用 ChatGPT 分析 PDF：先确认读到了什么，再要求结论 - AIPlan

上传成功不等于读全了。同一份 60 页的 PDF，可能是完整文字层，也可能是 60 张图片套在 PDF 外壳里，两者的分析结果差一个量级。所以第一条指令永远是读取体检，不是总结。这个顺序颠倒，后面所有结论都建立在不知道覆盖了多少页的基础上。 体检三条命令，两分钟跑完 • 列出这份 PDF 的章节标题和起始页码，不要解释。 • 原样输出第 1 页的前 300 个字。 • 这份文件共几页？有几个表、几个图？ 三条都过，说明文字层完整。任一条不过，先修文件，不要继续。 这里的判断依据是官方的检索方式：截至 2026 年 10 月 18 日核对，除 Enterprise 外的档位对 PDF 使用 text-based retrieval，只抽取数字文字层，不读取文件中嵌入的图片；Enterprise 支持 visual retrieval。这条规则决定了扫描件在 Plus 上的表现，跟付费多少无关。 30 秒判断这是不是扫描件 在电脑上打开 PDF，用鼠标拖选正文。 • 能选中，复制出来是正常文字 → 有文字层，可直接分析。 • 能选中，复制出来是乱码 → 字体是内嵌子集，需要先转一遍。 • 选不中，整页像一张图 → 扫描件，必须先 OCR。 第二种情况容易被忽略，因为页面看起来完全正常。测试方法是复制一小段粘到记事本，出现一排问号或方框就是它。 第三种情况的处理只有两条路：本地 OCR 转成可搜索 PDF，或者按 5 到 10 页切批上传，每批要求复述页码。 按问题提取，不要按页总结 "总结这份 PDF"是最没用的指令，因为总结没有验收标准。改成带条件的提取指令，结果立刻可核对。 对比一下： 差的指令 好的指令 总结这份报告 找出与"续费条件"相关的条款，列原文、章节、对用户的操作影响 这份合同有什么风险 列出所有含"除外""仅限""除非"的句子，逐条说明适用对象 帮我看看这个数据 第 3 章表格里的 2025 年数值是多少？和第 4 章正文提到的数值是否一致 好的指令有三个共同点：限定了范围（哪一章）、限定了句式（含哪些词）、限定了输出形式（原文 + 位置 + 判断）。 一份 60 页的 PDF 通常只需要 5 到 8 个这样的问题。全部问完，你对它的理解就够用了，不必让它通篇总结。 页码会说谎，锚点不会 阅读器页码和印刷页码经常差 1 到 4 页。封面、版权页、目录、空白页都会让两者错位，而且不同阅读器显示的页码还可能不同。 要求报位置时，二选一： • 明确说"报阅读器页码"，并在开头告诉它你用的是哪个阅读器； • 或者干脆不用页码，用"章节标题 + 原文前 15 个字"定位。 第二种更可靠。第 4 章"付款条件"第 2 段，以"乙方应在收到发票后"开头 这种定位，在任何工具里都能找到对应的那段话。 表格是重灾区，先降级成数字 PDF 里的表格在文字层里往往是一串按行排的文本，列与列的对应关系丢失。转出来经常是这样：所有单元格的文字都在，但分不清哪个数字属于哪一列。 三条处理办法，按可靠性排序： • 回到源文件（Excel、CSV），导出成表格再上传，这是唯一可靠的做法； • 把 PDF 的表格页单独截图，按图片处理，逐块转录； • 让模型复述表头并逐行输出，人工核对行列数。 第三条只在表格不超过 10 行 6 列时可用。行数一多，串行的概率直线上升。 官方在数据分析问答里也写明：从图片式表格、扫描文件、复杂版面里提取精确数值可能不可靠，数值必须准确时应改传表格或文本文件。 长文档分批，别忘合并时对账 文档和演示文稿单文件上限 512 MB，文本和文档文件另有 200 万 token 封顶，超过就得分批。 分批的做法是先让模型列出目录结构，再按章节切成 3 到 6 批，每批提问时带上"这是第 2 批，覆盖第 3 至第 4 章"。全部跑完后做一次跨批核对：让它列出在多批里都出现的同一主题，检查前后是否自相矛盾。 上传配额是每 3 小时 80 个文件，Free 账号每天 3 个。分批数量控制在 10 个以内，一轮就能跑完，不用等窗口。 保存原文对应关系，这是唯一能交付的东西 分析做完，你手上应该有一份对照表，而不是一段总结。 结论 原文摘录 位置 可信程度 续费需提前 7 天 "应于到期前七日书面提出" 第 5 章第 2 段 原文直述 试用期不退款 未找到相关条款 全文 需人工确认 第四列只有三个取值：原文直述、推断、未找到。写"推断"的，必须另外标出推断依据；写"未找到"的，说明你已经查过但没查到，这比编一个答案有价值得多。 三列的位置信息要能一键跳转。PDF 阅读器通常支持按原文搜索，把摘录控制在 10 到 20 个字，搜到的概率最高。 隐私与文件留存 PDF 里常带身份证号、银行账号、合同金额。上传前先看一遍有没有必删字段，官方给出的存储上限是每用户 25 GB，企业工作区 100 GB，删除对话不会删除已保存到 Library 的文件，需要单独去 Library 删。 批注和隐藏图层也是内容。Word 导出的 PDF 里，批注默认会一起输出。用"另存为新的 PDF"生成一份干净副本，比在原文件上删更彻底。 更完整的字段分级与替换做法在上传前的去标识化流程里。 什么情况下分析结果不能直接用 三种情况我建议只把它当草稿：涉及金额责任的条款、涉及时间的承诺、涉及主体范围的表述。这三类错误代价最高，而它们恰恰藏在"仅限""除外""不超过 30 天"这类短句里。 需要逐字对照两版文件时，做法和单份分析不太一样，比较两版文档的流程里把差异分成了三类。读论文类 PDF 时，先把方法、样本量、结论分开提取更有效，读论文的提取顺序可以对照。 如果你手上的 PDF 根本传不上，或者传上去读出来是空的，先看上传失败的三个位置，多半不是账号问题。 截至 2026 年 10 月 18 日核对，PDF 检索方式、大小上限、上传配额、Library 存储与留存规则以 OpenAI 帮助中心《Uploading files and audio to ChatGPT》《Data analysis with ChatGPT》《Chat and file retention in ChatGPT》为准；档位能力可能调整，以账号内实际显示为准。 参考资料资料核对日期：2026-10-17 • Uploading files and audio to ChatGPT | OpenAI Help Center • Data analysis with ChatGPT | OpenAI Help Center 延伸阅读• ChatGPT 文件上传失败，或者上传后读不全，怎么办？ • 用 ChatGPT 读论文：先弄清它研究了什么，再看结论 • 用 ChatGPT 比较两版文档：重点找规则变化，不只找改了哪些字