放在以前，这种活儿就是硬啃。开着 PDF 用 Ctrl+F 一个词一个词搜，搜出来的结果还得自己上下对照。
这次我换了个做法：整份文件拖进 AI，直接问它"关于数据留存有哪些要求，标出页码"。
它答得很快，洋洋洒洒一大段，还给了页码。我照着翻过去，对不上。
问题出在"阅读窗口"
一开始我以为是它瞎编。
后来去翻 Google 帮助中心关于 Gemini 文件上传的说明，才看明白。上传的文件大小上限是 100 MB，一次最多传 10 个，这些都好办。真正卡人的是另一条：免费账号对上传文件的阅读窗口是 32,000 个 token，大概五十来页。
五十页以后的内容，它其实没读进去。
一份两百页的规范，后面四分之三在它那儿是空白的。我让它标页码，它就照着前面的内容往下编。
这不是它不老实，是我给的东西超过了它一次能吃下的量。
我的做法改成了三步
第一步，先让它读目录。
不要一上来就问细节。先问："这份文件的章节结构是什么，每章大致讲什么，从第几页到第几页。"
目录页本身只有一两页，肯定在窗口里。它会给你一张章节地图，还带着页码范围。
第二步，按章节切。
拿到地图之后，我只挑真正相关的两三章，用 PDF 阅读器把那几页单独导出来，做成小文件再上传。每个文件控制在三四十页以内，稳稳落在窗口里。
这一步听起来麻烦，但两百页里跟我有关的其实就三十多页。切出来反而省事。
第三步，每个结论都要页码，然后自己核。
问的时候把要求写死："回答里必须标明这一条出自第几页。"拿到答案之后，翻回去对一遍。
这一步最费时间，但也最值。有一次它给的条款确实存在，只是把"应当"写成了"可以"——两个字之差，意思完全反了。
免费版还有一个限制，得提前知道
Gemini 免费账号不支持上传 Excel、CSV 和代码文件，这是付费版才有的。
我一开始想偷懒，把规范里的附表导成 Excel 一起丢进去，试了几次都不行。后来改成把表格内容复制成纯文本，贴在对话里问，能用，但表格的对应关系会乱。
所以涉及表格的部分，还是自己看更靠谱。
问法比工具重要
同样的文件，问法不一样，结果差很远。
我一开始问的是"帮我总结这份文档"，它给我一段两百字的概述，读完我还是不知道该看哪几页。这种问法等于把判断权全交出去了。
后来改成三句话：
第一句交代身份和目的——"我是做运营的，需要找出跟用户数据留存期限有关的要求，用来核对我们的流程。"
第二句限定范围——"只看第三章到第五章，其他章节不用管。"
第三句约束输出格式——"用表格列出来，三列：要求内容、出自第几页、属于强制还是建议。"
加了第三句之后，答案的可用性一下子高了。因为它被迫把"强制"和"建议"分开，这两个词在规范里完全是两回事，混在一起会出事。
它给的答案，别直接抄
有个习惯是踩坑之后养成的：凡是 AI 从文档里提取的内容，只要要往外发，我都要翻回原页对一遍。
不是为了查它有没有编，而是为了看它有没有"翻译"过头。
那次"应当"被写成"可以"就是例子。还有一次它把一段带前提条件的条款，掐掉了前提只留了结论。单看那句话没错，放回原文里意思就偏了。
对一遍多花十分钟，比事后被同事问住强。
免费额度够不够用
按这种用法，一天问十几次，没碰到过额度不够。
真正吃额度的是"整份文件硬塞"那种问法——传一份两百页的文件，它会占用一大块上下文，问两三个问题就到顶了。切成小文件之后反而省。
还有一点要注意的是，传上去的文件默认会被用来改进模型。工作里的东西，尤其是带名字、带数据的，我都是删干净再传。
顺手提一句另一个用法
如果是"一堆资料要一起看"，而不是"一份长文件要看透"，Google 有个 NotebookLM 更合适。
免费账号每个笔记本能放 50 个来源，单个来源最大 50 万词。把几份报告、几个网页链接丢进去，它会基于这些内容回答，而且每条回答都带引用出处，点一下就能跳回原文那一句。
这个的引用比聊天框里让 AI"标页码"可靠得多，因为它本来就是在原文里找。
不过它不支持单独上传 Excel、PPT 和图片，只认文本类的东西。我第一次把 PPT 拖进去，一直转圈，后来才知道它压根不接。
我现在怎么用
两百页以上的文件，一律先要目录，再切章节。
切不动的、结构很乱的扫描件，就不让 AI 硬读了，直接自己翻——扫描件的文字识别本身就容易出错，再让 AI 在错字上做判断，风险太大。
顺带说个私心：现在用 AI 读文件，比去年顺手太多了。以前得复制粘贴、还老断，现在直接拖进去就行。免费额度对普通人来说，基本够用。
（想省事的，后台回复【清单】拿走，我整理过一份能直接用的工具网站清单，都是打开就能用的。）
写到这儿想问问
你们会把公司文件直接拖给 AI 读吗？
我一直有点犹豫。规范、报告这类公开资料还好，但只要是带客户名字或者没公开的数据，我都是先删掉再传。想听听大家公司的边界在哪，是明文禁止，还是看你自己把握。
本文由公众号原创 · 转载请注明出处