一、核心认知：解读长文档是"布置任务"，不是"提问"

Kimi 这类长上下文模型让人习惯把整份文件丢进去问一句"总结一下"。短文章没问题，但面对几十页的招股书、论文、技术手册时，结果往往过于概括，甚至遗漏关键限制条件。

正确的做法是像给实习生布置工作一样，把身份、目标、步骤、输出格式、引用要求全部交代清楚。这四个要素缺一个，输出质量就掉一档。

二、要素一：身份 + 输出边界

同一份文档，让不同身份的人读，关注点完全不同。问"这份合同说了什么"，模型只能按通用理解输出；告诉它"你是一名企业法务，重点排查甲方风险"，它会自动切换到更匹配的分析框架，优先提取违约责任、知识产权、争议解决等条款。

角色设定不是为了凑字数，而是指定分析框架。输出边界更关键：长文档常存在信息不全、表述模糊甚至前后矛盾之处，不加约束，模型就会用"看起来合理"的推理填补空白，产生幻觉。

你是一名有 8 年经验的金融分析师，正在审阅一份创业板招股书。请只依据文档内容进行解读，不要补充外部知识。如果文档中没有明确信息，请回答"原文未提及"，不要推理。输出时先给出 3 条最重要的风险提示，再列出财务数据中需要重点关注的异常项。

这段提示词同时做了三件事：指定身份、限定信息来源、规定输出顺序。相比"分析一下这份招股书"，它把模型随意发挥的空间压到最小。

三、要素二：把解读拆成可执行步骤

长文档解读最常见的问题是"平均用力"：给一个笼统目标，模型往往只在开头几页密集输出，后面草草带过。解决办法是让提示词本身变成一份操作清单。

有效路径是先要结构，再逐段深入：让模型先输出全文结构并标注每章起始段落编号，再据此定位到具体章节。这样它必须为全文建立索引，而不是直接跳到结论。

请按以下步骤处理这份文档：
1. 先列出文档的完整章节结构，并给每个章节标上起始段落编号。
2. 根据章节结构，指出与"研发费用资本化"相关的所有章节。
3. 逐章提取相关原文，说明资本化时点、金额和依据。
4. 如果某章节没有相关信息，直接跳过，不要从其他章节推测。

效果差异很明显：直接问"研发费用资本化情况如何"，模型可能从中间某段开始总结，漏掉定义部分或附注里的关键假设；拆成步骤后，先结构识别、再按编号定位，遗漏概率显著下降。

四、要素三：强制标注引用位置

比遗漏更麻烦的是"看起来对、原文里没有"的结论——把 A 项目的描述套到 B 项目上，或把风险提示写成事实陈述。

最直接的抑制办法是要求每条结论后标注来源：段落编号、小节名称或原文短句摘录都行。你可以写死规则：

请在每条结论后面用括号标注依据来源，例如【第 3 节第 2 段】。如果原文中没有对应表述，必须写"未找到原文依据"。

这条约束的作用机理是：迫使模型回到原文检索，而不是依赖语言概率往下"顺"。它不能百分百消灭幻觉，但能让你一眼看出哪句有据、哪句可疑。

五、四类文档的提示词模板

六、三个最常见的错误

• 只给目标不给步骤。"帮我总结"是目标，"先列结构、再定位、后逐章提取"才是步骤。
• 不设"不知道"的出口。不给模型说"原文未提及"的许可，它就只能编。
• 一次问十个问题。问题越杂，输出越浅。一次一个明确任务，反而更快。

长文档解读的质量，八成取决于提示词写得多具体。模型的能力是天花板，提示词决定你能不能碰到天花板——大多数人的问题，是连地板都没踩稳。