AI 总结 PDF 和长文档：怎么不漏重点

发布于 2026-11-09 · 樱桃茶编辑部

用 AI 总结 PDF，几十秒就能拿到一份像样的摘要，可它默认会漏东西：文档中间几章、表格里的数字、脚注和扫描页，最容易被跳过。想堵住这些漏洞，顺序得换一下，先让它列目录结构，再按章节要结论，每条结论附上页码和一句原文，你抽查几条就知道它有没有偷懒。下面先讲会漏什么、上传前怎么准备，再给能直接复制的提示词；手上是一整本书或一堆长期资料的，可以直接跳到后半部分。

AI 总结一般会漏掉什么？

不管是 AI 读 PDF 还是做长文档总结，漏的地方都很固定，大致四类。

第一类是超长的部分。模型一次能读的量有上限，也就是常说的上下文窗口。Anthropic 的 PDF 文档写，Claude 读 PDF 时，光是文字每页通常就要 1,500 到 3,000 个 token，每页转成的图片另算。照这个算，一份 200 页的年报只算文字也有 30 万到 60 万 token。有的工具碰到超长文件会截断，只读前面一部分，未必会告诉你。

就算全文都塞得进去，中间也容易被冷落。Nelson F. Liu 等人 2023 年的论文《Lost in the Middle》做过实验：关键信息放在输入的开头或结尾时，模型答得最好，放在中间时效果明显下降，专门做长文本的模型也是这样。读到的摘要「开头详细、结尾详细、中段一笔带过」，这是原因之一。论文测的是 2023 年的模型，新模型改善了多少，目前没有统一的结论，分段去问仍然是最便宜的保险。

第二类是扫描件。扫描出来的 PDF 每页其实是一张图片，没有文字层，只抽文字的工具读到的是一片空白，然后照样给你写一段「总结」。自己判断很简单：在阅读器里拖动鼠标选一段字，选不中，或者用 Ctrl+F（Mac 上是 Command+F）搜页面上看得见的词却搜不到，就是扫描件。

第三类是表格和图表。纯文本抽取会把表格拆成一行行散开的数字，列和表头对不上，模型就可能把「去年」的数当成「今年」的。图表里的数字在图上，只读文字的工具根本看不到。Anthropic 的做法是把每页转成图片，连同抽出的文字一起交给模型，所以 Claude 的 API 能看图表；但不少工具只抽文字，上传前最好先弄清你用的那个是哪种。

第四类是脚注和附录。口径和例外常写在这里，比如「不含退货」「按年化计算」「仅限华东区」。摘要最爱把它们当成噪音删掉，结论于是比原文说得更满。

上传前做 3 个准备

确认文件有文字层，没有就先转。扫描件用带文字识别（OCR）的软件转一遍，再抽查一两页，数字和字母最容易认错，0 和 O、1 和 l 都是常见的坑。只有几页的扫描件，也可以截成图片，发给能看图的模型，一次几页。
去掉每页重复的内容。页眉的公司名、页脚的页码、目录页里那串点线，每页都重复一遍，既占篇幅，又会把正文从中间切断。转成 Word 或 Markdown 时顺手删掉；删不了的，就在提示词里写一句「忽略每页顶部的公司名和底部页码」。
看清页数，再定怎么处理。几十页的报告直接上传；上百页的分章节传；整本书别往对话里塞，后面有专门的办法。顺带留意一下页码：阅读器显示的「第 12 页」和纸面上印的「第 8 页」常常不一样，封面和前言会占掉几页。Anthropic 在最佳实践里建议，提示词里用阅读器显示的那个页码。

AI 总结 PDF 的提示词：先要结构，再要结论

别一上来就说「总结一下」。第一轮只要结构，顺便确认它读全了：

这份文件先别总结，请做两件事：
1. 列出目录结构，到二级标题为止，每个标题后面写它从第几页开始（看不到页码就照抄小标题原文）。
2. 回答：你读到文件最后一页了吗？最后一页的最后一句话是什么？有没有表格、图表或扫描页你读不出内容？

问「最后一句话」，是为了验证它有没有读完。它答出来的句子能在原文末尾找到，说明没截断；答得含糊，或者给了一句原文里没有的话，后面的总结就别信了，先分段再传。

第二轮按目录要结论：

按刚才的目录逐章总结，每章最多 5 条要点。要求：
- 每条要点附出处：页码，加一句原文（原样照抄，15 字以内）
- 数字、日期、金额照抄原文，不换算，不四舍五入
- 脚注和附录里的限定条件，单独列成一节「例外和口径」
- 文件里没写的不要补，拿不准的标「不确定」
最后用 3 句话写全文结论，读者是没时间看原文的部门负责人。

拿到结果后，挑 3 条要点，把附带的原文复制下来，回 PDF 里 Ctrl+F 搜。搜不到的那条，多半是它改写过，甚至是编的。页码要打个折扣来看：有些工具上传后只抽取文字，页与页之间的分界就丢了，模型给出的页码可能是推出来的，原文短句比页码可靠得多。

追问细节时，点名范围：「只看第 4 章，回答……」。范围越小，越不容易落进中间被忽略的那一段。

还有一招是交叉核对。同一份文件换一个模型，用同样的提示词再问一遍，两份摘要里说法不一致的地方，就是最该回原文查的地方。两个模型说法一致也不代表没漏，表格和脚注照前面说的原因最容易一起被跳过，这部分最好自己扫一眼。

AI 读合同：只让它提示风险，别当法律意见

合同很适合让 AI 先过一遍：条款多、措辞绕，人读容易走神。它擅长的是这几件事：把条款按付款、违约、解约、保密、知识产权、争议解决分类列出来；找出含糊、能有两种理解的措辞；对比两个版本改了哪里；列出签字前该问对方的问题。

它不该做的，是判断条款合不合法、在你所在地区怎么适用。模型可能套用别的国家或地区的法律说法，语气还很笃定。金额大、期限长的合同，AI 的清单只能当你去找律师之前的准备材料。

我是这份合同的乙方（供应商）。请只做风险提示，不要给法律结论：
1. 逐条列出对乙方不利、或写得含糊可能有两种理解的条款，附条款编号和原文
2. 每条说明最坏情况下会发生什么
3. 列出我签字前应该向对方确认的问题
4. 合同里提到但没有附上的附件、补充协议，单独列出来

第 4 条常被忽略。「详见附件三」而附件三不在文件里，这种地方正是事后扯皮的源头。

上传前也想一下保密：公司名、金额、身份证号、银行账号这些，能换成「甲公司」「X 万元」的就先换掉。

一整本书：拆成思维导图，每个知识点配讲解和自测题

一本二三十万字的书整本塞进对话，可能超出长度被截断；就算没截断，摘要也容易只剩几条正确的大道理，读完和没读差不多。用 AI 做读书笔记，更好用的形式是结构：章、节、知识点一层层往下，每个点都能回到原文。

手动做也行。先让 AI 列全书目录，再一章一章地问「本章 3 个核心观点，每个配一个书里的例子和一道自测题」，最后把各章结果贴进 XMind 之类的导图软件。缺点是慢，一本书要来回几十轮。

如果不想手动拼，樱桃茶的拆书做的就是这件事。上传 EPUB、PDF、Word、TXT 或 Markdown，单本 100 MB 以内，它会生成一张能展开收起的书籍思维导图，一直展开到最末端的知识点；点开任意一个，能看原文、AI 讲解和自测题，不懂的地方还能接着开对话问。导图可以导出成高清图片或 Markdown，XMind 能直接导入。每个账号的第一本书 30 万字以内免费，之后按字数扣积分，上传后先报价再决定，整理失败全额退回；拆书不包含在无限卡里。

自测题的用法是这样：答不上来的那几节，才值得回去读原文。全答得上来的章节，看导图就够了。

长期积累的资料：放进知识库，回答时标出处

还有一种情况，资料不是一份，而是一直在攒：项目文档、历年报告、行业资料、自己的笔记。每次要用都重新上传、重新交代背景，很累。

知识库的思路是资料存一次，以后提问时，AI 先去库里找出相关的几段，再根据这几段回答，并告诉你出自哪份文件。想自己搭，有 RAGFlow、Dify 这类开源项目，但要会用 Docker 部署。

樱桃茶的知识库能把日记、待办和 PDF、Word、图片资料放在一起问，回答时标出处。永久免费 500 MB，超出额度也不会删你的东西，随时可以导出到 Obsidian。

这类按段检索的知识库也有边界。它擅长回答具体问题，比如「去年三季度华南区的退货率是多少」；不擅长「把这 50 份文件全部总结一遍」，因为它每次只取最相关的几段。要做全量总结，还是按前面的办法一份一份来。

文档太乱？先用 MarkItDown 转成 Markdown

有些文件直接上传效果很差：PPT 导出的 PDF、排版复杂的 Word、带合并单元格的 Excel。这时候可以先转格式。

MarkItDown 是微软开源的一个 Python 工具，MIT 许可，GitHub 上约 19 万星（2026-11-07 查询）。按 README 的说法，它能把 PDF、PowerPoint、Word、Excel、图片、HTML、CSV、JSON、XML、ZIP、EPUB 等文件转成 Markdown。Markdown 保留标题层级和表格结构，交给 AI 读的时候，比直接复制粘贴干净得多。

用法两行，前提是电脑装了 Python 3.10 到 3.14：

pip install 'markitdown[all]'
markitdown 报告.pdf -o 报告.md

有一点要先知道：README 里给扫描件的办法是另装 markitdown-ocr 插件、配一个能看图的大模型，或者接微软 Azure 的云端文档识别服务，这两样都要另外配置。只用默认安装，扫描件多半转不出字。转完打开 .md 文件看一眼，表格乱没乱，再决定要不要喂给 AI。这个工具和另外几个文档处理开源项目，在开源 AI 项目推荐：普通人能用的 10 个里有更多介绍。

FAQ

扫描版 PDF，AI 读得了吗？

看工具。Anthropic 文档写的是直接调用 Claude API 时，每页会转成图片一起分析；通过别的应用或平台用 Claude，要看它是不是先只抽了文字，只抽文字就读不出扫描页。拿不准时，按上面准备工作的第 1 步先转成文字。

几百页的 PDF 能一次读完吗？

能塞进去，不等于读得好。Claude API 文档写的上限是单次请求 600 页，上下文窗口不到 100 万 token 时是 100 页，而且小字多、表格多的页面会更早占满窗口。实际做法是按章节分批要结论，最后再汇总。

ChatPDF 这类工具和直接用聊天模型有什么区别？

ChatPDF 专做 PDF 问答，回答带可点击的引用，能跳到原文位置；官网写免费版每天可以分析 2 份文档。通用聊天模型的好处是能换模型，读完还能接着写报告、做 PPT。只读一份文件查出处，专用工具顺手；要接着干活，用聊天模型。

AI 的总结能直接拿去汇报吗？

先别。关键数字和结论回原文核一遍，尤其是表格里的数和脚注里的条件，核过再用。

文中的三条路线（对话里传 PDF、拆书、知识库），樱桃茶里都有，注册送 50 积分，可以先拿一份手头的文件试一遍。

参考来源

Anthropic，PDF support（Claude API 文档），访问于 2026-11-07，https://platform.claude.com/docs/en/build-with-claude/pdf-support
Nelson F. Liu 等，Lost in the Middle: How Language Models Use Long Contexts，2023（TACL 收录），https://arxiv.org/abs/2307.03172
Microsoft，markitdown README，访问于 2026-11-07，https://github.com/microsoft/markitdown
ChatPDF 官网首页 FAQ，访问于 2026-11-07，https://www.chatpdf.com/

关于本文

本文由樱桃茶编辑部撰写，AI 辅助检索和初稿，编辑逐条核对了来源。Anthropic 文档、论文摘要、MarkItDown 的 README 和 ChatPDF 官网是直接读过的；ChatPDF 的价格页没能打开，免费额度以官网首页 FAQ 为准。拆书和知识库的规则来自樱桃茶对应页面和常见问题页。文中提示词可以直接复制，本篇没有做各工具总结效果的对比测试。