你手里有一份 100 页的 PDF。

可能是保险合同，可能是招标文件，也可能是一份你根本不想逐字看完的政策汇编。

你把它拖进 AI，打了一行字：“帮我总结一下重点。”

三十秒后，它给你一份结构整齐、条理清楚的摘要。你松了口气，觉得这活儿干完了。

先别急。

我不是说它一定错。我是说：这类活有 5 个坑，没人提前告诉你。踩中任何一个，你拿到的都不是摘要，是一份“看起来很对的误解”。

我做了 15 年开发，跟文档、格式、数据打过不少交道。这篇不教你怎么挑工具，只讲你在按下“上传”之前，该知道的 5 件事。

先说一句总纲：AI 读 PDF，难的不是“读”，是“读得对”。

把 100 页压成 500 字，它很擅长。难的是：这 500 字里，哪一句是原文说的，哪一句是它自己补的。

下面这 5 件事，都是围绕这一个问题。

01 先确认：这份 PDF 是“有字”，还是“有图”

左边能选中，右边只是一张图——这一步就决定了后面所有结论。

PDF 看起来是一个格式，其实更像一个纸盒子。盒子里装的可能是文字，也可能只是每页拍了一张照片。

前一种，你能选中、能复制、能搜索；后一种，你看着有字，其实那只是一张图——文字层是空的。

区分方法很简单：打开 PDF，Ctrl+A 全选。能选中大段文字，就是文字型；只能选到一片空白，或者干脆框不出来，多半是扫描件。也可以直接搜索一个你确定文中出现的词，搜不到就要警惕。

如果是图片型，得先做 OCR（文字识别），把它变成文字，再交给 AI。

但 OCR 不是万能的。印刷体一般还行；手写、印章、表格线、低分辨率扫描，错误率会明显上升——尤其是数字，小数点错一位，后面全错。

一句话：AI 读不了“照片里的字”。先把它变成字，才谈得上读得对。

02 别一次全喂：100 页会“读头读尾，漏中间”

厚的是同一份文件，拆开之后才问得清。

模型一次能处理的长度有上限。这个上限各家不一样，也会变，你不用记具体数字，只要知道：它一次看不完 100 页。

看不完怎么办？两种处理：截断，或者切块。

截断就是后面的内容它根本没看到。切块是把文档切成很多段，按你的问题去检索最相关的几段——这就像你只翻了书里几个章节，段落之间的关系、前后文的限定条件，很容易丢。

实践中，最容易被漏掉的是中间。开头有目录、有摘要，结尾有结论，这两头它抓得最准；真正藏在中间的那些条件、例外、适用前提，反而最容易消失。

比较稳的做法是四步：

先让它读目录，把章节列出来。这一步很便宜，也最能暴露它到底读没读到。

一次只给它 10 到 20 页，或者一次一章。

一次只问一个问题。别把“总结重点、对比差异、给建议”塞进同一句话。

真要跨章节对比，先让它逐章做小摘要，再拿摘要做对比，而不是让它一口气读全本。

一句话：不是“喂整本”，是“按章节查”。

03 表格和多栏排版，是提取的重灾区

PDF 里的表格，没有真正的“行列结构”，只有一堆文字和它们的位置坐标。

提取的时候，程序是按阅读顺序把文字拼起来的。于是常见这几种错：

数字串行：这一行的金额，跑到下一行去了；

列错位：数量列的数字，被读成金额列；

合并单元格丢失：本来跨三行的类别，只剩第一行有；

双栏排版被拼成一句：左边一栏的最后一行，接上了右边一栏的第一行。

图表更麻烦。柱状图多高、折线在哪拐弯，这些信息在文字层里根本不存在。视觉模型能“看”图，但让它读具体数值，可靠性要打个问号。

所以：

表格别让它从 PDF 里“读”，单独截图，或者从原始 Excel 导出；

关键数字，一律回原表核对；

图表只让它描述趋势，具体数值自己看。

一句话：文字能读，表格要盯，图表别指望。

04 它会非常自信地编页码、编条款

它给的页码像真的，但真的假的，只能回原文里找。

这是 5 条里最危险的一条。

模型并不“知道”第几页。页码是它根据上下文生成出来的，而且格式往往特别像真的：“第 37 页第 2 款”“详见附件三第 4 条”。

在合同、法规、政策、论文这类材料里，编错一条的代价，可能是钱，是合规，是一个站不住的结论。

我办失业金那回，北京、长春、哈尔滨三地的政策文件加起来几十页，光是“哪一条适用于我”就够绕。这种活 AI 能帮上忙，但它给出的“第几条”，我一定回原文核——因为各地口径本来就不一样。

可以这么做：

要求它每条结论后面附“原文原句 + 页码或章节标题”，缺一个都不算；

明确告诉它：“找不到原文就写找不到，不要推测。”这句话很管用；

自己抽 3 条，用 PDF 搜索原文，逐字对一遍。

一句话：没有原文出处的结论，不算结论。

05 上传之前，先问一句：这份文件能不能“出门”

上传，意味着文件离开了你的电脑，进了第三方服务器。

它会不会被留存、留多久、会不会用于改进模型，各家政策不一样，而且会变。你签过的用户协议，未必是你以为的那份。

先看看手里的文件属于哪一类：

身份证、护照、银行卡、户口本；

体检报告、病历、检查单；

工资单、劳动合同、个税材料；

客户名单、供应商报价、未公开的财报；

源代码、投标文件、公司内部制度。

这些不只是“隐私”问题，还有“义务”问题：公司文件可能签过保密协议，个人信息处理也有法律要求。传出去容易，收回来难。

比较稳的做法：

先分级：这份文件能不能公开？不能，就别直接传；

必须用，就脱敏：删姓名、证件号、金额、联系方式；

只截相关的那几页，别整本上传；

用公司允许的工具，或者有企业版、本地部署方案的；

拿不准的时候，宁可不传。

一句话：先想“这份文件泄露了会怎样”，再决定传不传。

06 把这 5 件事排成一个顺序

这 5 条不是并列的，是有先后的。顺序反了，后面的功夫全白费。

第 1 步，看文字层。能选中吗？不能，先 OCR。

第 2 步，看页数。超过 20 页就拆：先目录，再分章。

第 3 步，看结构。有表格、图表吗？单独处理，关键数字回原表。

第 4 步，看用途。要引用、要签字、要担责吗？每条要原文出处，抽查 3 条。

第 5 步，看敏感级。能不能公开？不能就脱敏、截页，或者换工具。

很多人是一上来就问“帮我总结”。问题在于，第 1 步就没过，后面的总结再漂亮，也是建在沙子上。

写在最后

回到开头那份 100 页的 PDF。

AI 能不能帮上忙？能。它能把“找重点”从三小时压到十分钟，这一点不用怀疑。

但它给你的是“候选答案”，不是“标准答案”。最后那一步——回到原文，确认这句话真的在那一页——只能你来。

这也是这个号一直在说的事：AI 可以替你干得快，不能替你担责任。

四篇写下来，地基差不多打好了：为什么做这个号、先想清楚让 AI 做什么、哪些用法值得留、怎么把一份长文件读对。

下一篇，我想换个方向：不讲“该怎么用”，讲“我踩过的坑”。

有用，就留下；没用，就直说。

快，是工具给的；对不对，是你担的。