客户发来一份 60 页 PDF，问“你先看一下，明天聊”。多数人的第一反应是上传给 AI，要求总结重点。模型确实会给出几段流畅文字，但到了会议现场才发现：关键条件藏在表格里，时间表在附件，某个限制被写成了“建议”，而不是必须满足的要求。
PDF 不是一个天然适合总结的对象。它可能混有正文、扫描页、表格、图注、附录和版本记录。更可靠的方式不是让 AI 替你“读完”，而是先明确你要依据文件做什么决定，再让它为每个答案保留原文位置。这套方法适合项目方案、供应商资料、产品手册、研究报告和客户需求文档。
先写五个问题，再上传文件
问题决定 AI 应该找什么。比如评估供应商时，可以先写：交付范围是什么？有哪些明确的时间节点？客户需要提供什么？价格或报价假设在哪里？哪些风险、例外和未确认事项需要会议确认？不要把“总结一下”当成任务定义；它会让模型平均分配注意力，反而漏掉决定性内容。
同时写下不允许模型猜测的字段：金额、日期、版本、公司名称、接口能力、认证、责任边界和法律表述。扫描件先做 OCR，并人工抽查数字、表格标题和页码。OCR 把 8 看成 3 时，后面所有漂亮的总结都没有意义。
输出格式要能回到原文
你是文档核对助理。根据下方 PDF 文本，只回答这些问题：交付范围、时间节点、前提条件、费用/计价假设、客户责任、风险与例外、待确认问题。每一项都提供原文摘要和页码或章节号。没有明确证据时写“文件未说明”，不要补充常识或推测。把事实、作者建议和你的待确认项分开输出。
这个限制会让结果变短，却更有价值。使用 ChatGPT 或 Claude 时，先确认文件是否含客户个人信息、未公开报价或受保密约束的内容；优先使用已获批准的工作区，必要时先脱敏。
表格和附件要单独处理
“费用见附表”“参数以附件二为准”是 PDF 阅读里最容易被忽略的句子。把主文档、表格页和附件分开列出来，分别问 AI：这张表的列名是什么、单位是什么、适用范围是什么、与正文是否矛盾。不要只复制表格里的一列数字；没有表头和脚注，数字没有解释价值。
若文件有多个版本，先比较版本号和修改日期，再提取变化段落。AI 可以帮助列出不同之处，但不要让它判断变化是否“影响不大”。影响取决于你的项目、预算和承诺，而不是文字长度。
把摘要变成会前行动表
最终交付不应是一页心得，而是一张可以用在会议里的表：事项、原文证据、负责人、需要确认的问题、截止时间。比如“支持 SSO”必须继续问支持的协议、实施责任和时间；“两周交付”要问起算条件和验收标准。AI 可以提出候选问题，负责人决定哪些进入会议议程。
发出前的三分钟检查
- 每个关键结论能否回到页码、章节或表格？
- 金额、日期、数量和单位是否已人工抽查？
- “文件未说明”是否被错误改写成肯定答案？
- 附件、脚注、链接与版本信息是否都在范围内？
- 行动项是否有负责人和要确认的具体问题？
AI 的优势是把长文变成可检索、可讨论的材料，而不是替团队对文件负责。先有问题清单和证据位置，明天的会议才不会变成“我记得文档里好像说过”。