工具
Chat with PDF
作者:Ofrai Editorial(AI Model Curators)
Ofrai 对话工作室支持 PDF 与 DOCX。用任意在线对话模型对提取文本提问 — 这是文档问答,不是另开一个 ChatPDF 订阅。
对话与视频按积分计费。
怎么用
打开对话工作室,附上 PDF 或 Word 文件,认真细读选 Claude,更快的轮次用 DeepSeek 或 GPT,然后在文件所在的同一线程里提问。附件在整个对话中持续可用,后续追问不需要重复上传。注意工作室显示的上传上限;需要对比来源时一次传一份文件,两个文件塞进同一线程,很容易得到两边都不引用的混合答案。
第一个问题最好用描述句而不是评价句:「概括第一页的范围和出现的当事方」,这样能在花掉十轮问答之前,先确认提取是否真的成功。
它不是什么
它不是完整的法律发现平台,也不是在提取失败时充当纯扫描页的 OCR。它不会上网检索,因此不会主动用外部知识补文档的空缺,除非你把这些材料明确贴进去。开新线程之后,它也不会记得上一份文件。它同样不保证答案里的数字与页面上的数字一致——提取过程可能悄悄丢掉上标、小数点或脚注标号。
这些都不妨碍它好用,只是说明它是一个阅读与问答工具,而不是记录系统。合适的心智模型是:一位读过你文件的极快研究助理,一边凭记忆作答,你在旁边跟着读原文核对。
什么时候切到 AI 编程助手
文档问题答完后,在同一对话工作室切回编程模式,把总结贴进 IDE 或工单。对话记录和积分不变。
哪些 PDF 效果最好
原生文字 PDF 答案最干净,因为提取器能直接读到字符,也就是从 Word、InDesign、Google Docs 或现代出版工具导出的那些文件。带图层的 PDF——可见文字压在扫描图之上——通常也能正常提取。出问题的是从幻灯片截图拼成的 PDF、由老式 CAD 或绘图工具导出的文件,以及被扫描软件重新保存后整页被压成图片的版本。
加密文件会在上传时失败而不是提问时失败,这反而是好的失败方式。不确定属于哪一类时,打开文件选中一段正文,看选中的是真实文字,还是图片上的矩形高亮。
哪些格式上传最顺
PDF 最稳,DOCX 也不错,因为文字层没有歧义;纯文本或 Markdown 反而最准。表格导出能读,但会丢掉合并单元格和表头的含义,所以问合计时要先在提示词里把表头那行说清楚。演示文稿转换后一般是一页一张幻灯片,通常能撑住,但图表标签常被切碎成零散片段。
邮件往来存成 PDF 会带上引用历史,页数变多,模型也分不清这段是谁说的。面对这些别扭格式,实用的做法是只导出相关章节:一段带清晰标题的二十页,往往比一份答案埋在第 160 页的两百页文档更有用。
让答案指对页码
不主动要求,它就会给你自信的散文。要引用:「用三句话回答,并逐字引用你依据的那一句,标上页码」。这样你两秒就能核对来源,而不必重读整份文件。涉及合同条款、数字或监管规定时,先要原文引用,再要转述,因为转述会藏住细微的措辞变化,引用不会。找不到答案时,要求它明说:「如果文档里没有,请只回答:文档中没有」。
一句幻觉条款会立刻变成一个显眼且廉价的失败。两个习惯决定文档问答是可依赖还是危险:所有你要据此行动的内容都要求引用,并在转述给任何人之前,亲自核对其中最关键的两三处。
扫描件与原生文件的分界
扫描 PDF 里没有字符可提取,只有字符的图片,模型等于在凭空作答,于是会产出流畅、自信且错误的内容。识别方法很简单:如果第一页的总结里没有出现你在页面上看得见的任何确切数字、人名或日期,就是提取失败了。修法是前置处理——先跑一遍 OCR,或者回到源软件重新导出并勾选文字层选项。
没有 OCR 条件时,把需要的那几页当作图片交给支持视觉的图像模型,而不是整份扫描件传上去碰运气。还有一条禁忌:不要混用。部分扫描的文档会在原生页上答得好、在其余页上编造,这比干脆知道文件不可用更糟,因为这种失败看起来是有选择性的,因而显得可信。
哪种模型读哪种文档
Claude Sonnet 是细读者,适合长合同、密集的报告、漏掉一条就要付出代价的材料,以及需要盯表格和脚注的文件。GPT-5 是快速通才,适合对熟悉文档类型做首轮通读、比较同一份东西的两个版本,以及需要跨章节推理而不是取一个事实的问题。
DeepSeek V4 Pro 是批量阅读的实惠中档,比如读四十份合作合同只为找一条条款,价值在覆盖面而不在单条答案的质量。实用的路由是:先用便宜模型读一遍定位相关页,再用高级模型就那些页重问。这个组合通常只要一次完整高级阅读的零头,答案还更好,因为高级模型不必再猜哪些页重要。
文档提问的提示词结构
问题的形态决定答案的形态。要提取,就写死:「把付款条款部分出现的每个日期、金额和币种列成表格,标上页码。」要对比,就把两边都给它:「比较第 4 节和第 7 节的解约通知,只说它们不一致的地方。」要核对合规,就给规则而不是给主题:「我们是特拉华州公司、50 名员工,这份合同允许未经同意转让吗?引用条款。」
要有目的地做总结,就说明用途:「为非技术买方总结技术限制章节。」不该写的是「讲讲这份合同」,它稳定地产出关于合同的泛泛段落。需要多个角度时,在一条消息里列成编号问题,模型就会覆盖你的清单,而不是自己挑几个。
文档答案在哪里出错
五类失败覆盖了大部分劣质回答。静默跳页:提取时丢了一张表或一个附件,模型根本不知道,于是拿剩下的内容自信作答。数字粘连:一列数字被压成一个长句,其中一位发生变化。长线程里的归属漂移:问到第十轮时,模型依据的是自己前面的总结,而不是文件,而第一个错误正是从那份总结里进来的。
定义漂移:模型使用的术语与文档定义章节不同,这在合同里后果最重。还有自信的缺席:问到文件之外的内容时,它照样作答。只要强制页码引用,并在新线程里重新附上同一文件重问那个重要问题,这五类都很容易拦下。
长文档与上下文上限
文档长不等于整份都被同等认真地读。超长文档的中段最容易变模糊,因为模型的注意力被前面所有内容摊薄了。绕开比硬扛有效:把三百页按逻辑分块,对每块问同一个问题,再比较答案,差异明显的那一块通常才是有意思的地方。
读长文档时,先用便宜模型产出一页章节与页码地图,然后只在你关心的范围内工作。在线程开头说明文档是什么——「这是我们与一家德国客户在 2024 年签的主服务协议」——单是这句话就能消除不少误读;开新线程时再重述一遍即可。
一次文档问答的积分开销
文档工作和其他文本任务一样按 token 计费,送入请求的提取文本越大越贵,而长线程里每一轮都在重复背着这份大文件。第一个可控点是收窄范围:传需要的二十页,而不是两百页的整本手册,通常就能去掉大部分开销而不损失答案。
第二个是模型路由,便宜模型读四十份文档定位一条条款,代价只是最终解读它那次高级阅读的一小部分。第三是别重复劳动:答案一旦拿到就记进自己的笔记,而不是换个说法再问一遍、花全价拿回同样的文字。在 Ofrai,这套积分同时要付图片和视频,所以一个下午的文档工作,是直接和你排在它之后的营销工作抢预算的。
谁该先做文件预处理
有些文档不值得在聊天里硬啃。每一个数字都有法律分量的监管文件、改一个词就变意思的合同、涉及特权或保密义务的材料,以及任何要被对外引用的内容,都应该用专门工具读,或者交给能被追责的人。大批量也一样:如果你要读几百份文档,脚本配提取接口比人在回路里对话更快更便宜,而且会留下一致的记录。
Chat with PDF 最强的场景,恰恰是原本你得把整份东西通读一遍再跟人讨论的情况——一份合同、一份报告、一本长手册、一个午饭前必须拿到答案的问题。任何未核对的转述都可能造成金钱或信誉损失的场景,都属于聊天窗口之外,而不是里面。
打开工作室
常见问题
- 哪些模型能看到文件?
- 对话工作室里已上架的文本模型。目录允许时,可在同一线程切换。
- 文件会用来训练 Ofrai 吗?
- 产品用于生成;上传如何处理见隐私政策。
- 一次生成多少积分?
- 生成时会显示 Ofrai 积分。标价是起点,画幅与时长会改变最终消耗。
- 怎么在 Ofrai 开始?
- 从本页打开图片或视频工作室,选推荐模型,粘贴或改写起始提示词,在作品库生成。
- Chat with PDF 的输出可以商用吗?
- 模型输出按你处理任何模型回答的方式使用,需遵守各模型的使用规则。商用发布前请查看模型页与发布条款。