AI 總結 PDF 和長文件：怎麼不漏重點

釋出於 2026-11-09 · 櫻桃茶編輯部

用 AI 總結 PDF，幾十秒就能拿到一份像樣的摘要，可它預設會漏東西：文件中間幾章、表格裡的數字、腳註和掃描頁，最容易被跳過。想堵住這些漏洞，順序得換一下，先讓它列目錄結構，再按章節要結論，每條結論附上頁碼和一句原文，你抽查幾條就知道它有沒有偷懶。下面先講會漏什麼、上傳前怎麼準備，再給能直接複製的提示詞；手上是一整本書或一堆長期資料的，可以直接跳到後半部分。

AI 總結一般會漏掉什麼？

不管是 AI 讀 PDF 還是做長文件總結，漏的地方都很固定，大致四類。

第一類是超長的部分。模型一次能讀的量有上限，也就是常說的上下文視窗。Anthropic 的 PDF 文件寫，Claude 讀 PDF 時，光是文字每頁通常就要 1,500 到 3,000 個 token，每頁轉成的圖片另算。照這個算，一份 200 頁的年報只算文字也有 30 萬到 60 萬 token。有的工具碰到超長檔案會截斷，只讀前面一部分，未必會告訴你。

就算全文都塞得進去，中間也容易被冷落。Nelson F. Liu 等人 2023 年的論文《Lost in the Middle》做過實驗：關鍵資訊放在輸入的開頭或結尾時，模型答得最好，放在中間時效果明顯下降，專門做長文本的模型也是這樣。讀到的摘要「開頭詳細、結尾詳細、中段一筆帶過」，這是原因之一。論文測的是 2023 年的模型，新模型改善了多少，目前沒有統一的結論，分段去問仍然是最便宜的保險。

第二類是掃描件。掃描出來的 PDF 每頁其實是一張圖片，沒有文字層，只抽文字的工具讀到的是一片空白，然後照樣給你寫一段「總結」。自己判斷很簡單：在閱讀器裡拖動滑鼠選一段字，選不中，或者用 Ctrl+F（Mac 上是 Command+F）搜頁面上看得見的詞卻搜不到，就是掃描件。

第三類是表格和圖表。純文本抽取會把表格拆成一行行散開的數字，列和表頭對不上，模型就可能把「去年」的數當成「今年」的。圖表裡的數字在圖上，只讀文字的工具根本看不到。Anthropic 的做法是把每頁轉成圖片，連同抽出的文字一起交給模型，所以 Claude 的 API 能看圖表；但不少工具只抽文字，上傳前最好先弄清你用的那個是哪種。

第四類是腳註和附錄。口徑和例外常寫在這裡，比如「不含退貨」「按年化計算」「僅限華東區」。摘要最愛把它們當成噪音刪掉，結論於是比原文說得更滿。

上傳前做 3 個準備

確認檔案有文字層，沒有就先轉。掃描件用帶文字識別（OCR）的軟體轉一遍，再抽查一兩頁，數字和字母最容易認錯，0 和 O、1 和 l 都是常見的坑。只有幾頁的掃描件，也可以截成圖片，發給能看圖的模型，一次幾頁。
去掉每頁重複的內容。頁首的公司名、頁尾的頁碼、目錄頁裡那串點線，每頁都重複一遍，既佔篇幅，又會把正文從中間切斷。轉成 Word 或 Markdown 時順手刪掉；刪不了的，就在提示詞裡寫一句「忽略每頁頂部的公司名和底部頁碼」。
看清頁數，再定怎麼處理。幾十頁的報告直接上傳；上百頁的分章節傳；整本書別往對話裡塞，後面有專門的辦法。順帶留意一下頁碼：閱讀器顯示的「第 12 頁」和紙面上印的「第 8 頁」常常不一樣，封面和前言會佔掉幾頁。Anthropic 在最佳實踐裡建議，提示詞裡用閱讀器顯示的那個頁碼。

AI 總結 PDF 的提示詞：先要結構，再要結論

別一上來就說「總結一下」。第一輪只要結構，順便確認它讀全了：

這份檔案先別總結，請做兩件事：
1. 列出目錄結構，到二級標題為止，每個標題後面寫它從第幾頁開始（看不到頁碼就照抄小標題原文）。
2. 回答：你讀到檔案最後一頁了嗎？最後一頁的最後一句話是什麼？有沒有表格、圖表或掃描頁你讀不出內容？

問「最後一句話」，是為了驗證它有沒有讀完。它答出來的句子能在原文末尾找到，說明沒截斷；答得含糊，或者給了一句原文裡沒有的話，後面的總結就別信了，先分段再傳。

第二輪按目錄要結論：

按剛才的目錄逐章總結，每章最多 5 條要點。要求：
- 每條要點附出處：頁碼，加一句原文（原樣照抄，15 字以內）
- 數字、日期、金額照抄原文，不換算，不四捨五入
- 腳註和附錄裡的限定條件，單獨列成一節「例外和口徑」
- 檔案裡沒寫的不要補，拿不準的標「不確定」
最後用 3 句話寫全文結論，讀者是沒時間看原文的部門負責人。

拿到結果後，挑 3 條要點，把附帶的原文複製下來，回 PDF 裡 Ctrl+F 搜。搜不到的那條，多半是它改寫過，甚至是編的。頁碼要打個折扣來看：有些工具上傳後只抽取文字，頁與頁之間的分界就丟了，模型給出的頁碼可能是推出來的，原文短句比頁碼可靠得多。

追問細節時，點名範圍：「只看第 4 章，回答……」。範圍越小，越不容易落進中間被忽略的那一段。

還有一招是交叉核對。同一份檔案換一個模型，用同樣的提示詞再問一遍，兩份摘要裡說法不一致的地方，就是最該回原文查的地方。兩個模型說法一致也不代表沒漏，表格和腳註照前面說的原因最容易一起被跳過，這部分最好自己掃一眼。

AI 讀合同：只讓它提示風險，別當法律意見

合同很適合讓 AI 先過一遍：條款多、措辭繞，人讀容易走神。它擅長的是這幾件事：把條款按付款、違約、解約、保密、智慧財產權、爭議解決分類列出來；找出含糊、能有兩種理解的措辭；對比兩個版本改了哪裡；列出簽字前該問對方的問題。

它不該做的，是判斷條款合不合法、在你所在地區怎麼適用。模型可能套用別的國家或地區的法律說法，語氣還很篤定。金額大、期限長的合同，AI 的清單隻能當你去找律師之前的準備材料。

我是這份合同的乙方（供應商）。請只做風險提示，不要給法律結論：
1. 逐條列出對乙方不利、或寫得含糊可能有兩種理解的條款，附條款編號和原文
2. 每條說明最壞情況下會發生什麼
3. 列出我簽字前應該向對方確認的問題
4. 合同裡提到但沒有附上的附件、補充協議，單獨列出來

第 4 條常被忽略。「詳見附件三」而附件三不在檔案裡，這種地方正是事後扯皮的源頭。

上傳前也想一下保密：公司名、金額、身份證號、銀行帳號這些，能換成「甲公司」「X 萬元」的就先換掉。

一整本書：拆成思維導圖，每個知識點配講解和自測題

一本二三十萬字的書整本塞進對話，可能超出長度被截斷；就算沒截斷，摘要也容易只剩幾條正確的大道理，讀完和沒讀差不多。用 AI 做讀書筆記，更好用的形式是結構：章、節、知識點一層層往下，每個點都能回到原文。

手動做也行。先讓 AI 列全書目錄，再一章一章地問「本章 3 個核心觀點，每個配一個書裡的例子和一道自測題」，最後把各章結果貼進 XMind 之類的導圖軟體。缺點是慢，一本書要來回幾十輪。

如果不想手動拼，櫻桃茶的拆書做的就是這件事。上傳 EPUB、PDF、Word、TXT 或 Markdown，單本 100 MB 以內，它會生成一張能展開收起的書籍思維導圖，一直展開到最末端的知識點；點開任意一個，能看原文、AI 講解和自測題，不懂的地方還能接著開對話問。導圖可以匯出成高畫質圖片或 Markdown，XMind 能直接匯入。每個帳號的第一本書 30 萬字以內免費，之後按字數扣點數，上傳後先報價再決定，整理失敗全額退回；拆書不包含在無限卡里。

自測題的用法是這樣：答不上來的那幾節，才值得回去讀原文。全答得上來的章節，看導圖就夠了。

長期積累的資料：放進知識庫，回答時標出處

還有一種情況，資料不是一份，而是一直在攢：專案文件、歷年報告、行業資料、自己的筆記。每次要用都重新上傳、重新交代背景，很累。

知識庫的思路是資料存一次，以後提問時，AI 先去庫裡找出相關的幾段，再根據這幾段回答，並告訴你出自哪份檔案。想自己搭，有 RAGFlow、Dify 這類開源專案，但要會用 Docker 部署。

櫻桃茶的知識庫能把日記、待辦和 PDF、Word、圖片資料放在一起問，回答時標出處。永久免費 500 MB，超出額度也不會刪你的東西，隨時可以匯出到 Obsidian。

這類按段檢索的知識庫也有邊界。它擅長回答具體問題，比如「去年三季度華南區的退貨率是多少」；不擅長「把這 50 份檔案全部總結一遍」，因為它每次只取最相關的幾段。要做全量總結，還是按前面的辦法一份一份來。

文件太亂？先用 MarkItDown 轉成 Markdown

有些檔案直接上傳效果很差：PPT 匯出的 PDF、排版複雜的 Word、帶合併單元格的 Excel。這時候可以先轉格式。

MarkItDown 是微軟開源的一個 Python 工具，MIT 許可，GitHub 上約 19 萬星（2026-11-07 查詢）。按 README 的說法，它能把 PDF、PowerPoint、Word、Excel、圖片、HTML、CSV、JSON、XML、ZIP、EPUB 等檔案轉成 Markdown。Markdown 保留標題層級和表格結構，交給 AI 讀的時候，比直接複製貼上乾淨得多。

用法兩行，前提是電腦裝了 Python 3.10 到 3.14：

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

有一點要先知道：README 裡給掃描件的辦法是另裝 markitdown-ocr 外掛、配一個能看圖的大模型，或者接微軟 Azure 的雲端文件識別服務，這兩樣都要另外配置。只用預設安裝，掃描件多半轉不出字。轉完開啟 .md 檔案看一眼，表格亂沒亂，再決定要不要餵給 AI。這個工具和另外幾個文件處理開源專案，在開源 AI 專案推薦：普通人能用的 10 個裡有更多介紹。

FAQ

掃描版 PDF，AI 讀得了嗎？

看工具。Anthropic 文件寫的是直接呼叫 Claude API 時，每頁會轉成圖片一起分析；通過別的應用或平臺用 Claude，要看它是不是先只抽了文字，只抽文字就讀不出掃描頁。拿不準時，按上面準備工作的第 1 步先轉成文字。

幾百頁的 PDF 能一次讀完嗎？

能塞進去，不等於讀得好。Claude API 文件寫的上限是單次請求 600 頁，上下文視窗不到 100 萬 token 時是 100 頁，而且小字多、表格多的頁面會更早佔滿視窗。實際做法是按章節分批要結論，最後再彙總。

ChatPDF 這類工具和直接用聊天模型有什麼區別？

ChatPDF 專做 PDF 問答，回答帶可點選的引用，能跳到原文位置；官網寫免費版每天可以分析 2 份文件。通用聊天模型的好處是能換模型，讀完還能接著寫報告、做 PPT。只讀一份檔案查出處，專用工具順手；要接著幹活，用聊天模型。

AI 的總結能直接拿去彙報嗎？

先別。關鍵數字和結論回原文核一遍，尤其是表格裡的數和腳註裡的條件，核過再用。

文中的三條路線（對話裡傳 PDF、拆書、知識庫），櫻桃茶裡都有，註冊送 50 點數，可以先拿一份手頭的檔案試一遍。

參考來源

Anthropic，PDF support（Claude API 文件），訪問於 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 收錄），https://arxiv.org/abs/2307.03172
Microsoft，markitdown README，訪問於 2026-11-07，https://github.com/microsoft/markitdown
ChatPDF 官網首頁 FAQ，訪問於 2026-11-07，https://www.chatpdf.com/

關於本文

本文由櫻桃茶編輯部撰寫，AI 輔助檢索和初稿，編輯逐條核對了來源。Anthropic 文件、論文摘要、MarkItDown 的 README 和 ChatPDF 官網是直接讀過的；ChatPDF 的價格頁沒能開啟，免費額度以官網首頁 FAQ 為準。拆書和知識庫的規則來自櫻桃茶對應頁面和常見問題頁。文中提示詞可以直接複製，本篇沒有做各工具總結效果的對比測試。