让 AI 读 200 页 PDF 实测:模板与坑

前阵子手里接过一份 200 页的技术文档，三天内要从里面挑出和我们方案有冲突的条款，整理成一张对照表给评审用。放在以前，这种活就是两个人翻两天书、贴两三百张便签。这次我全程用 AI 处理，实际耗时半天，其中真正等机器的时间不超过二十分钟。

先说结论：AI 读长 PDF 这件事是成立的，但成败不在模型，在你怎么喂、怎么问。大部分人用不好，不是因为模型读不懂，而是把一份 200 页的文件整个丢进去，问一句「这里面讲了什么」，然后拿到一份正确但没用的摘要。

这篇把我跑通的流程、三个一直在用的提问模板、两个踩过的坑和一笔成本账写全。每个模板都可以直接抄。

一、先预处理，再谈阅读

AI 读 PDF 有个前提容易被忽略：它读到的是文本，不是你屏幕上看到的版面。

所以第一步不是打开对话框，是检查文件本身：

1. 确认是文本型 PDF。用阅读器打开，能用鼠标选中一段文字的，就是文本型，直接用；选不中的是扫描件（图片型），必须先过一遍 OCR，否则 AI 拿到的是空文本，接下来全是它自己编的。

2. 保留页码信息。切块或者分段喂给 AI 的时候，在每段开头标上「第 X 页」。没有页码，后面所有「引用原文」都无从核对。

分块的大小也有讲究。我的经验是按文件的天然结构切——章节、附录、条款编号，一份结构正常的文档每块大概十到二十页。切太碎会丢上下文，比如第 5 章引用了第 2 章的定义，切碎了它就接不上；切太粗又会回到后面说的坑二。没有目录结构的旧文档，先让 AI 把每十页的小标题列出来，你看着这个「伪目录」决定从哪块下手，比一页页翻快得多。

这一步花不了十分钟，但决定了后面整个流程可不可信。

二、三个提问模板（建议截图保存）

用的时候注意顺序：先抽取，后对照。我一般先用抽取式把文件里几十条硬指标拉成一张表，人工过一遍确认没漏，再拿这张表去做对照。顺序反了，对照的输入就是没验证过的，错起来连错在哪一环都查不清。

拿最近那次实测举例：抽取式提问一次跑完，它给出了一张五十多行的指标表，每行带页码；我抽查了五处，两处页码有偏差但内容对，一处把跨页的两个指标拼成了一行——这三处问题全是靠页码引用找出来的。如果没有页码，这三处错误就会原样进对照表，最后在评审会上被人当场指出来，那才是真的难看。

三、两个坑，都花过我的时间

坑一：扫描件直接喂。

这是最贵的一个坑。图片型 PDF 抽不出文本，AI 不会报错，它会根据上下文自己补，输出看起来完整流畅，实际一半是编的。第一次遇到的时候我对着结果找了一下午错处，最后才发现源头是文件根本没被读到。判断办法很简单：让它复述第 100 页的原文，复述不出来就是没读到。

坑二：一次问太大。

200 页一次性丢进去问大问题，超过模型上下文的内容会被静默截断——它不会告诉你它只读了一半，回答照样有模有样。所以别问「这份文件说了什么」，要按章节或者按主题分块问，每块用上面的模板。需要全局结论的时候，让它先列目录和每章要点，你挑重点的章节再往深问。

两个坑指向同一个原则：AI 读长文件，你要做的是给它可核对的路径（页码、分块），而不是替它省事。

四、成本账（按行业公开定价口径，量级估算）

三类方案怎么选，核心就看一条：文件能不能出门。能出门就按量付费最省事；不能出门才值得花半天搭本地方案，为省几块钱装机不划算。

另外补一句反向的账：也不是所有长文档都值得这么处理。十页以内的小文件，自己读一遍可能比写提问、核对输出更快；真正值得上流程的是「页数上百、要反复查、错了有后果」这类文件。把流程用在小文件上，省下的十分钟还不够你核对输出的五分钟，账要两头算。

五、它的边界（这部分比优点重要）

跨页表格会合并错。指标表跨两页时，它偶尔把两行拼成一行，页码引用正好能用来自查。

数字密集段落抽查必做。我现在的习惯是每份文件随机抽三处，回原文核对页码和数字，目前没发现全对的情况，也没发现全错的情况——这个比例本身就是不能用「完全信任」的证据。

有法律效力或要签名的条款，永远以原文为准。AI 的输出用来定位和提速，不用来定稿。

总结成三句话：预处理决定可信度，模板决定效率，抽查决定你敢不敢用它的结论。

我的整体判断：这类活 AI 能接下大半，半天变二十分钟不是夸张，但前提是你把页码和分块这些「笨功夫」做在前面。工具越强，越考验用的人会不会出题。

你平时让 AI 读长文档，是在哪一步翻车的？评论区聊聊。

我把自己跑通过的 AI 用法整理成了一份《AI 提效工具清单》文件包（含工具清单、提问模板、检查表）。关注本号，回复「清单」可以直接领。

【此处插入加微二维码图片——发表前替换】

一个工程师的 AI 实测笔记。只写自己跑通过的，坑也照实写。