拿到一份上百页的财报或研报,从头翻到尾要一整天,扔给 AI 又怕它漏读、编数字。这篇不聊虚的,只讲一条能重复用的流程:文档先怎么收拾,问什么、按什么顺序追问,以及哪些地方必须自己回去核原文。适合第一次用长文本功能读财报的职场人和投资新手。
拿到一份上百页的财报或研报,从头翻到尾要一整天,扔给 AI 又怕它漏读、编数字。这篇只讲一条能重复用的流程:文档先怎么收拾,问什么、按什么顺序追问,以及哪些地方必须自己回去核原文。适合第一次用长文本功能读财报的职场人和投资新手。
先把预期放正:长文本模型是帮你「定位和提速」的,不是替你「下结论」的。它的强项是把散在几百页里的东西按你的问题捞出来、整理成结构;弱项是密集数字表格容易串行、模糊表述容易被它脑补。按下面这条流水线走,出错率会低很多。想先摸清各家工具在长文档上的实际表现,到 /tools/speed-test 看当时的测试记录,再决定用哪个。
投喂之前:文档先收拾干净
投喂前的功夫,往往比提问本身更决定结果。核心判断标准只有一条:模型读到的文本,跟你想让它读的内容是不是同一份。只要中间隔了扫描层、加密层或大量无关页,后面所有追问都在错误的地基上盖楼。
- 判断合并还是分开要问跨文档的联动问题(比如年报和研报口径对比),合成一个文件传;只问单篇细节就分开传。分开传时文件名里写清年份和来源,方便后面点名追问。
- 处理进料质量扫描版 PDF、图片型表格、加密文档直接上传大概率读不全,先用 OCR 或转文本处理一遍,清洗顺序对照 /pdf-ocr-doc-cleaning 做,做完自己抽一页原表格核对数字有没有错位。
- 删无效页广告页、免责声明、目录、重复附录先删掉,能省上下文也少干扰。报告太长时优先保留正文、三大表和管理层讨论章节,其他可以后补。
- 上传后先做完整性自检问一句「这份文档一共几页、由哪几个部分组成」,拿它列出的结构跟真实目录对一遍,缺块就重新处理,确认完整再进正题。
提问顺序:先骨架,再血肉,最后挑刺
很多人一上来就问「这份财报怎么样」,换回一堆正确的废话。有效的顺序是先让模型把结构复述出来给你校对,再挖具体数字,最后逼它解释因果关系。每一轮都能验证上一轮靠不靠谱。
| 轮次 | 问什么 | 判断标准 |
|---|---|---|
| 第一轮 | 列出主要章节和核心结论 | 对照目录看有没有缺块,缺了就重传 |
| 第二轮 | 点名要的指标,要求表格返回并标页码 | 没标页码的一律当没答,重新问 |
| 第三轮 | 解释营收、利润、现金流的变化关系与归因 | 答得像套话就拆小问题再追 |
| 第四轮 | 挑刺:让它说这份报告最薄弱的假设 | 答不出具体点,说明前面读得浅 |
- 把问题拆小,「帮我总结这份研报」太宽,「这份研报对行业增速的假设是什么、依据哪几页」才可验证
- 要求它区分「原文写了」和「你的推断」,凡是没标出处的句子都当推断处理
- 同一指标换两种问法各问一次,两次结果不一致就说明这部分不可靠,回原文
- 追问用「接着上面的第 X 页」这种指代,比重新描述需求更省事也更准
这套顺序的用意是让错误尽早暴露。第一轮就发现文档没读全,比问到第三轮才怀疑数字有问题要划算得多。模型在长文本上的表现会随文档类型波动,别把一次成功当成稳定能力,正式用在材料里之前到 /rankings 看看同类工具在长文档场景下的近期评测。
哪些答案必须回原文核
长文本模型在密集表格上串行串列很常见,而且它会用很自信的语气说出来。判断标准很简单:凡是会被你抄进邮件、汇报或投资笔记的内容,都要有原文页码对应;只是用来帮你决定「接下来去读哪几页」的,可以放宽。
- 所有具体数字、同比环比、单位(元还是万元)翻回原页面对一遍,尤其是三大表
- 人名、公司名、关联交易对象、诉讼与担保条款属于高风险信息,不要直接写进结论
- 模型说「报告未提及」时换个问法再问一次,很多漏答是检索没命中,不是文档里真没有
- 要落到决策上的结论,至少关键三类数据自己核过再写出去,模型的角色是帮你定位
多份文档一起读时怎么组织
读多份文档的坑不在读,而在「混」。同一家公司不同年份的报告混一起,模型很容易把某年的话安到另一年头上。组织方式的目标就是让每次提问的指代对象唯一。
- 多年份单公司
- 每份单独传,问的时候点名「以某年那份为准」,避免跨年串数
- 多公司横向比
- 先让它在单份里抽同一组指标,再统一放一张表,比一次扔十份让它自己比准得多
- 超上下文上限
- 拆两批分别读完各自出摘要,再拿摘要做第二轮汇总,切分和压缩方法见 /long-doc-cost-strategy
- 同一批反复问
- 先固定一份摘要稿,后面基于摘要追问,比每次重读全文省事也省钱
还有一个容易忽略的点:文档越长,每次追问的消耗越高。把结论先固化下来,后续只对着摘要提问题,既能保持前后一致,也方便你把不同来源的口径对齐。想知道当前各家在长文档处理上的成本和能力情况,到 /price-watch 核对当时的数字,再决定值不值得换工具。
什么情况下这套流程不适用
没有万能流程。下面几类任务,长文本只能做初筛,硬套上面这套顺序反而容易让人误以为已经核过了。
- 需要逐字精确引用、条款比对、审计级核对的任务,最终仍要人工逐条比对原件
- 表格为主、版式复杂的老式扫描财报,OCR 不过关时模型拿到的就是错的,先解决进料
- 时效性强的盘中数据、实时行情不在长文本适用范围,别拿静态文档问动态问题
- 涉及未公开信息、内部材料,先想清楚能不能传,数据边界参考 /key-safety 里的原则
长文本帮你把一百页压成十页,但那十页对不对,还是得你翻开原始那一页。下一步把上面这套流程当成模板走一遍,再挑一份你熟悉的旧报告反向验证:看它标出的页码跟你记忆里的对不对得上。想横向比较几家工具在长文档上的真实表现,到 /tools/speed-test 看当时的评测结果,再决定把哪份报告交给谁读。→
常见问题
文档太长传不上去或者传上去读不全怎么办?
先把文档拆成几段,按章节或按年份分开传,每段读完让它出一份摘要,再用摘要做汇总。扫描件先做 OCR 转文本,图片型表格单独摘出来。传之前删掉广告和免责声明页,能明显减少无效内容占用。
它给的数字和原文对不上,是模型不行吗?
多半是表格解析或页码定位的问题,不是模型理解能力的问题。做法是要求它标注每个数字的出处页码,然后你翻回去核一到两个,对不上就换更干净的文档版本重传。密集表格建议连表头一起截图或复制成文本再喂。
读研报和读财报,提问方式有区别吗?
有。财报以数字和条款为主,重点在抽指标、对口径、标页码;研报以观点和推演为主,重点在让它区分哪些是事实引用、哪些是作者判断,并要求分开列。两类文档混在一个文件里时,先明确告诉它哪部分是原始数据、哪部分是观点。