长 PDF 最让人疲惫的，不是页数，而是你不知道哪一页真正回答了问题。把文件上传给 ChatGPT 后直接说“总结一下”，通常只会得到一段泛泛概述。更可靠的方式是：先缩小范围、再提取结构、接着横向对照，最后回到原页核验。
第一步：先说明你要找什么
| 任务 | 应该怎样限定 |
|---|---|
| 找定义 | 指定术语、所在章节、需要保留的原句范围 |
| 看数据 | 指定指标、年份、地区、表格或图号 |
| 做摘要 | 指定读者、字数、保留的事实与待确认项 |
| 做比较 | 指定两份资料和统一的比较维度 |
请只阅读第 3 至第 5 节，找出与【问题】直接相关的结论。先列页码、原文位置和一句话摘要；不要把推测写成文件中的事实。
这一步能把“整份资料的印象”转成“可回看的证据位置”。如果它先找不准页码，就不要急着让它写结论。
第二步：让它先提取结构，不要急着解释
对于报告、论文、制度和合同，先问它：目录如何组织、每节在回答什么、关键表格和附录在哪里。结构正确之后，再钻进具体问题。这样能避免只拿到开头几页的结论，却忽略限制条件和例外条款。
第三步：多份资料必须统一对比框架
不要让它把两份报告“对比一下”。先规定同一张表的列：
| 资料 | 时间范围 | 对象或样本 | 方法 | 关键结论 | 限制与待核验 |
|---|---|---|---|---|---|
| 资料 A | 待填写 | 待填写 | 待填写 | 待填写 | 待填写 |
| 资料 B | 待填写 | 待填写 | 待填写 | 待填写 | 待填写 |
统一框架能防止“结论像是在比较，实际对象和时间根本不同”。需要进一步做数字检查时，可按数据分析流程保留口径、样本和计算说明。
第四步：关键结论必须回到原页
以下内容不要只信摘要：数字、引用、时间、定义、限制条件、法律或政策条款。让 AI 标出依据后，你仍要打开 PDF 看上下文，尤其要留意“仅适用于”“在某些条件下”“估计”“样本有限”这类限定语。
这与搜索结果的核验方法本质相同：AI 负责缩短寻找路径，人负责确认原始证据是否支持最终结论。
复杂 PDF 的三个实用补救动作
- 扫描模糊：上传更清楚的版本，或把关键页单独导出为图片后逐页确认；
- 表格复杂：先让它逐列复述表头、单位与行数，再进入计算或比较；
- 资料太长：按章节分轮处理，每轮形成可追溯的小结，不要把所有页塞进一个大问题。
把 PDF 当作一座资料库，而不是一段可以一键压缩的文字。先定位、再提取、再比较、再核验，你会更快地得到真正能用的判断。
