01先定义阅读任务，不要直接要求总结

长文档处理最常见的起手式是“帮我总结一下”，但总结并不只有一种。

准备汇报需要结论和行动项，比较合同需要差异和责任，学习材料则需要概念关系和例子。如果没有说明用途，AI 往往只压缩每一段的文字，保留了大量一般信息，却遗漏真正影响决策的细节。

开始前写下三到五个需要回答的问题。例如，这份方案要求谁在什么时间交付什么，哪些条件还没有确认，与上一版有什么变化。把问题作为阅读目标，再决定输出采用摘要、表格还是待办清单。先规定结果形式，可以减少完成后重新整理的时间。

02整理文件清单和版本关系

一次上传多份材料之前，先为文件起清楚的名字，并记录版本、日期和用途。

会议纪要、正式方案和草案可能出现不同说法，不能让 AI 自行猜测谁优先。你可以明确规定以哪个版本为准，其他文件仅用于补充背景，遇到冲突时单独列出。

检查文件是否能够正常读取。扫描件可能需要文字识别，表格可能存在跨页表头，图片中的文字也可能未进入提取结果。先挑选一页有数字和特殊排版的内容，请工具复述或提取，再与原文对照。若样本已经有明显漏字，先处理输入质量，比继续增加指令更有效。

03按内容结构拆分并保留定位

材料过长时，按章节、主题或业务对象拆分，尽量不要在一句话或一张表格中间截断。

每一段都保留文档名称、章节标题和页码范围。页码要区分文件查看器中的页序与正文印刷页码，尤其是带封面、目录和附录的文件，二者经常并不相同。

拆分后给各段使用相同的提取模板，例如目标、关键事实、数字、限制条件和未解决问题。这样后续合并才有一致口径。对于跨章节定义的术语，可以额外维护一个词汇表，避免同一个缩写在不同段落被解释成不同含义。上下文补充应当简短而明确。

04先提取，再综合，最后提出建议

把工作分成几个阶段通常更可靠。

第一阶段只提取原文明确写出的信息，保留定位；第二阶段比较不同章节之间的关系和冲突；第三阶段才根据你的任务提出建议。让事实、推断和建议分开呈现，可以看出某项结论究竟来自材料，还是模型自己的判断。

例如整理项目计划时，先输出任务、负责人、日期、依赖项和原文位置，再找出日期重叠或责任不清的地方。不要让模型为了让表格整齐而补写没有出现的负责人。空白可以标为“材料未说明”，这往往正是后续会议需要解决的事项。

05重点复核数字、条件和否定表达

检查结果时，优先回到原文核对金额、日期、百分比、责任主体和例外条件。

“可以”“必须”“原则上”“除非”等词会改变含义，压缩摘要时尤其容易丢失。对于一项看似明确的结论，还要确认它是否只适用于某个阶段或某一类对象。

不要只抽查最顺眼的段落。可以从结果表随机挑选几行，另挑所有重要金额和期限，逐一核对出处。若发现系统性问题，例如整份文件的单位都被误读，就应修正提取规则并重新处理相关部分。孤立改正一格，可能留下同类型的其他错误。

06交付能够继续使用的结果

最终摘要应包含核心结论、需要行动的事项和仍待确认的问题。

保留必要的原文定位，让接手的人能够快速复查。若要做表格，统一日期和单位；若要做汇报，区分已确定事实与建议。不要把每个章节的摘要机械拼接成另一篇同样难读的长文。

文档更新后，最好先比较变更范围，再针对变化重新提取，而不是每次从头生成一份完全不同的总结。保存原始文件、提取模板和最后确认的版本，有助于追踪为什么得出某项结论。涉及敏感材料时，应先确认工具和上传方式符合所在团队的资料处理要求。