PDF 里明明有图,AI 为什么说没看到?

一份公开报告，正文介绍市场变化，旁边的图给出了不同年份的对比。你想借助 AI 看懂这张图，它却回答：“材料中没有提供相关数据。”

图就在那儿。再强调一次“请仔细阅读附件”，问题也未必能解决。

这里先举的是一种可能遇到的情形，并非本号实测。遇到它时，值得排查的第一件事是：你眼前这一页，和 AI 实际拿到的内容，可能并不一样。

同一个 PDF，材料可能不同

在阅读器里，文字、照片和图表都铺在同一页上，很容易让人觉得，上传文件就是把整页交了出去。

但从文件处理的角度看，一段可以直接提取的文字，和一张带着文字的图片，是两种输入。

有的 PDF 从文档软件直接导出，保留了文字；有的是扫描页，文字只是图像里的笔画；还有的扫描件做过文字识别，在图像之外附了一层可以搜索、复制的文字。PDF 工具 pypdf 的技术文档区分了这些情况，也提醒：识别出来的文字可能有错。

所以，在阅读器里试着选中并复制一小段，可以帮助你了解文件，但不能据此断定 AI 已经读到了什么。能复制正文，也不代表旁边图表的信息同样能被提取。

比如，提取结果里留下了“图三：各年度变化”，却没有曲线、图例和坐标。这时，模型可能拿到了图的名字，却没拿到足以解释它的内容。

反过来，扫描页不能直接复制文字，也不等于 AI 一定不能读。关键还要看工具如何处理它。

AI 生成示意图，非产品实测。

“支持上传”和“能看图表”，中间还有一步

文件进入工具以后，需要经过处理，再交给模型。只取出文字，或者把页面图像一并交过去，会带来不同的信息范围。

这不是说现在的 AI 都看不了 PDF 图表。

Anthropic 的PDF 接口文档明确说明，其处理过程会把每页转成图像，同时提取文字，一起供模型分析。Google 的Gemini 接口文档也说明，PDF 可以通过视觉方式处理图像、图表和表格。

这些文档证明的是相应接口具备怎样的处理方式。它们不能替你证明，手边某个聊天产品、知识库或第三方应用，此刻也按同样方式处理了附件。即使使用相同模型，应用交给它的材料仍可能不同。

因此，“我支持 PDF”只回答了文件能不能进入这一类流程。对于那张图，你还需要知道：它有没有进入本次可读取的内容。

不过，AI 没答出来，也不能直接判成“图没传进去”。页码没对齐、页面太模糊、问题没有指向目标图，或者模型理解出了错，都可能影响回答。先缩小问题，才有机会区分这些情况。

把“总结全文”暂时换成“找到这一张图”

如果目的就是看懂报告里的某张图，不妨从那一页开始，而不是先要一份全文摘要。

先确认页码。封面和目录会让阅读器显示的页数与正文印刷页码不同；给 AI 时，可以同时写上阅读器页码、印刷页码和图题。

接着，问一个不需要行业知识就能核对的问题。例如：

请定位这张图，写出图题、横轴和纵轴分别表示什么，以及图例中的类别。无法读取的部分直接说明，暂时不要解释趋势。

这一步要看的是回答能否对应原图，而不是它有没有说“已阅读”。图题可能出现在正文中，仅仅复述图题还不足以说明它看到了图；坐标和图例更有助于判断。

若回答仍对不上，可以在工具支持图片输入、且材料允许上传的前提下，把相关页面单独提供。保留图题、坐标、图例和脚注，别只截中间那条曲线。

如果单页图像能读，而整份 PDF 里定位不到，它提示你回头检查文档的处理方式或定位过程；这仍不是对某个技术原因的完整证明。

如果单页也读不清，就换清晰版本，或者只使用能确认的信息。不断要求它“再认真一点”，不会凭空补回模糊的小字。

输入补齐以后，再决定让它做什么

看到了图，还不等于准确读出了每个数。

只想了解图在比较什么，可以请 AI 解释坐标、分组和变化方向；要把数字填进另一张表，最好寻找报告附带的数据表或其他可核对的数据来源。曲线没有标注精确数值时，就不要把目测位置包装成精确数据。

也不必为每份 PDF 都走一遍复杂流程。主要是连续文字、任务只是找某个定义时，先做文字检索就很合适。任务依赖图表，才需要确认视觉内容；扫描页文字缺失，再考虑文字识别或清晰页面输入。选择处理方式，应当跟着问题走。

对读公开报告的人来说，这会改变一个很小的起手动作：不急着把提示词写得更长，先确认解答所需的那部分材料有没有到位。

下次上传带图的 PDF，可以先挑一张与你的问题有关的图，请 AI 说清它画了什么。那份全文总结，等这一页接上以后再要。