Appearance
PDF 阅读、抽取与证据整理
用户问题
PDF 看似固定，实际可能包含扫描图片、双栏排版、脚注、表格、页眉页脚和多个版本。一次抽取拿到的文字只能算输入，不等于已经验证的事实。研究结果必须保留文件版本、页码、原文片段或表格位置，并把计算和推断分开。
适用场景
- 阅读公开报告、产品资料、规范、白皮书或内部授权文档；
- 从长 PDF 中提取章节、表格、数字、定义和证据位置；
- 将多份 PDF 整理成研究底稿、对比表、问题清单或 Word/PPT 输入。
不适合在文件来源不明、授权不足或 OCR 质量未经抽查时直接批量发布结论。
目标结果
得到 PDF 登记表、章节或页码索引、抽取结果、主张—证据表、待核验清单和研究草稿。每条关键结论都能回到具体文件版本和页码；无法确认的内容保持待核验状态。
前置条件
- 记录文件名、来源、接收时间、版本、页数和授权范围；
- 明确研究问题、时间范围、需要的字段和输出格式；
- 准备原 PDF 只读副本及独立输出目录；
- 约定页码以 PDF viewer 页码还是印刷页码为准，并记录二者差异；
- 涉及敏感资料时确认存储、分享和引用边界。
操作步骤
- 登记文件。 先确认文件可打开、页数合理、目录和版本一致；同名文件按版本分开保存。
- 定位范围。 根据研究问题先列章节、关键词、表格和图示候选页，不要一开始把全部内容压成摘要。
- 抽取并标记。 提取文字、表格和必要的图片说明，同时标记扫描件、OCR、双栏、脚注和阅读顺序风险。
- 建立证据表。 每条主张记录文件、页码、章节、原文位置、证据类型、时间口径和核验状态。
- 区分四层信息。 将原文事实、自己计算、基于事实的推断和待验证观点分开保存；计算保留公式和输入。
- 交叉核验。 对关键数字、否定表达、单位、日期、脚注和表格合计回到原页抽查，多个版本冲突时并列记录。
- 形成研究底稿。 用问题、证据、分析、限制和下一步组织输出，不把摘要直接当作最终决策依据。
可复制提示词
请阅读并整理 {PDF文件清单}，围绕 {研究问题} 生成一份研究底稿，输出到 {输出目录}。
先登记：
- 文件来源和授权：{来源与授权}
- 文件版本和日期：{版本与日期}
- 研究时间范围：{时间范围}
- 需要抽取的字段：{字段清单}
- 页码口径：{页码口径}
请按以下顺序执行：
1. 列出文件名、版本、页数、目录和可能的扫描/OCR/双栏风险；
2. 输出候选章节和页码，不要先生成结论；
3. 生成主张—证据表，记录文件、页码、原文位置、时间口径和核验状态；
4. 分开记录原文事实、计算、推断和待验证观点；
5. 对关键数字、单位、否定表达、脚注和表格合计回到原页抽查；
6. 输出研究底稿、待核验清单和引用索引，不上传、不公开、不代替专业决策。变量说明
| 变量 | 代表什么 | 示例 | 必须人工确认 |
|---|---|---|---|
| 允许读取的 PDF 集合 | ./input/reports/ | 是，确认文件和权限 | |
| 需要回答的问题 | 比较两版方案的变化 | 是，限定范围 | |
| 抽取和底稿位置 | ./output/evidence-pack/ | 是，确认访问范围 | |
| 文件来源和使用许可 | 公开页面或已授权内部文件 | 是，确认可引用范围 | |
| 文件版本和发布时间 | V2 / 2026-09 | 是，区分同名文件 | |
| 研究纳入的期间 | 2025-01 至 2026-06 | 是，避免混期 | |
| 需要抽取的内容 | 定义、数字、限制条件 | 是，确认抽取目标 | |
| 页码如何标记 | PDF页码+印刷页码 | 是，避免引用错位 |
主张—证据表建议字段
| 字段 | 用途 |
|---|---|
| 主张 | 用一句话写待验证的事实或观点 |
| 文件与版本 | 防止同名 PDF 混用 |
| 页码与位置 | 让下一位读者能回到原文 |
| 证据类型 | 正文、表格、脚注、图示或 OCR |
| 时间与单位 | 避免跨期、币种或单位混淆 |
| 处理层级 | 原文事实、计算、推断或待核验 |
| 核验状态 | 未查、已抽查、冲突、需人工确认 |
验收标准
- 每个关键结论都能定位到文件版本和页码或明确待核验项；
- OCR、双栏、脚注、表格和页码偏移风险经过抽查；
- 原文事实、计算、推断和观点没有混写；
- 多版本或冲突证据被并列记录，没有静默选择；
- 原 PDF 保持只读，输出底稿不越过文件授权和隐私范围。
常见错误
| 错误 | 结果 | 修正 |
|---|---|---|
| 只复制抽取文字 | 表格和脚注关系丢失 | 回到原页抽查版式 |
| 把 OCR 结果当原文 | 数字和符号可能错误 | 标记 OCR 并抽样核对 |
| 只保留摘要不保留页码 | 结论无法复核 | 建立主张—证据表 |
| 多版文件混成一份 | 时间口径冲突 | 按版本登记并分开引用 |
风险和人工确认点
- 内部、客户和个人 PDF 先确认授权、存储和引用范围；
- 研究底稿不替代法律、财务、投资、合规或业务负责人判断；
- 上传、共享、外发和公开引用必须单独预览并确认；
- PDF 解析结果必须以实际抽取和原页抽查为准，不承诺所有文件结构都能无损读取。
相关说明书
相关解决方案
来源引用
- SRC-UPSTREAM-CH11：办公文件的来源、口径和交付验收原则。
- SRC-UPSTREAM-CH18：公开资料整理、事实/计算/假设/观点分层和引用方法。
内容版本与核对日期
- 内容版本：0.1.0
- 最后核对：2026-09-26
- 适用版本状态：PDF 文本、表格、扫描件和版式抽取能力以当前产品版本、文件结构和实际抽查结果为准。
- 来源提交版本：6b5e2403f0f2ad5d3f7ab7a67e9c4d4113583ff3
- 内容更新说明：新增 PDF 阅读、抽取、页码定位和主张—证据整理的实操流程。