读长文档并产出可交付结论

面对一份几十页的报告、一份合同或一篇论文,直接丢给模型要"总结一下",得到的往往是一段正确但无法使用的文字。

可靠的流程分四步:先建地图,再分块精读,随后结构化汇总,最终溯源核对。

第一步:建立文档地图

上传文档后,先不要急着问结论。让模型输出一张地图:文档有哪几一部分、每一部分解决什么问题、涉及哪些关键数字。有了地图,你才知道该往哪里追问。

请先通读这份文档并输出结构地图,不要总结内容: 1. 文档由哪几个部分组成,各部分标题与页码范围 2. 每部分主要回答了什么问题 3. 全文出现的主要数字、日期、金额与责任主体,列成清单并标注所在部分 4. 你认为最需要我重点确认的 5 个地方

第二步:分块精读

对每个一部分单独提问,一次只问一件事,并要求引用原文位置。分块的好处是每轮的上下文足够聚焦,答案密度远高于一次性总结。

只看文档的第二部分,回答:这一部分提出的方案有哪些前提假设?每条假设如果成立会带来什么结果,如果不成立会怎样?引用原文中的具体表述,不要做延伸推测。

第三步:结构化汇总

把各块的结论合并时,固定输出格式,这样结果可直接贴进汇报材料,而不需要二次梳理。

基于前面各部分的提炼,输出汇总: 一、核心结论(不超过 5 条,每条一句话) 二、关键证据(表格:结论 | 依据 | 来源位置) 三、风险与待确认项(每条写明为什么需要人工确认) 四、建议的下一步动作(不超过 4 条) 不要输出文档中没有出现的信息。

第四步:溯源与核对

最终一步不能省。要求模型列出所有引用位置,随后随机抽查两到三处回到原文核对。核对的重点是数字、日期、责任主体和条件限定词——这几类最容易被改写时丢失精度。

若是模型在某一处拿不准,正确做法是让它标注"原文未明确阐述",而不是让它补一个看似合理的说法。摘要里的一个错误数字,往往比整段缺失更危险。
常见问题

文档处理问答

DeepSeek 能一次读完很长的文档吗?

可上传文档直接提问,但长文档一次性总结容易遗漏细节。更可靠的做法是分块处理:先让模型输出文档地图,再针对每一块提具体问题,最终用固定模板汇总,这样既不遗漏也更方便核查。

怎么保证模型总结的内容没有编造?

要求模型在每条结论后标注来源位置,并明确要求不确定的材料标注需人工核对。汇总阶段再让它列出所有引用位置供你抽查,关键结论必须回到原文核对,尤其是数字、日期和责任条款。

相关阅读

接着看这几篇