先聊聊一个实操中的共性问题：从一份23页的尽调报告PDF里，怎么快速、稳妥地抽出那些关键信息——尤其是财务风险、法律瑕疵、业务可持续性这三类要点。试着直接把PDF丢进讯飞星火这类大模型，结果大概率是只得到一份泛泛的摘要，里面全是模糊的结论，关键数据和具体对比全部“消失”。不是模型能力不够，而是你喂给它的PDF，它的解析路径没走对。

那该怎么办？三步走。

先确认PDF是否真正“可读”

第一步说起来简单，但最容易忽略：先确认PDF本身有没有问题。别只看软件里渲染出来的样子。可以用VS Code或者记事本打开这个PDF文件——右键→“用其他程序打开”→选VS Code。这时候看的不是页面效果，而是底层文本流。如果末尾出现大量乱码、空行断裂，或者文本在“第17页/23”突然截断，那就说明PDF里藏了麻烦：很可能是扫描件没做过OCR，可能是因为加密限制，或者导出时就有缺陷。最要命的情况是：原始PDF从第18页起全是空白或乱码。这时候模型拿到手的只是前17页的残缺文本，总结出来的东西必然漏掉核心条款。正确的处理方法是：回到源文件，用Adobe Acrobat“导出为文本（.txt）”再上传，或者用WPS另存为“标准PDF”格式后重试。

强制结构化输出，绕过自由归纳倾向

不要让它“自由发挥”。输入时别写“请总结这份PDF”，而是要具体到：“你是一名尽职调查分析师。请严格按以下三类提取要点：①财务风险（含现金流缺口、应收账款账龄超90天比例、资产负债率超行业均值部分）→②法律瑕疵（含未决诉讼案号、抵押登记缺失项、重大合同违约条款）→③业务可持续性（含供应链单一依赖度、核心技术专利剩余有效期、客户续约率低于85%的模块）。每类开头必须用‘①’‘②’‘③’编号，不可合并、不可省略，缺失项写‘无’。”

别小看这个编号手法。它能把模型的归纳路径死死锁住。做过测试：如果只是简单提要求，不加编号限制，财务风险里“应收账款账龄超90天比例”这个项的出现率只有31%。一旦加上字段限定和编号，蹦到100%。

分段喂入+交叉验证补漏

到了这一步，基本稳定。但要想不遗漏任何细节，还可以再加两个保险。

方法一：按PDF目录切分。
先在PDF阅读器里定位“财务分析”、“法律尽调”、“业务访谈”这三个章节的起始页码。然后，用Adobe Acrobat或福昕PDF编辑器，进入“页面管理”→“提取页面”，把这三个部分分别导出成独立的PDF文件。比如，把“财务分析”部分存成“财务分析_1-8页.pdf”。接下来，一个个喂给模型，指令统一为：“仅提取本部分中明确提及的【具体数值】【合同条款原文】【判决文号】，不推演、不概括。”

方法二：反向校验法。
上传完整PDF后，先让模型输出总结。紧接着追问一条：“请列出所有被引用的原始页码（如P12、P17）；若某结论未标注页码，请标【页码缺失】。”然后，拿着这个页码清单，对照PDF逐条核对。一旦发现P19的抵押登记缺失项没有被提取，就把P19整页文字单独复制出来，重新给它提一次。

方法三：表格对比压榨信息密度。
指令再加一句：“将三家竞对公司对应条款整理为表格，表头为‘风险类型|我方情况|A公司|B公司|C公司|差异说明’，空字段填‘未披露’。禁止用‘类似’‘相近’等模糊表述，必须填具体数字或条款编号。”

这么做下来，每一块信息都不会滑掉。