要让Kimi真正读懂一份长文档，关键一步在于给它一个明确的身份约束。很多人上传行业白皮书、课程讲义或政策文件后，得到的却是“本文讨论了多个方面”这类泛泛而谈的无效总结。问题根源往往就在这里——模型缺乏清晰的身份标识，不知道自己该以谁的视角、用什么标准来判断什么是真正的“重点”。

设定角色是强制聚焦的第一步

直接扔一句“请总结这篇文档”过去，相当于让一个路人进图书馆随便翻两页就写读后感。正确的做法是：给Kimi一个不可替代的职业身份，让它自动屏蔽无关信息、调用对应领域的判别逻辑。

在输入框顶部第一行，直接输入这样的角色声明：【你是一名持有CPA资质的财务尽调分析师】，紧接着换行粘贴文档首段。不需要“你好”“请帮忙”这类客套话——角色指令必须紧贴文本，形成强制聚焦的效果。

这个角色会立刻激活模型对“现金流异常点”“关联交易披露完整性”“或有负债表述模糊性”的敏感度，而不会去分析段落修辞风格或作者背景故事。

角色必须带专业动作约束

光说“你是一名律师”？那还是太含糊了。工作经历丰富的都知道律师分刑辩、知产、合规，角色叙述里不交代具体专业方向和要完成的标准动作，模型依然会在半空中自由发挥。

方法一：绑定具体法规条目
输入：“你是一名专注数据合规的执业律师，正依据《个人信息保护法》第38条审查本协议条款，请逐条比对并标出三项未满足‘单独同意’要求的条款原文。”

方法二：限定输出动词类型
输入：“你是一名教育局课程评审专家，请用‘删除’‘保留’‘修订’三个动作对以下教学目标陈述做判定，仅输出动作+原句，不解释原因。”

值得注意的细节：角色指令后禁止空行，必须另起一行直接粘贴文本，否则Kimi会将指令视为独立提问而忽略上下文联系。

分阶段叠加角色提升精度

第一步：用一个宏观角色来界定全局视域
例如：“你是一名半导体制造工艺工程师”。这一步能过滤掉所有市场分析、融资动态类内容，把注意力锁死在设备参数、良率瓶颈、制程节点演进上。

第二步：用微观角色锁定动作颗粒度
例如：“你现在切换身份为晶圆厂FAB1的OPC（光学邻近效应校正）工程师，请从上述材料中提取三处明确提及‘掩模误差增强因子（MEEF）超标’的原始描述，并标注其对应工艺层（如Poly、Metal1）。”

第三步：用校验角色闭环验证
例如：“你现为第三方审计师，请复核前两步输出：若某条‘MEEF超标’描述未注明测试条件（如曝光剂量±5%）、未关联具体机台编号（如ASML NXT:2000i#3），则标记为‘证据链缺失’。”

这个三层递进结构，本质上是从一个模糊的领域专家逐步收索到一个具象的执行角色，最后用审计视角完成交叉验证——这才是驱动模型深度理解、而非表面罗列文档内容的可靠路径。