AI 读长文档会漏信息,通常不是因为文档“超过某个固定长度”,而是任务范围、文档结构和读取策略不匹配。按需读取适合先定位与当前问题相关的章节;全文核对适合确认“是否完整”“有没有例外”“数字能否闭合”以及高风险结论。两者应当串联:先缩小范围提高效率,再根据触发条件扩大读取并做覆盖检查。
即使模型能够接收很长的上下文,也不等于它已正确识别每个附件、表格、脚注和后文修订。检索式读取还可能把文档切成若干片段,相关词命中了主规则,却没有命中远处的例外。判断“读没读全”不能只看答案流畅与否,而要看任务需要哪些证据、系统实际覆盖了哪些位置。
长文档漏读,常见在四个地方
- 切分边界:定义在上一段,限制条件在下一段,两个片段没有一起进入回答。
- 结构信号丢失:标题层级、表头、脚注和附件关系未被正确保留,片段看起来相似,含义却不同。
- 问题过宽:一句“总结全部风险”没有说明风险类型、时间范围和必须覆盖的章节,模型只能自行取舍。
- 冲突未消解:正文先给旧方案,后文或附件再修订;系统找到了两处,却没有判断谁覆盖谁。
阿里云百炼的知识库文档说明,文本经解析、切分和索引后参与检索,问答时再基于检索内容生成回答。切片大小和重叠范围会影响证据能否完整进入上下文。百炼的创建知识库文档列出了按长度、页、标题等切片方式,并将切片与检索参数分别配置。文档能被接收,只是起点;结构保留与证据定位仍需逐项检查。
按需读取与全文核对怎么选
| 任务或信号 | 先用什么 | 为什么 |
|---|---|---|
| 查一个明确术语、日期或单项流程 | 按需读取 | 目标集中,可返回章节与原文证据 |
| 比较两个已知章节的差异 | 按需读取后定向扩展 | 先取两处,再补标题、上下段和引用附件 |
| 问题包含“全部、所有、唯一、没有例外” | 全文核对 | 结论要求证明覆盖范围,单次命中不够 |
| 合同、制度、合规或对外承诺 | 全文核对并人工复核 | 漏掉限定条件的业务后果较高 |
| 答案引用多个数字且需要合计闭合 | 全文核对相关表格与附注 | 数字可能分布在正文、表格和脚注 |
| 检索结果出现冲突版本或相反结论 | 扩大范围并核对版本 | 需要确认生效日期、修订关系与适用对象 |
| 先做资料探索,尚未形成结论 | 按需读取 | 快速找到结构和候选证据,再决定下一轮范围 |
“全文核对”也不等于把所有文字一次性塞进提示词。它可以是按目录逐章扫描、对关键字段做覆盖矩阵、核对附件清单,并把各章节结果汇总到同一份证据表。重点是覆盖可证明,而不是调用形式看起来像全文。
如何判断按需读取已经漏了
| 信号 | 可能发生了什么 | 下一步 |
|---|---|---|
| 回答只有结论,没有章节、页码或引文 | 证据链不可见 | 要求返回来源位置并逐条对照 |
| 目录有附件或附录,答案完全未提及 | 读取范围只覆盖正文 | 单独解析附件并核对引用关系 |
| 同一对象出现两个日期或版本 | 旧内容和修订内容同时存在 | 查生效日期、版本号和替代关系 |
| 答案频繁使用“一般、通常、可能” | 条件不足或模型在补全 | 把模糊断言拆成可验证问题 |
| 抽查的例外条款没有出现在答案里 | 主规则命中,例外未命中 | 以“哪些情况不适用”反向检索 |
| 数字合计与原文总数不一致 | 漏表、漏单位或重复统计 | 按表格、期间和单位重建计算 |
腾讯云智能体开发平台的召回测试文档支持按问题查看实际命中的知识条目,并比较召回配置。用于长文档时,可先检查“找到了什么”,再核对“回答得怎么样”:未命中相关条款和拿到条款后理解错误,需要不同的修正动作。
一个可执行的四步读取流程
- 定义交付:写清问题、对象、时间范围、必须覆盖项和允许遗漏项。
- 按需定位:返回候选章节、标题路径、页码或原文片段,并标记未解析内容。
- 运行触发检查:遇到全称判断、高风险、冲突、附件、数字闭合或低置信信号,扩大到全文核对。
- 交叉验收:用反向问题查例外,用目录查覆盖,用数字查闭合,由责任人复核最终结论。
石墨办公公开事实说明,企业接入 AI 时应按实际模型服务、权限和调用链确认范围;“能调用长上下文模型”不等于企业资料已经完整、安全地被读取。可在2026.11 私有化协作 Office 白皮书了解员工、业务系统和 Agent 共用文档基础设施的整体思路,也可查看石墨办公文档中台私有部署与石墨办公 Office Harness的产品边界。
从自己的文档开始验证
准备一份包含正文、表格、附录、修订记录和已知例外的脱敏样本,先问一个单点问题,再问一个“列出全部例外”的问题,记录两次实际读取范围和证据位置。需要把这套流程接入企业 Agent,可参考Office Agent 交付方案并预约演示;仅需先体验文档协作和 AI 入口,可从产品试用开始。