AI 是怎样读取文件的?上传 PDF、Word 和表格前,先做这 5 项准备

你把一份 36 页的供应商方案交给 AI，请它比较交付周期、费用和违约责任。几秒后，一份条理清楚的摘要出现了。可当你翻到原文，却发现报价藏在图片表格里，违约条款在附件，AI 还把“工作日”写成了“自然日”。

文件明明上传成功了，为什么还会读错？

因为“文件进入对话框”只是传输完成，不等于 AI 已经用正确方式看见了全部内容。今天最重要的结论是：AI 读取文件不是一个统一动作。面对可提取文字、扫描页面和结构化表格，系统可能走完全不同的处理路径；文件格式、页面结构与任务目标，会共同决定它最终看见什么。

一、同一个“上传”，背后可能是三种读取

第一种是原生文本提取。Word、TXT，以及由办公软件直接导出的文字型 PDF，文件内部通常保存着可以复制、搜索的文字。系统可以先把这些文字抽出来，再放进当前上下文，或者切成若干片段，在提问时检索相关部分。你可以把它理解成：不是让 AI 对着每一页拍照阅读，而是先把文件里的“电子文字层”取出来。

这条路速度快，也适合查找某个词、提取标题和概括段落，但它可能损失一部分页面关系。双栏排版的先后顺序、页眉与正文的区别、脚注对应哪句话、一个文本框靠近哪张图，都不一定能仅靠抽出的文字完整保留。于是，文字可能都在，关系却乱了。

第二种是页面渲染与视觉文档理解。扫描合同、拍照生成的 PDF，常常只有一页页图像，并没有可搜索的文字层。这时系统需要先看页面，或通过 OCR——也就是“把图像里的字识别成可处理文字”——再继续理解。更完整的文档处理还会辨认标题、段落、表格、勾选框、页眉页脚和它们在页面上的位置。

这条路能利用版式和图像信息，却会受到清晰度、旋转、阴影、小字号、印章遮挡与复杂表格影响。OCR 识别出了一个数字，也不代表这个数字一定正确；“8”和“3”、“1”和“7”、小数点与千分位，都值得回到原页核对。

第三种是结构化数据分析。Excel、CSV 这类文件不只是“很多字”，还包含行、列、工作表、数值类型和公式结果。适合分析表格的 AI 产品，往往会把文件交给数据分析工具或代码环境，计算合计、筛选异常、生成图表，而不是像阅读文章那样从头到尾概括。

因此，一个文件里虽然写满客户备注，如果它以表格形式上传，系统可能先按列处理；合并单元格、隐藏行、筛选状态、空白列、单位不统一和跨工作表引用，都可能改变分析结果。表格能打开，不等于字段已经被正确理解。

具体产品采用哪条路径，还会受到版本、套餐、上传位置和功能设置影响。以 OpenAI 当前帮助文档为例，文本文件、电子表格和图片会触发不同处理方式；某些场景下的 PDF 会同时使用数字文字提取和视觉理解，而其他文档中的内嵌图片未必会被处理。这不是要求你记住某个产品的规则，而是提醒你：先确认工具怎样处理这种文件，再决定怎样上传。

 二、上传前先做“五项准备”

普通人不需要研究文件解析技术，但可以在上传前做一张“文件阅读准备单”。它沿用上一篇“截图问题包”的思路：把可见证据、缺失背景、你的判断和后续验证分开，不让 AI 靠猜测补齐空白。

第一项：写清任务，不要只说“帮我看看”。你是要提取事实、比较版本、检查遗漏，还是起草一份摘要？同一份合同，寻找付款节点与评价措辞风险需要的读取范围完全不同。先写清最终要交付给谁、解决什么问题、输出成什么样。

第二项：判断文件属于哪一类。 打开 PDF，试着选择并复制一小段正文；能正常复制，通常说明存在文字层，不能复制则可能是扫描件。Word 要留意关键信息是否藏在图片、批注、页眉页脚或修订记录中。表格则先查看有几个工作表、哪些行列被隐藏、金额和日期使用什么单位。

第三项：缩小范围并整理入口。 不必为了问第 12 页的付款条款上传 200 页整本手册。可以只提供相关章节，同时保留页码；扫描件先校正方向、提高可读性，必要时做 OCR；带密码或权限限制的文件，要先确认你是否有权解锁和交给第三方工具。不要为了省一步而绕过组织规定。

第四项：给出结构锚点。 告诉 AI 重点页码、章节名、表格名和关键字段。例如：“主合同第 8—12 页是付款与验收，附件二是报价表，金额单位为万元。”这相当于给阅读者一张目录和路标，能减少在长文件里找错位置。

第五项：把核验要求写进交付格式。要求每个关键结论附原文位置；看不清、找不到或存在冲突时，单独列为“待确认”，不要补写。涉及表格计算时，还要让它说明使用了哪些工作表、字段、筛选条件和单位。

下面这份模板可以直接复制。它不是重新教一遍 Prompt，而是在已有“目标—材料—边界—交付样式”基础上，增加文件读取需要的入口信息：

> 文件阅读任务单

> 目标：我要用这份文件完成______。  

> 文件情况：格式为______；共______页/个工作表；可复制文字/扫描件/混合文件。  

> 重点范围：请优先阅读第______页、章节______、工作表______、字段______。  

> 处理要求：提取______；比较______；不要推测未写明的信息。  

> 交付格式：按“结论—原文位置—依据摘要—待确认项”输出。  

> 核验要求：数字保留原单位；表格说明筛选条件；无法辨认处标记“无法确认”。

仍以 36 页供应商方案为例。你的目标不是让 AI 写一份泛泛摘要，而是为下周评审会准备比较材料。你可以注明：“重点阅读第 6-18 页及附件报价表；提取交付周期、总价、付款节点、验收条件和违约责任；每项附页码，图片表格看不清时不要猜；最后列出需要供应商澄清的问题。”

AI 的理想输出不应是一篇漂亮文章，而应是一份可回查的清单：交付周期 90 个工作日（第 7 页）；首付款 30%（第 11 页）；报价表中的税率无法稳定辨认（附件第 2 页，待人工确认）；正文与附件对延期责任的表述可能不一致（第 15 页与附件第 4 页）。这样的结果，才真正帮助你推进工作。

 三、结果能不能用，不看“像不像”，要看“回不回得去”

判断文件阅读结果，最简单的办法不是看摘要是否流畅，而是问四个问题。

第一，范围对不对：它是否读到了你指定的页码、附件和工作表？如果回答避开了表格、图片或后半部分，不要先追问结论，先确认系统究竟读取了哪些内容。

第二，位置找得到吗：随机抽查三条关键结论，能否在原文页码、章节或单元格中找到？如果引用位置不存在、页码错位，或只给“文件中提到”这样的模糊说法，结果不能直接使用。

第三，结构有没有被破坏：表头和数据是否错列，脚注是否被当成正文，正文与附件是否混在一起？对于金额、日期、比例和责任主体，要连同上下文一起核对，不能只核一个孤立数字。

第四，计算能不能复现：如果 AI 算出了总额、增长率或异常项，让它写明使用的字段、单位、筛选条件和计算过程。你不一定要亲自写公式，但应该能用原表重新得到同一结果。

今天留下的“文件阅读准备单”，会成为下一步查资料的入口。下一篇我们继续回答：普通人怎样判断AI给出的答案是否可用。

小作业：找一份不含敏感信息的 5-10 页工作文档，用“文件阅读任务单”让 AI 提取 5 条事实并标注原文位置；随机回查其中 3 条，记录一次漏读、错位或无法确认的地方。