AI 文档处理包括摘要、改写、抽取、分类、对比、问答和生成。它适合处理大量文本资料，但需要注意事实准确、格式稳定和敏感信息。

1. 常见任务

任务	示例
摘要	会议纪要、报告摘要、长文提炼
抽取	从合同中提取甲方、金额、日期
分类	工单分类、邮件分类
改写	改成正式、简洁或面向用户的版本
对比	比较两个版本差异
问答	基于文档回答问题
生成	生成方案、周报、说明文档

2. 处理链路

文档输入
  -> 格式解析
  -> 文本清洗
  -> 分段处理
  -> 模型任务
  -> 结果校验
  -> 人工复核
  -> 输出文档

长文档不要一次性塞给模型，通常需要分段摘要再合并。

3. 摘要策略

文档类型	摘要重点
会议纪要	结论、决策、待办、负责人、截止时间
技术方案	背景、目标、架构、风险、计划
合同	主体、金额、期限、义务、风险条款
故障报告	影响、原因、处理、复盘、改进

摘要要明确面向谁，不同读者需要不同粒度。

4. 信息抽取

结构化抽取适合输出 JSON。

{
  "contract_name": "string",
  "party_a": "string",
  "party_b": "string",
  "amount": "number | null",
  "effective_date": "string | null",
  "risks": ["string"]
}

未知字段应填 null，不要编造。

5. 风险控制

1. 保留原文引用，方便核对。
2. 对金额、日期、姓名、编号做规则校验。
3. 对合同、财务和法律文档引入人工复核。
4. 敏感文档进入模型前做脱敏。
5. 对输出格式做程序校验。

6. 常见坑

问题	原因
摘要遗漏重点	没指定读者和摘要维度
抽取字段编造	没要求未知填 null
长文处理混乱	没分段和合并
表格数据错位	解析阶段丢失结构
风险条款漏掉	没定义高风险关注点

7. Tips 快问快答

Q：长文档怎么处理最好？

A：先按章节或语义分段处理，再合并摘要，并在最后做一致性检查。

Q：AI 能替代合同审查吗？

A：不能完全替代。AI 可做初筛和风险提示，关键合同仍需专业人员审查。

Q：文档处理需要 RAG 吗？

A：单篇文档处理不一定需要；跨大量文档问答、检索和引用时更适合 RAG。