阅读与总结：提取、压缩和推断

摘要是在什么条件下压缩信息

摘要并不是简单地把每一段删短。它需要判断哪些信息与读者的目标有关，以及哪些条件不能在压缩时丢失。对同一份搬迁通知，员工关心什么时候装箱，搬家公司关心哪些设备由谁搬，管理者关心整个安排是否完整。

因此，要求AI总结时，最好说明你想从材料里解决什么问题。任务可以是提取行动项、比较两种观点、解释论证，或者只寻找一个具体事实。目标越清楚，越容易判断摘要是不是有用。

提取、总结和推断有什么区别

这三种处理都可能有价值，但需要标清。原文没有写“管理混乱”，模型不能把自己的评价放进摘要，伪装成通知的结论。原文只说“工位另行通知”，也不能推断为“没有工位”。

用相近时间看清压缩风险

假设通知写：“周五17:00前完成装箱，18:00起旧办公室停止进入；显示器由服务商搬运，个人不要拆装。”一份过度压缩的摘要可能写成“周五18:00前搬走个人物品和显示器”。

这句话既把装箱截止推迟了一小时，又改变了显示器的负责人。它看起来更简洁，却让读者做错事。正确摘要应保留两个不同时间的用途，以及个人与服务商的职责区别。

核对摘要时，重点检查日期、金额、否定词、例外条件和行动主体。它们常常字数很少，却能改变整段话的意思。让AI给每项结论指出对应原文，可以提高核对效率，但仍要看引用是否准确。

长文件进入模型前，可能经过哪些处理

上传文件后，应用通常需要先读出文字与结构。扫描件可能需要文字识别，表格可能需要解析行列，长文档可能需要分段或检索。任何一步读错，后续摘要都可能沿用错误。

如果原文是复杂表格，先检查模型识别出的列名和几行样本；如果是扫描件，先检查小字、日期和数字。文件显示“上传成功”，不一定意味着所有内容都已经被正确理解。

一份摘要怎样保持可追溯

对行动项，可以记录“事项、负责人、期限、依据”；对研究材料，可以记录“主要结论、支持证据、适用条件、作者未回答的问题”。不用每次做成复杂表格，但应让关键结论能够回到来源。

遇到很长或彼此冲突的资料，先分别总结，再比较差异。若一开始就要求合成一篇顺畅文章，模型可能把分歧抹平。保留差异有时比给出一个统一答案更忠实于材料。