扣子解析长PDF需结构化预处理：先用天若OCR转Markdown，删页眉页脚，加结构声明；再分段提交，每段带明确指令、表格前置描述、强隔离符“===段落结束===”；首条系统提示词锁定输出格式，最后反向验证关键结论。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让扣子（Doubao）准确解析一份上百页的PDF合同或技术白皮书，但发现它频繁漏掉关键条款、混淆表格数据、甚至把附录当正文总结——这不是模型能力不足，而是输入方式没对上它的解析逻辑。
预处理：先“拆解”再喂给扣子
扣子不直接读PDF文件，它只处理纯文本流。如果你直接上传扫描件或带复杂格式的PDF，它会调用内置OCR粗略提取，结果不可控且无结构信号。
第一步：用专业工具转出干净文本。推荐「天若OCR」桌面版，开启“高精度版面还原”模式，导出为Markdown格式——它能自动识别标题层级、段落缩进、列表符号和表格边界，比Word另存为文本可靠得多。
第二步：手动删三类干扰项：【页眉页脚、重复水印、PDF阅读器自动生成的页码】。这些内容会被模型误判为正文语义锚点，尤其页脚“第X页 共Y页”反复出现时，会显著削弱对核心段落的注意力权重。
第三步：在原文开头插入结构声明。例如：“# 《XX采购合同》V3.2｜签署日期：2026-05-18｜共87页｜核心章节：第4条付款条件、第7条违约责任、附件三技术规格”。这相当于给扣子一张地图，避免它在长文本中迷失方向。
分段提交：用锚点控制注意力焦点
方法一：按逻辑单元切分，每段加指令前缀
把全文切成800–1200字/段，每段开头必须写明任务类型，例如：“【请提取本段中所有带‘不得’‘禁止’‘须于’字样的强制性义务条款，并标注所在条款编号】”。不能只写“请总结”，否则扣子默认泛化输出。
方法二：对含表格/公式段落做前置描述
遇到表格，不要直接贴Markdown表格代码。先用一句话概括：“表2-1为双方验收标准对照表，共5列：序号、项目名称、甲方要求、乙方承诺、偏差容忍值”。再贴表格。否则扣子会把表头当普通段落处理，丢失行列逻辑关系。
方法三：设置强隔离符
每段结尾必须加独立一行：“===段落结束===”。这个符号不能省略，也不能用“———”或“***”替代。扣子内部机制依赖该标记触发上下文重置，否则后一段会错误继承前一段的实体指代（比如把前段的“甲方”误认为本段主语）。
指令设计：用系统提示词锁定输出骨架
在首次提交前，单独发送一条系统指令，内容必须严格如下（一字不差）：
“你是一名持证企业合规分析师，仅处理当前提交段落。输出必须且只能包含三部分：①条款编号与原文首句（如‘第5.2条：乙方应在收到通知后7日内…’）；②对应法律后果（仅提取原文中‘否则’‘将承担’‘视为违约’之后的句子）；③缺失要素（指出该条款中未定义的关键名词，如‘重大过失’‘合理商业判断’等）。”
发送完这条指令后，【立即换行粘贴第一段文本，中间不能有任何空行或解释性文字】。多一个回车都会导致指令失效，扣子退回默认总结模式。
校验补救：反向验证薄弱环节
第一步：挑出总结中任一条结论，重新提问：“请定位原文中支撑‘乙方逾期交付需支付日0.3%违约金’这一结论的原始句子，精确到段落编号和行号。”
第二步：若返回“未找到”，说明该结论是幻觉生成。此时立刻回到原始文本，搜索关键词“违约金”“日”“0.3%”，复制含该句的完整段落，加上锚点“【请逐字复述本段中所有含数字的违约责任表述】”重新提交。
第三步：对两次结果差异处做标记。例如第一次说“日0.3%”，第二次返回“日0.15%”，则说明原始PDF该处有印刷模糊或OCR误识，需人工核对扫描源文件。
