---
title: "让 Claude 分析 PDF / Word 文档的完整方法"
description: "从判断文档类型、交代背景，到摘要、抽取、问答、对比四类问法，让每条结论都能回到原文核对。"
updated: 2026-11-13
canonical: https://docai.cc/learn/analyze-pdf-word-documents/
markdown_mirror: https://docai.cc/learn/analyze-pdf-word-documents.md
---
## 先分清手里的文档

数字版 PDF 的文字可以选中，解析通常可靠；扫描版每页都是图片，只能靠识别，错字、漏行、表格错位都可能出现；加密文件在解锁之前读不了。Word 文档相对稳定，但修订痕迹、批注、文本框里的内容未必会被读到，重要信息最好复制到正文再确认。

上传后先做一次小检查：让它复述标题、章节结构和第一段的核心意思。对不上，就换一种提法，或者先转换格式。

## 提问前先交底

同样一份报告，问「总结一下」和问「我是采购负责人，要判断这家供应商能不能续约，请只基于第三章的成本数据给结论」，结果完全不同。交底包含四件事：文档性质、你的角色、要做的决定、允许使用哪些章节。

材料多的时候，再补一句文件之间的关系。比如「A 是初稿，B 是评审意见，请逐条核对 B 是否被 A 采纳」，比笼统的「对比一下」清楚得多。

### 先列问题，再读文档

更有效的顺序是先列问题，再读文档。把你要做的决定写在最前面，比如「这份报告要回答三个问题：预算够不够、工期是否可行、风险有哪些」，然后要求它逐题回答并标出依据。没有问题清单，摘要就会变成目录的复述。

## 四类任务，四种问法

摘要不要只要一段话，而要「一句话结论 + 三条支撑 + 适用边界」，这样能看出它有没有抓住重点。

提取数据要指定字段和输出形状，并要求标注页码。比如：

```
从这份年报里提取营收相关数据。
字段：指标名称 | 本期数值 | 上期数值 | 页码
只填报告中明确写出的数字；没有披露的写「未披露」，不要估算。
最后单列一行：报告是否调整过统计口径。
```

条款问答要求引用原文位置。多版本对比则固定维度，输出表格，缺失项留白而不是补全。

## 一套动作跑完：摘要、抽取、问答

拿到一份陌生报告，不必每类任务都问一遍，可以按下面的顺序走一次，每一步都留下可回查的位置：

```text
背景：我做采购，正在评估这家供应商能否续约。
请依次完成三件事，每件事单独输出，不要合并：
1. 用 250 字概括报告，结构为「背景 → 主要发现 → 结论」，并注明各段出自第几章；
2. 按下表抽取成本数据：项目 | 本期 | 上期 | 变化 | 页码；报告没写的填「未披露」；
3. 回答：报告里哪三条证据支持续约，哪三条反对，分别引用原文和页码。
```

第三问是重点。只让它罗列支持证据，答案会一边倒；把支持和反对同时要，才逼它把原文里不利的部分也读进去。换成年报对比，就把「本期/上期」换成两份文件，指标固定为营收、净利润率、研发投入占比和主要风险，缺一项就留白。

## 让每个结论都能核对

模型最危险的动作不是答错，而是把推测写得像原文。两个要求能压住这种倾向：一是每条结论后面标页码或章节；二是明确说「找不到就回答没有找到」。再加一句「区分原文与你的推断」，它会老实很多。

抽查时别只看总结，翻回它引用的那一页。对不上，说明文档解析有问题，或者它在补全。补全的识别方法见[幻觉](/concepts/hallucination/)。

还有一个低成本动作：让它把用到的原文段落原样贴出来，你再对照。引用段落和页码同时出现，编造的空间会小很多；只有结论没有出处，就当成待核实的线索。

## 长文档要拆

上百页的文件，先要目录，再选章节。一次只喂一个章节的问题，最后再让它汇总跨章节的结论。直接要求「分析整份报告」，得到的往往是开头几页的复述。具体的分段策略见[处理长文档](/learn/handle-long-documents/)，容量限制则取决于[上下文窗口](/concepts/context-window/)。

Word 文档还有一个细节：如果内容主要在表格里，明确说「以表格中的字段为准」，否则它可能只读正文叙述。Word 的正文、表格、批注在解析时未必被同等对待，你看到的内容不等于模型读到的内容：批注可能被忽略，页眉页脚里的编号可能丢失，跨页表格可能被拆成两段。涉及责任、金额、期限时，把关键段落复制到对话里再问一次，等于给它一份可对照的底稿。

## 常见故障：现象、原因、处理

| 现象 | 原因 | 处理 |
|---|---|---|
| 正文选不中，提问也答非所问 | 扫描件没有文字层 | 先做文字识别，或换带识别能力的工具转换后再上传 |
| 回答只覆盖开头几页 | 整本一次喂入，注意力落在前部 | 先要章节清单，再按章节分批提问，最后汇总 |
| 表格数字串了列 | 跨页或嵌套表格在解析时被拆开 | 把关键表格复制成文本或 CSV，再按列读取 |
| 文件打不开或提示加密 | 文档设了打开密码 | 先用有权限的工具解密，再上传 |
| 页码对不上 | 页眉页脚或扫描偏移影响定位 | 改用条款号、章节标题定位，必要时贴出原文段落 |

这套方法也有边界：音频和视频不能直接分析；图片里的密集小字，识别错误率明显高于正文；要签字或对外出具的结论，仍然得回到原件逐条核对。合同、简历、证件和银行信息都属敏感材料，能脱敏就脱敏，企业有合规要求时走对应的企业版服务。上传方式与格式支持的细节，见[文件上传指南](/learn/claude-file-upload-guide/)；图片类材料的限制，可参考[多模态](/concepts/multimodal/)。

## 自测

1. 你能判断手里的 PDF 是数字版还是扫描版吗？
2. 你的问题有没有指定页码或章节？
3. 结论后面有没有可核对的位置？

文档分析的可信度，来自范围小、引用明、可回查。下一节换一种材料：[把表格数据读出结论](/learn/claude-excel-data-analysis/)。