把同一份四十页的招标文件分别丢给三个 AI，得到的答案能差出三条：第一个说第三章没提工期，第二个引了一条根本不存在的第四十二条，第三个把表格里的报价合计加错了。文件是同一份，出错方式各不相同——差别不在模型聪不聪明，在文件进到模型之前被怎么处理过。
比较这类能力，拿自己的真实文件跑一遍比看任何榜单都准。下面按文件类型拆开这条链路，说清每类文件能做什么、在哪一步开始失真，以及三项自己就能动手的测法。
上传成功不等于读进去了
一份文件进到对话里，通常要过四道：解析（把 PDF、表格、图片变成文字）、切分（按页或按段切开）、装填（整份塞进上下文，或建索引后按问题取片段）、生成。上传进度条走完，只说明第一道开了头。
三种做法差别很大。整份塞进上下文的，受窗口长度限制，超了就截断；做检索的，每次只取最相关的几段，问得偏就取不到；只读前若干页的，后面根本不看。想知道一个产品属于哪种，问一句「这份文件一共多少页，你读到了第几页」就能试出来。上下文窗口的容量决定第一种做法能走多远，检索增强的做法决定第二种会漏什么。
六类文件，各自的强项和失真点
| 文件类型 | 通常能做什么 | 什么时候失真 |
|---|---|---|
| 有文字层的 PDF | 抽正文、按章节定位、给出处 | 双栏排版按内容流读，左右栏串成一句 |
| 扫描件、图片型 PDF | OCR 出文字，再走上面那条 | 手写、印章、竖排、低分辨率，错字集中在数字 |
| 表格（xlsx / csv） | 读单元格、算合计、按列筛选 | 合并单元格、多行表头，行列关系塌掉 |
| 演示文稿 | 提每页标题与要点 | 备注、图形内文字、图层顺序丢失 |
| 百页以上长文档 | 分段摘要、定位章节 | 超出窗口被截断，答案只覆盖前半 |
| 图表截图 | 描述画面、读图中文字 | 密集小字读错，曲线数值靠估 |
表格和扫描件这两行最值得记住。前者的问题出在结构，后者的问题出在识别，两类错误性质不同：结构错了，内容还在，人一眼能看出来；识别错了，错的是数字和日期，读起来完全通顺。
三项测法，第三项最见真章
完整性。让它列出文件里所有一级标题，或者所有出现的金额，再对着原文数一遍。少一条是漏读，多一条是编的。
结构。问「第 3 章第 2 节讲了什么」，看它能不能定位到具体章节。答得出内容却指错位置，说明结构在解析时就塌了。
可问答。准备两个问题：一个必须跨两页才能答全，一个原文里根本没有。前者考有没有读全，后者考会不会硬编。第二个问题的价值常被低估——愿意说「文件里没有」的工具，比答得漂亮的更可信。
表格和扫描件为什么最容易坏
表格是二维的，文本流是一维的。解析器要靠坐标把单元格重新拼回行列，合并单元格一多、表头跨两行，拼出来的顺序就乱了。你看到的是「合计 128 万」，它读到的是「合计」和「128 万」隔着三行。
扫描件多一道 OCR。印刷体识别率通常很高，手写、印章、低分辨率、竖排这几种情况会断崖式下降。一个数字认错，后面的计算全错，而句子依然通顺。
多栏排版是另一个坑。PDF 内部的文字顺序按内容流排，不按视觉顺序排，双栏文档常被读成「左一句右一句」。这类错误在页面上看不出来，只有对着原文才发现句子接不上。
它做不到的四件事
读没读完，它不会主动说。截断发生时不报错，它照样给出一个结构完整的答案，覆盖的只是前半部分。
页码不一定对。页码是解析后重建的，扫描件没有原生页码，引用位置经常差一页。
不替你判断哪条数据关键。协议金额、交付日期、验收标准哪个更要紧，取决于你拿这份文件做什么。
不理解图里的意思。流程图能读出框里的字，读不出箭头指向哪一步，关系还得人来补。
大文件先拆，关键结论回原文核
按章节拆，一次一份，让它在每份末尾输出两行：本份覆盖的页码范围、哪些地方没读到。这样截断就从暗处挪到了明处。
关键数字要求给出原文引句，再回原文搜这句。搜不到，就是它自己组织的句子，不能采信。AI 幻觉之所以难发现，就在于编出来的句子和真句子在语气上没有区别。
同一段内容换一个工具再读一遍，两次结论不一致的地方，就是需要人工看的地方。这个方法笨，但比逐个数字核对省时间。
拆分粒度按「一个问题对应一份」来定，比按页数平均分更有效。每次只问一个能在这份材料里答完的问题，答案的可核性最高。
速查：换工具前先做这三件事
- 用自己最常处理的那类文件测，别用样例文件
- 问一个跨页问题，再问一个原文没有的问题
- 要求它报出页码范围，看覆盖到第几页
- 关键数字必须给原文引句，搜不到就不采信
- 百页以上的文件，按章节拆开分别处理
