上百页的论文、几十页的合同、动辄几万字的行业报告——直接整个丢给 AI，要么超出上下文报错，要么得到一堆正确的废话。长文档总结不是「发一个大 prompt」就完事，真正稳定的做法是一套三段式工作流：切片、分段总结、汇总提炼。照着做，再长的文档也能一次读完并拿到能用的结论。
为什么整篇丢给 AI 效果差
两个原因。一是上下文窗口有限：再大的窗口也有上限，几百页 PDF 塞进去经常直接超限；二是「中间遗忘」——即使塞下了，模型对超长文本中段内容的注意力会明显下降，开头结尾记得牢，中间的关键条款和结论反而被略过。所以长文档总结的核心思路不是换更强的模型硬塞，而是把「读全文」拆成「分段读、再汇总」。
三段式工作流：切片 → 分段总结 → 汇总
第一步切片：把文档按章节或固定长度切开，每段控制在几千字，切的时候尽量沿章节、小标题切，不要把一句话劈成两半。第二步分段总结：对每一片用同一个模板提问，例如「提炼本节的核心观点、关键数据、可能的风险，各不超过三条」——模板固定，每段输出的结构就一致，后面才好合并。第三步汇总：把所有分段摘要拼在一起再交给模型做一次总总结，这一步的输入已经从几万字压缩到一两千字，质量和准确度都会明显提升。
用 API 做这件事非常顺手：一个循环脚本逐段调 https://api.aigcbreeze.cn/v1/chat/completions，分段用便宜快的模型（如 glm-5.3-flash），最后汇总一步再换强模型（如 deepseek-v4.1-flash 或长上下文的 doubao-seed-2-1-turbo）。几十页的文档几分钟跑完，成本比人工通读低得多。
切片大小别贪大：单段超过一万字，分段总结的质量就开始下滑；几千字一段，配合固定模板，是最稳的平衡点。
不同文档的模板要点
论文重点要「结论、方法、数据、局限」四要素；合同重点要「权责、金额、期限、违约条款、对你方不利的内容」——最后一条最重要，让模型专门用一节列出风险点和对应的条款编号，方便回到原文核对；报告则要「核心结论、支撑数据、与上期/同行的对比」。模板里明确要求「引用原文小节编号」，可以大幅降低模型编造的风险，也方便你抽查验证。
常见问题
PDF 直接扔进去可以吗？
纯文字 PDF 可以，先用工具把文本抽出来再切片更干净；扫描件和图片型 PDF 先做 OCR，否则抽出来全是乱码。表格密集的报告建议转成文本时保留表格结构，或单独截图交给多模态模型读。
分段总结会不会丢掉细节？
会丢一部分，所以工作流要分两层：摘要层给人看，负责快速理解；需要细节时，再让模型基于定位到的章节做二次精读。先粗后细，比一次性全文阅读又快又准。
怎么控制总结风格和长度？
在模板里写死输出格式：比如「用不超过 5 条要点，每条不超过 40 字，用中文」，并指定语气（客观陈述 / 通俗解释）。模板越具体，多段之间的输出越一致，汇总效果也越好。