AI 工具实测:资料塞得越全,AI 答得越烂

上个月我要啃一份 300 页的产品资料，二十一万个字。

我干的第一件事，是把整个 PDF 拖进对话框，敲了一句："通读一下，帮我总结重点。"

它回得很快，条理还挺清晰，我甚至有点爽。直到我随机抽了 24 个细节问题去考它——答对了 14 个，准确率 58%。

那一刻我才反应过来：我一直以为"给得越全，它懂得越多"，这可能是这一年我踩过最贵的一个坑。

以前：资料越多越踏实，是我最大的错觉

很长一段时间，我的习惯是"宁可多给，不能漏给"。

20 个文件一起丢、整本手册一起丢、连聊天记录都一起丢。理由很朴素：信息都摆在这儿了，你总不会答错吧？

这个思路在搜索时代是对的——你搜得全，就能翻到那一页。但大模型不是翻页，它是在猜下一个字。你给它的不是"资料库"，是一锅越煮越糊的汤。

反转：给得越少，它反而越准

我做了个笨实验：同样那 24 道题，改成只喂跟题目相关的 40 页，大约 2.8 万字。

答对 21 道，准确率 88%。耗时从 3 分半掉到 50 秒。

更扎心的是第二个发现。我把同一句关键结论，分别放在长文档的开头、中间、结尾三个位置去问。

结果：放开头命中率 92%，放中间只剩 31%，放结尾 78%。

也就是说——那些被你塞在文档中段的干货，它大概率"看过但没看进去"。这就是业内说的"中间迷失"，不是玄学，是我一段段数出来的。

我现在只喂它三样东西，步骤是固定的

踩完坑以后，我给自己定了一套死流程，四步，雷打不动：

第一步：我自己先写 5 行"结论页"。我要什么、背景是什么、判断标准是什么、不要什么、输出长什么样。这 5 行比那 300 页资料管用得多。

第二步：原文最多给 3 份，每份不超过 3000 字。砍不掉，说明我自己都没想清楚要问什么。

第三步：最关键那句话，开头写一遍，结尾再写一遍。中间那段它是真会丢。

第四步：让它先复述，再回答。就一句："先用 3 句话说说你看到了什么，再回答。"它复述错了你一眼就能抓出来，比等它写 2000 字再返工省事太多。

这套流程走完，我的返工率从原来的一半，掉到不到一成。

三个坑，我全踩过，你别再踩

坑一：把"长上下文"当成"全记得"。能塞进去，不等于能想起来。窗口是 20 万字，注意力不是。

坑二：让它"通读后总结"。它总结的是"它觉得重要的"，不是"你要的"。你得先说清你要什么，它才知道该看哪儿。

坑三：一次丢 20 个文件。它为了赶工就开始编。我统计过，一次给 20 份时编造细节的比例明显上升；给 3 份以内，几乎不编。

写在最后

这一年我最大的变化，不是学会了什么高级提示词，而是学会了一件事：喂给 AI 之前，先逼自己想清楚。

你砍资料的过程，其实就是在逼自己弄明白——我到底要问什么。AI 没让我变懒，它让我没法再糊弄自己。

给你一条能直接带走的判断线：只要它回答里出现"根据文档""如上所述"，你却找不到原句——立刻停，缩小范围重新问。

你一次最多给 AI 塞过多少资料？几百字，还是整本手册？评论区报个数，我想看看谁比我更狠。