用 AI 帮自己读长文档越来越普遍，但有个绕不开的隐患：如果你压根没看过原文，根本无从判断它写出来的摘要准不准。XDA 一位编辑做了个实验，把同一份 47 页的路透社新闻研究院报告分别交给 ChatGPT、Claude 和 Gemini 提炼要点，还特意要求每条数字都标出处页码，结果三个模型全在关键处翻了车。想放心让 AI 代读，得先学会怎么核查它。
一、先给一份”硬约束”提示词
- 上传 PDF 后，明确告诉模型：用约 800 字总结、列出十大要点、附上相关统计、解释研究方法、区分实测结果与预测、每条数字都注明支持它的页码、且只引用所传文件。
- 加上”找不到就明说”的限制，避免模型从训练记忆里脑补出报告里没有的内容。
- 比起模糊地让它”总结一下”，把字数、要素、证据分级和引用格式一次性讲清，能大幅减少它自由发挥的空间。
二、挑最强的模型，并打开深度思考
- ChatGPT：选用 GPT-5.6 Sol，把推理档拉到 Extra High。
- Claude：选用 Opus 5，effort 至少设为 high，最高可到 Max 档。
- Gemini：选用 Pro 并开启 Deep Think（需 Google AI Ultra 订阅）；没有就退而用 Extended thinking。
- 这轮实测里 ChatGPT 的摘要最稳，统计与页码大体对得上，但仍会混淆”实测”与”预测”的边界，不能全信。
三、把”区分证据类型”当成硬性检查项
- 拿到摘要后逐条核对：这个数字到底来自实测数据、受访者预期，还是作者本人的预测？
- 对照原文看几个翻车点：Claude 声称”报告里每个百分比都只是高管预期而非实测”，但报告第 10–12 页明明有来自 2576 个网站的实测数据——谷歌搜索引荐量全球下降 33%、美国下降 38%；Gemini 把”67% 出版商因 AI 未裁员”错放进”实测结果”，其实它来自 263 位高管的自报，并非独立统计。
- 凡是没标页码、或把”97% 认为后台自动化重要”（感知的重要性）当成”已有 97% 采用率”的，都要打问号。
四、要保真，换 NotebookLM
- 作者发现，把同一份报告传到 NotebookLM（现已更名 Gemini Notebook）让它对照概括，几乎不会冒出文件里没有的来源和事实。
- 它的回答严格限定在用户上传的资料范围内，比直接用聊天模型更不容易”瞎编”，适合论文、财报、合同这类不容有失的场景。
注意事项：AI 摘要适合快速摸底和抓重点，但凡涉及关键决策的内容，务必回到原文逐条核对页码与口径，别让一处幻觉带偏判断。
来源：XDA Developers
