Kimi 进阶用法：长文档与深度搜索

Kimi 的长文档和深度搜索是两个入口，解决的是两类问题：一个读你手上的文件，一个去找你没有的资料。把两者混用，结果通常是要么漏，要么没法核。判断标准很简单——答案所需的证据如果已经在文件里，用长文档；如果分散在外部且需要最新，用深度搜索。

先分清：读文件还是找资料

长文档模式的工作范围是你上传的内容，它不会主动去网上补；深度搜索会检索公开网页再综合，但对你的私有文件一无所知。很多人抱怨它答得空，追根到底是把需要外部数据的问题丢给了只读文件的模式。

一个可操作的判断：问题里出现这份、上述、第几章，走长文档；出现最近、目前、有哪些公司、政策怎么规定，走深度搜索。两类都占，就分两轮，先搜背景，再回到文件里定结论。

长文档：把问题改成可定位的形状

“帮我看看这份报告”这类指令最难回答，因为它没有定位信息。换成“第三章的成本结构里，哪两项占比超过三成，各自的同比是多少”，模型才知道去哪里找、要找什么形态的答案。提问里的定位信息越具体，答案的可核性越高。

定位信息可以分三层给：范围，哪一章哪一节；对象，哪个指标哪个条款；形态，列表、表格还是原文引用。三层齐全的提问，通常一轮就能拿到可用结果；缺一层，就要多追一轮。

另一个动作是要求引用。让它把依据的原文句子贴出来，你回文件里搜这句话，能搜到就说明它确实读到了，搜不到就要警惕。这个动作花十秒，能挡掉大部分看起来合理的编造。

深度搜索：问题要带时间和范围

搜索类问题的质量取决于限定条件。同样是问芯片出口限制，加上时间范围和地区，结果的可比性完全不同。没有限定的搜索，返回的往往是几年前的旧闻和观点文混在一起，读起来热闹，用不上。

提问可以分三层：事实层问发生了什么，比较层问几种方案差别在哪，判断层问在我的条件下该选哪个。前两层适合交给搜索，第三层要你自己给条件，否则它只能用泛泛的通用建议回答你。

还要接受一个现实：搜索结果的时效由索引决定，刚发生的事可能查不到。遇到这种情况，让它明确说没有找到近期信息，比让它用旧资料凑一个答案有用。

把两个入口接起来

真实工作里更常见的是组合：先用搜索补齐行业背景和外部数据，再把结论带回自己的文件里对照。比如做一份竞品分析，先搜对方近期的公开动态，再上传自己的历史资料，让它指出哪些假设已经过期。这一步的价值在于交叉，单看任何一边都发现不了矛盾。

这张表的用法是先定场景，再定入口，别拿着一个问题在两个入口之间反复试。

来源核对：三个动作

看日期。搜索结果里的内容有没有标注发布时间，决定了它能不能用来支撑目前的判断。看口径。同一个指标，不同来源的统计范围可能不同，混用会得出错误结论。看原文。综合类回答里最容易被压缩掉的是限定条件，在特定条件下成立经常被写成普遍成立。

这三个动作不需要专业背景，只需要耐心。愿意花五分钟核对的人，得到的东西和直接复制答案的人差一个量级。

它做不到什么

读得完不等于读得懂。文件里的行业惯例、谈判背景、没写出来的默契，它拿不到；这类判断只能由你补。搜索也一样，它能找到公开说法，判断不了说法背后的利益立场。

解析质量是硬约束。扫描件、手写批注、跨页表格、竖排文本，解析出来经常残缺或错位。遇到这类文件，先做 OCR 或转成规整格式，比反复追问有效。文件接近上下文上限时，回答会出现前半段准、后半段飘的情况，分段处理更稳。

它也不会替你决定该信谁。两个来源冲突时，它能列出差异，取舍仍然要你基于业务判断。长文档与搜索的具体入口和额度随版本调整，以官方最新版本为准。

本文只讲文档处理的方法与思路，不构成法律建议，涉及具体条款请以原件和专业人士意见为准。

长文与搜索的选择速查

• 证据在文件里，走长文档，别开搜索
• 证据在外部且要最新，走深度搜索，加时间和地区
• 两边都要，先搜后读，最后回原文核对
• 答案没有出处，当作草稿，不进结论
• 扫描件、跨页表格，先处理文件再提问

三个具体疑问

• 同一份文件，分十次问和一次问完，哪个准？：定位明确的问题分次问更准，因为每次的上下文更干净；需要通篇比较的问题一次问完更好，避免割裂。折中做法是先一次问结构，再分次问细节。
• 搜索结果里的数字能直接用吗？：先看它有没有给出原始出处。只有二手转述的数字，回到原始报告核对一遍再用，尤其是市场规模、增长率这类容易被层层放大的指标。
• 能不能让它读完文件再自动去网上补？：可以在提问里明确要求，文件内没有的部分标注为外部信息。不标的话两类信息会混在一起，你分不清哪句来自你的文件。这个标注习惯比功能本身更重要。

把文件读透之后，下一步通常是把结论沉淀下来。团队共享知识库的搭法解决的是多人复用同一批资料；如果资料来自会议，实时记录转写后的整理有另一套按议题切分的方法；提问方式本身也可以再优化，把官方提示词改成自己的讲的是改编而非照抄；需要回看历史对话时，历史记录的搜索与导出能省下重复提问的时间。