几十页的文档怎么分段喂给 AI，切在哪才不丢上下文

几十页的文档怎么分段喂给 AI，切在哪才不丢上下文

把一份六十页的标书直接粘进对话框，多数工具会给出两种反应：要么提示超出长度，要么收下了，但回答只覆盖后半部分。你以为它读完了，它其实只看了能装下的那一段。分段投喂绕不开，切得对不对，直接决定答出来的东西有没有用。

我们给一家客户整理内部规章，四十多页，最初整篇丢进去问「哪些条款和现行做法冲突」，回答里提到的条款集中在最后十页，前面三十页压根没参与判断。改成按章节分段问，同一份材料问出来的冲突项多了四倍，其中三条是真正需要改的。

先弄清它到底能装多少

标称长度和能用长度不是一回事

产品页写的百万字上下文指的是上限，不是稳定区。决定回答质量的，是你要它关注的信息落在哪个位置。开头和结尾的内容被用到的概率高于中段，一份材料整篇塞进去，中段最容易变成摆设。

一个简单的验证办法：在一份长文档的中段插入一句明显不合逻辑的话，比如把甲方的付款比例写成百分之三百，然后整篇丢进去问「这份文件有什么问题」。它能找出来，说明中段确实读了；找不出来，后面所有整篇投喂的做法都要重新考虑。

按字数估算，别按页数

一页 A4 中文正文大约八百到一千字，含表格的页面更多。把这些字折算成模型那边的计数，会比你想的高出不少，中文尤其吃亏。留出三成余量比较稳妥，也就是标称能装一万，实际喂七千就该停。

超过这个量，分段。不要指望它自己压缩，它压缩的往往是你最需要的那部分细节。

第一刀切在哪：按结构切，别按字数切

均匀切分看着省事，切出来的东西最难用。一章讲完的内容被切成两半，前半段没有结论，后半段没有前提，两段都要重新解释一遍。

优先按标题层级切

文档本身有章、节、小标题的，直接拿标题当切口。每段至少装下一个完整小节，宁可比预算多一点，也不要拦腰截断。切完检查一遍每一段的第一句话，如果读不通，说明切口选错了。

没有标题的材料怎么找切口

会议纪要、聊天记录、访谈稿这类材料没有层级。这时候找语义节点：话题切换的地方、时间标记、发言人变化。实在找不到，就按完整段落切，别切在句子中间。

还有一种做法是先让它切：把全文丢进去，问「这份材料可以分成几个独立话题，各自的起止句是什么」。它给出的划分未必准，当作草稿改一改，比自己通读一遍快。

切口要留重叠，别切得太干净

两段之间完全没有交集，合并的时候就会出现断层。上一段末尾提到的「该方案」「上述三类问题」，到了下一段开头，指代对象已经不在上下文里，模型只能猜。

重叠多少合适

两百到四百字，大约一个完整段落。把上一段的最后一段原样带进下一段开头，并在提示词里说清「开头这部分是承接上一段的内容，不需要重复分析」。重叠太短不起作用，太长又占额度。

表格是切分的高危区

一张跨页的表格被切成两半，第二段拿到的只有后半截数据，它会把表头当成数据行。碰到表格，宁可整张表单独成段，也不要在表内切。表头要在每段里重复一次。

每段投喂时要带三样东西

只发一段正文过去，它不知道自己在干什么。同一份材料，带着任务、带着前情、带着输出格式去问，结果差得很远。

任务：这一段要回答什么

「找出这段里涉及的审批节点，列出节点名称和对应的金额上限」，比「分析一下这段」有用得多。任务越具体，它越不会自由发挥。

前情：前面讲过什么

不用把前文重发，用两三句话说清已经确认的事实。比如「这是一份采购管理办法，前面已确定采购分三类，金额线分别是五万、二十万、五十万，下面这段讲的是第二类」。这几句是你自己写的，最准。

输出格式：固定字段

每段都按同一组字段输出，后面合并才不用重新整理。字段定死了，几十段的答案能直接拼成一张表。字段没定，每段都是不同写法，合并的时间比读原文还长。

分段结果怎么合起来

八段答案摆在一起，顺序对不上、术语不统一、结论互相打架，这是常态。合并有两种走法，按材料体量选。

体量小：让它先汇总再定稿

把八段的答案压成八条摘要，每条不超过两百字，一起丢回去让它合并。这时候喂的是摘要不是原文，量小，它能通盘看。合并完再人工核一遍冲突项，冲突的地方往往就是原文本身有矛盾的位置。

体量大：自己合并，只用它做核查

超过二十段，合并交给模型容易丢细节。更省事的做法是自己按字段拼表，拼完把表发回去问「这份表里有没有前后不一致的地方，逐条指出」。它在核查任务上的表现比汇总任务稳。

术语漂移比结论冲突更麻烦

同一份材料里，第一段叫「供应商」，第五段叫「供方」，第九段叫「合作单位」，三段其实指同一批人。分开问的时候每一段都答得对，合起来一看像是三个不同主体在办事，核对的人要花半小时才能理清。

处理办法是在开工前先定一份术语表，把同一概念的称呼固定成一个词，写进每段的提示词里。工程类、医疗类、法务类的材料尤其要做这一步，这三类的同义词最多。术语表本身也可以让它生成：把全文丢进去问「这份材料里有没有指代同一个东西的不同叫法」，它列出来的不够全，但能给你一个起步的清单。

顺序错乱是另一类问题。分段投喂的答案是按提问顺序返回的，你如果中途补问了一段，位置就容易乱。建议给每段的提问都加上段号，输出里也要求带段号，合并时按段号排，不按返回顺序排。

哪些材料不该切

合同、财报、检测报告这三类，切了容易出事。合同条款之间互相引用，切开的条款单独看是通顺的，合起来是矛盾的。财报的三张表要对照着看，分开就失去意义。检测报告的结论依赖整批数据，抽一段分析出来的结论没法用。

这类材料量太大时，换个思路：不切原文，只把需要判断的那几个问题先列出来，一次问一个，每次附上相关的整节内容。问十次，比切成三十段问一遍准。

一份可以直接抄的分段模板

「这是一份【文档类型】的第【N】段，共【M】段。前面已经确认：【三句话讲清已定事实】。本段开头部分与上一段重叠，不需要重复分析。请完成以下任务：【一句话说清要它干什么】。按下面的字段输出：【字段一、字段二、字段三】，没有提到的写「本段未涉及」，不要推测。」

模板里最值钱的是最后那句「不要推测」。分段投喂最大的风险不是它答得少，是它在缺信息时把话补圆，补出来的内容混在正确答案里，你分不出来。

还有一条经验：分段数量控制在十二段以内。超过这个数，合并成本会超过自己读一遍的成本，那时候不如换工具，或者干脆把材料裁到真正需要的那几节。