让AI读PDF,别漏掉表格和图片

CP炼丹心得 · AI工作观察

假设你把一份业务月报交给 AI，让它总结“收入变化”。报告里有曲线、表格和脚注：一张表按万元计，另一张按元计，脚注又说明某区域没有纳入比较。回答即使读起来顺畅，也可能把这些条件拼错。

读文件时，先确认输入链路保留了什么，再检查结论对应哪一页。文件成功上传，只说明传输完成；内容是否进入模型、表格是否读准，仍有各自的检查步骤。

观察 / 01

先确认它看到了什么

以 OpenAI Responses API 的文件输入为例，官方文档说明：支持视觉的模型处理 PDF 时，会把提取的文字和页面图像一起送入上下文；同一入口处理非 PDF 文档时，提取路径有所不同，嵌入图表未必会被保留。^[1]

这条说明有明确的产品、接口和模型条件，不能推广成“所有聊天工具都能完整看懂文件”。使用具体产品前，查它的文件支持说明；若图表是判断依据，先确认页面图像或相关图片确实被处理。

观察 / 02

把问题缩到页码和单元格

与其只问“总结这份报告”，可以先问：“请找出收入变化所在页，列出表名、统计期间、单位和对应原文；缺少的项目标成未找到。”这是建议的核对流程，不能保证任何模型都按要求给出正确答案。

拿到定位后，再把需要的行列写清。例如比较的是同一地区、同一业务范围的两个月，还是累计值与单月值？要求先抄出参与比较的单元格，再做解释，能让错误更早暴露，也方便你回到文件复查。

图 01｜读到文字后，还要逐层核对版面信息。

观察 / 03

表头和脚注，值得单独看

OpenAI 的视觉文档列出了小字、旋转图像和部分图表样式的识别限制；模型也可能生成错误描述。^[2] 因此，图里文字细小、折线颜色相近、虚实线区分关键时，需要单独放大或提供更清楚的页面。

检查时按固定顺序走：标题说明统计对象，表头说明行列含义，单位说明量级，脚注说明例外。对合并单元格、跨页表和图片里的标注尤其谨慎。仍看不清的地方保留疑问，不让一句完整的总结掩盖输入的不完整。

观察 / 04

把计算和解释分开复核

当结论依赖加总、比例或增减幅度时，先把原始数值、单位和公式单独列出来。用表格工具或计算器重新计算，再判断文字解释是否成立。这个步骤是编辑建议；它解决的是核对过程，不会自动修复读错的数据。

最后留一条可回溯的记录：“结论—页码—表格位置—原始数值—限定条件”。如果文件后来换了版本，记录也要跟着更新。无法确认的页码、模糊的图例或缺失的附注，应明确标记，暂时退出确定结论。也可以保留关键页的截图，与提取结果并排查看；截图用于核对具体位置，不能代替整份文件的背景条件。交给同事时，把未确认项目与已经核对的项目分别写清，减少后续误用。

图 02｜从原页到结论，留下可以返回的路径。

先核对一页，再扩大到整份文件

我的判断是，AI 读报告最有价值的起点，是帮助定位和整理证据。需要据此继续办事时，证据链还得保留下来。

下一次上传 PDF，先挑一张关键表，只核对页码、行列、单位和脚注。把这一页弄清楚，再扩大到整份文件。

资料来源

[1] OpenAI｜File inputs — OpenAI API查阅于2026-10-21https://developers.openai.com/api/docs/guides/file-inputs

[2] OpenAI｜Images and vision — Limitations查阅于2026-10-21https://developers.openai.com/api/docs/guides/images-vision

封面为AI生成，正文图解为原创示意。