کار با PDF و سند بلند: خلاصهٔ دقیق همراه با ارجاع
از بارگذاری یک PDF تا ساخت خلاصه، جدول نکات و پرسش‌وپاسخ مستند؛ با پرامپت آماده و روش پیدا کردن خطاهای استخراج متن.
خروجی را پیش از بارگذاری مشخص کنید
درخواست «این PDF را خلاصه کن» معمولاً یک متن کلی می‌دهد. ابتدا بنویسید برای چه کسی می‌خوانید و چه تصمیمی دارید: مرور یک گزارش، پیدا کردن تغییرات یک دستورالعمل یا آماده‌شدن برای جلسه. خلاصهٔ مدیریتی، فهرست اصطلاحات و استخراج عددها سه کار متفاوت‌اند و بهتر است جدا انجام شوند.
یک نسخهٔ کاری از سند بسازید و اطلاعاتی را که برای سؤال لازم نیست از آن کنار بگذارید. شمارهٔ نسخه و تاریخ فایل را هم یادداشت کنید تا بعداً خلاصهٔ دو سند متفاوت با هم مخلوط نشود.
ابتدا مطمئن شوید متن درست خوانده شده است
PDF ممکن است متن واقعی داشته باشد یا فقط تصویر صفحات باشد. در حالت دوم، ابزار باید قابلیت خواندن تصویر یا OCR داشته باشد. پیش از تحلیل کل فایل، از آن بخواهید عنوان یک بخش، یک ردیف جدول و یک جمله از صفحه‌ای مشخص را استخراج کند. همان نمونه‌ها را با خود فایل مقایسه کنید.
جدول‌های چندستونه، پاورقی‌ها، اعداد فارسی و شکست سطرها از محل‌های رایج خطا هستند. اگر شمارهٔ صفحهٔ چاپ‌شده با شمارهٔ صفحه در نمایشگر فرق دارد، از ابتدا بگویید کدام ملاک است. ارجاع ساختگی از نداشتن ارجاع بدتر است؛ بخش نامشخص باید با برچسب «یافت نشد» مشخص شود.
پرامپت برای خلاصهٔ مستند
فقط بر اساس فایل پیوست کار کن. مخاطب، همکار غیرمتخصص من است. ابتدا موضوع و ساختار سند را در پنج خط توضیح بده. سپس پنج نکتهٔ اصلی را بنویس و برای هر نکته عنوان بخش و شمارهٔ صفحه را، اگر واقعاً قابل تشخیص است، ذکر کن. در پایان سه ابهام یا اطلاعات غایب را فهرست کن. دادهٔ بیرون از سند اضافه نکن و ارجاعی نساز.
پس از این خروجی، به‌جای درخواست یک خلاصهٔ تازه، روی بخش مشکل‌دار تمرکز کنید: «نکتهٔ سوم را با جملهٔ منبع تطبیق بده و نشان بده کدام قسمت، برداشت توست.» این کار بررسی را قابل پیگیری می‌کند.
عددها را جدا بررسی کنید
برای سند عددی، یک جدول بخواهید: نام شاخص، مقدار، واحد، دورهٔ زمانی و محل آن در سند. مثلاً عدد «۱۲» بدون اینکه ماه، درصد یا تعداد باشد، برای تصمیم‌گیری کافی نیست. تبدیل واحد یا محاسبهٔ رشد را به‌عنوان مرحله‌ای جدا درخواست کنید تا دادهٔ منبع با نتیجهٔ محاسبه مخلوط نشود.
تمرین کوتاه
یک فایل پنج تا ده صفحه‌ای انتخاب کنید. سه سؤال بپرسید که جواب دو مورد در فایل هست و جواب یکی نیست. ابزار مناسب باید برای سؤال سوم نبود اطلاعات را تشخیص دهد. سپس سه ارجاع خروجی را خودتان باز کنید و دقت آن‌ها را بررسی کنید.
برای جستجو در چند سند، راهنمای RAG را بخوانید. برای تفاوت فایلِ بارگذاری‌شده با اطلاعاتی که مدل از قبل می‌داند، تفاوت مدل و دستیار کمک می‌کند.