夜雨聆风学习资料网

ARTICLE · 1367005

AI办公|十几份 PDF,一次读完

AI办公|十几份 PDF,一次读完

AI办公 · 第 07 个

十几份 PDF,一次读完

读一份 PDF 谁都会。难的是十几份一起看——同一个指标,十二份文件里有十二种写法。

去年投一个标,截止前一天晚上十点。

十二份技术规范,来自十二个不同的设计院。我要做一件事:找出它们在"混凝土强度等级"这一项上的差异。

听起来很简单。Ctrl+F,搜"强度"。

第一份搜到了,写的是"混凝土强度等级 C30"。第二份没有。我以为是这份没写,翻了两页才发现,它写的是"砼强度等级"。

第三份写"28d 抗压强度"。第四份干脆只有一张表,表头是"fk"。

十二份文件,同一个东西,叫法至少有五种。我挨个搜了五遍,还是漏了两份。

漏掉的那两份,是因为它们根本没有"强度"这两个字——直接就是一张参数表,C30 写在第四列的第二行。

那天翻到凌晨一点半。第二天开标,我在现场才发现,其中一份写的是 C25,比其他的低一个等级。报价是按 C30 算的。

那一次没中。不全是这个原因,但这个数确实被评委问到了。

···

难的不是"读",是"字段不统一"

后来我复盘,那晚的问题不在读得慢。十二份文件,一份四十页,加起来四百多页,认真读确实要一晚上。

问题是我在用"按文件读"的方式做一件"按字段比"的事。

按文件读,是一份一份翻,每份翻到那一页才想起来"我要找什么";按字段比,是先确定"我要比哪几个字段",再去每份里定位同一处。

前者靠记忆,后者靠清单。记不住,就会漏。

第一步:先别读内容,只列字段

这是我现在完全反过来的做法。不先问"这份说了什么",先问"这些文件的表头和标题,一共出现了哪些说法"。

这一步解决了那个致命的漏洞:你搜不到的东西,往往是因为它用了另一个名字。

可直接复制的指令 · 第一步
只列不读

这 12 份文件都是同一类技术规范。请先不要读正文内容,只做一件事:把每份文件里出现的表头名称、小标题、术语抄出来。

然后合并成一张同义词表,格式:统一字段名 | 各文件里的写法 | 出现在第几份

特别留意这几种情况:缩写(如 fcu,k)、不同叫法(砼/混凝土)、只有表格没有文字标题的项。这三种最容易漏。

最后告诉我:要比较"混凝土强度等级"这一项,我需要在这 12 份文件里分别搜哪几个词?把所有可能的写法列全。

它给我的同义词表有七行。除了我自己想到的那五个,还有"设计强度等级"和"标号"——后者是十几年前的叫法,我以为早没人用了,但那批文件里有一份是旧模板改的。

如果没有这一步,我会漏掉那一份。而漏掉的那一份,往往就是不一样的那一份。

第二步:按字段抽,不按文件读

字段对齐之后,才是抽取。这里有一个必须承认的限制:十几份四十页的 PDF,一次全丢进去,它读不完。

我试过。十二份一起传,它回复得很流畅,但只有前四份有数据,后面的全是"未提及"。它不会告诉你它没读完,它会给你一张看起来很完整的表。

所以分批。一次三到四份,每批只抽同一个字段,结果追加到同一张表里。

可直接复制的指令 · 第二步
分批抽

这次给你的文件只有 3 份。请只抽一个字段:混凝土强度等级。

输出四列:文件名 / 数值 / 原文所在位置(页或章节)/ 原文那句话。

三条要求:1. 找不到就写"未找到",不要从别的段落推测,也不要引用相似但不相同的项2. 数值必须保留原始单位。如果有换算,把原始值和换算值都写出来3. 如果一项里出现多个数值(比如不同部位要求不同),全部列出,不要只取第一个

最后单独说一句:这 3 份文件你都完整读过了吗?有没有哪一页是扫描件、无法提取文字的?

最后那句是我后来加的,因为吃过亏。有一次它给出的数值明显不对,我问它,它才说"其中两份是扫描件,我是根据上下文推断的"。

···

第三步:把表变成差异矩阵

三批抽完,我手上有一张 12 行的表。但 12 行数字并排放着,看不出问题——你要的是"哪几份不一样"。

所以最后一步是让它标异常,而不是让我自己一行行比。

可直接复制的指令 · 第三步
标差异

下面是 12 份文件的抽取结果。请做三件事:

一、按数值分组,告诉我每组有哪几份二、单独列出所有"未找到"的,不要把它们平均掉,也不要算进多数三、指出哪几份的写法和其他不同(不只是数值不同,表述方式不同也算)

不要给建议,不要评价哪份更合理。只陈述差异。

最后回答一个问题:如果我按多数那一组的数值报价,哪几份文件会出问题?

那次的结果是:10 份 C30,1 份 C25,1 份未找到。未找到那份,翻回去看是扫描件。

如果按多数报,那两份都会有麻烦。而那张表里,它们和另外十份长得一模一样。

四个一定会踩的坑

坑 1:一次全丢进去,它只读了前几份

最隐蔽的一个,因为它不报错。表是完整的,只是后面几份的数据是编的或空的。判断方法:抽一份靠后的文件,问它某个具体页码上写了什么。

坑 2:扫描件被当成正文读

OCR 会把 C30 认成 C3O,把 1.5 认成 15。指令里要它标注哪几页是扫描件,那几页你人工核一遍。

坑 3:表格跨页被切断

一份文件里的参数表横跨三页,抽出来的只有第一页。遇到"见下页""续表"字样,要它特别标注。

坑 4:单位不统一被默默换算

MPa、N/mm²、kgf/cm² 是同一类量的不同单位。它会自动换算,但换算系数可能错。要求保留原始值,换算值单独一列。

三条验收,一分钟

1

每份文件都要有"读完了"的确认

不是"处理完成",是逐份说"第 N 份共几页,已读"。没说的就是没读。

2

抽两份去原文核对

一份抽它说"正常"的,一份抽它说"未找到"的。后者经常是它没找到,而不是文件里没有。

3

差异清单里有没有"未找到"

有,就必须人工看完那几份。没有"未找到"反而要警惕——可能是它把空的填成了多数值。

现在同样的活,我一个半小时能做完,其中一小时在核对那几份扫描件。

省下来的不是读的时间,是"不知道该搜什么"的那段时间。而那一小时核对,我一直觉得是该花的——毕竟最后签字的是我,不是它。

回复「PDF」,领三段指令

列字段、分批抽、标差异,三段完整文字都在后台,另附一份跨文件对照表模板。

这是「AI办公」的第 07 个。第一篇到这里正好一周:表格、写材料、会议、对话、群聊、文档。明天歇一天,后天开始第二轮,讲怎么把自己的提示词存成一个库。

转给那个每次投标前都要翻一晚上文件的人。

每天 1 个 AI 办公动作

不讲原理,只给今天上班能直接抄走的那一句

点上方蓝字「AI办公」关注,明天那篇直接推给你

下期:把自己的提示词存成一个库,别再每次重写

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料