AI 怎么把长文提炼成要点
把一份长报告丢给 AI，出来的摘要常常丢数字、改口径、还把推测写成结论。指令怎么写、要盯哪几处、怎么回原文核对，一次说清。
几万字的报告丢给对话式 AI，几秒就能出一段摘要。麻烦在于摘要读起来很顺，却常常改掉数字、删掉限定条件，甚至把推测写成结论。难点不在让它写，而在让它少走样、以及怎么验。
入口在哪
入口就是任何一个对话式 AI 的输入框，网页版和手机 App 都能用。文本短就直接粘贴，长到几万字就上传文件让它读，不要手工分段粘贴，分段后上下文会断。
文章超出模型一次能读的长度时，系统通常截断而不是报错，这点最容易忽略。判断办法很简单：问它文末最后一段讲了什么，答不上来就是没读全。
很多办公套件自带摘要按钮，胜在省事，但没法指定输出格式、也没法要求保留哪些信息，要严格控制口径还是用对话。
具体步骤
- 先说用途和读者。给自己做决策参考，还是给同事做通报，取舍完全不同，这句必须写在最前面。
- 限定条数和长度，比如八条、每条不超过四十字。不限定的话它倾向越长越安全，最后给你一篇更短的原文。
- 明确必须保留的内容：数字、日期、金额、比例、人名机构名，以及带条件的表述，列成清单交给它。
- 按原文顺序输出，注明每条对应的章节或小标题，方便回查。
- 要求区分事实与推测。原文里出现「预计」「可能」「据称」的地方，输出要保留同样语气，不许升级成肯定句。
- 拿到结果之后追加一轮：让它指出摘要里哪些地方是推断出来的、哪些是没有原文支撑的。
- 最后人工抽查，挑三处关键数字回原文核对，不能省。
几个坑
- 数字被动过。常见的是把区间写成单值、把中文数字转成阿拉伯数字时看错一位。凡是数字都要回原文核。
- 长文被截断。模型只读了前面一部分，后面照样能编出通顺摘要。前面说的「文末讲了什么」自检很有用。
- 限定词被吃掉。「在理想条件下」「小样本测试」这类前提删掉之后，结论看起来就成了普遍成立。
- 为凑条数编内容。你要求八条，原文只够六条，它可能补两条听起来合理但没有出处的。宁可少两条，也不要凑。
- 表格被压成一句话。表格里行列关系本身就是信息，压成叙述后谁对应谁就丢了，遇到表格要单独要求按行列复述。
- 术语被意译走样。中英混排的文档里专有名词被换成近义词，前后就不一致了，可以要求原词照抄、括号里再加解释。
怎么验证
- 抽查三处硬信息。数字、时间、专有名词各挑一处回原文比对，成本最低也最有效。
- 数条数和字数。有没有守住你给的约束，一眼能看出来，守不住说明后面的指令大概率也没守。
- 看语气有没有升级。原文的推测在摘要里是否还带着限定词。
- 让它反向核对。追加一句：只列出与原文不符的地方，不要重写摘要。这轮输出常能揪出前面漏掉的问题。
- 看结构是否完整。原文的重点章节在摘要里是否都有对应，有没有整段被跳过。
常见问题
多长算长文，要不要先分段
没有统一标准，取决于模型的上下文长度，各家也不一样。稳妥的做法是先试一次，再用「文末讲了什么」自检；被截断就按章节分开提炼，最后合成一版。
为什么每次提炼的结果都不一样
生成带随机性，同样输入也可能措辞不同。要稳定就固定指令模板，把条数、长度、必须保留的字段写死，每次只换原文；措辞仍会有差异，但关键信息覆盖会稳定得多。
能不能让它直接写进文档
可以，但建议先出纯文本再自己贴。直接写入格式容易乱，一旦发现数字错了，改动还会牵动整篇排版。
一句话总结：让 AI 提炼要点，关键是把读者、条数、必须保留的字段和语气要求写进指令，再用文末自检和抽查数字两道关确认它没有读漏、也没有改动原文。