Kimi的长上下文能力让很多人习惯把整份文件直接丢进去，然后问一句“帮我总结一下”。这种用法在短文章上问题不大，但面对几十页的招股书、论文或技术手册时，返回的结果往往过于概括，甚至遗漏关键限制条件。长文档解读的难点不在于模型能不能读进去，而在于提示词有没有把解读目标、输出结构和验证方式写清楚。

接下来从几个实用角度拆解，怎么把提示词写到足够具体，让Kimi的解读结果从能用变成好用。

一、给Kimi一个明确的解读身份和输出边界

很多人忽略了一个事实：同样一份文档，让不同身份的人来读，关注点完全不同。如果你直接问“这份合同说了什么”，Kimi只能按照通用理解输出；但如果你告诉它“你是一名企业法务，重点排查甲方风险”，模型会切换到更匹配的知识组织方式，把违约责任、知识产权、争议解决等条款优先提取出来。

角色设定不是为了增加字数，而是为了让模型知道该用哪一套分析框架。输出边界同样关键。长文档中经常存在信息不完整、表述模糊甚至前后矛盾的地方。如果不加约束，模型很可能用看起来合理的推理去填补空白，产生幻觉。你可以明确要求：只依据文档内容，文档没有提到的就回答“原文未提及”，不要补充外部知识。

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。

这段提示词同时完成了三件事：指定身份、限定信息来源、规定输出顺序。相比一句“分析一下这份招股书”，它能大幅减少模型随意发挥的空间。边界条件写得越清楚，结果越不容易跑偏。

二、把长文档解读拆成可执行步骤

长文档解读最容易出现的问题是平均用力。模型面对几万甚至十几万字时，如果只给一个笼统目标，它很可能只抓住开头几页密集输出，后面的内容被简单带过。解决办法是让提示词本身成为一份操作清单，强制模型按步骤处理。

一个有效的做法是先让模型输出文档结构，再根据结构定位到具体章节。这样模型需要先对全文建立索引，而不是直接跳到结论。你可以要求它标注每个章节的起始段落或页码，然后指定只关注哪些章节。比如阅读招股书时，先列出所有章节，再指出与“研发费用资本化”相关的部分，最后逐章提取原文。

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。

这一步改动看似简单，实际效果差别很大。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，模型先完成结构识别，再按编号定位内容，遗漏概率会明显降低。

三、强制引用原文位置，减少幻觉和遗漏

长文档解读中最让人头疼的还不是遗漏，而是模型生成一段看似合理、但原文根本没有的结论。比如它可能把A项目的描述套到B项目上，或者把风险提示写成事实陈述。要降低这种现象，最直接的方法是要求模型在每条结论后面标注来源位置。

引用位置可以是段落编号、小节名称或原文短句摘录。你可以在提示词中写：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”。这样做会迫使模型回到原文中检索，而不是依赖语言概率生成内容。

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”。不要用自己的理解代替原文含义。

除了标注来源，还可以要求“先引用后解释”。也就是先摘录原文关键句，再给出通俗解释。这样即使解释出现偏差，用户也能快速回到原文核对。对于合同、财报这类准确性要求极高的文档，这种双重校验非常有必要。

另外要单独设置“找不到依据”的输出通道。很多模型在无法定位原文时，会选择含混表述，比如“可能”“通常”“一般情况下”。明确要求它写“未找到原文依据”，可以避免这类模糊措辞掩盖信息缺失。

四、分场景提示词模板与实战

不同文档的解读重点完全不同，论文侧重方法和贡献，合同侧重风险和权责，技术手册侧重接口和参数。用一套万能提示词处理所有场景，效果一定打折。下面是几个可以直接改写的模板。

【论文阅读】
你是一名相关方向的博士研究员。请先概括论文解决的核心问题和主要贡献，再分别总结方法、实验设计、关键数据和局限性。每个结论都要标注对应的章节或图表编号。最后用三句话说明这篇论文与“少样本学习”的关联程度。
【合同审阅】
你是一名企业法务。请逐条列出这份合同中对甲方不利的条款，包括付款条件、违约责任、知识产权归属和争议解决方式。每条风险后面给出修改建议，并引用条款编号。如果某类条款缺失，单独说明。
【技术手册】
假设你是一名需要基于这份文档做二次开发的工程师。请按操作流程提取所有接口名称、参数、返回值和报错码，用表格输出。不要遗漏可选参数，并在备注列标注参数出现的小节。

实际使用时，模板里的角色名称和任务目标要根据你自己的情况替换。比如阅读论文时可以把“少样本学习”换成你的研究方向，处理合同时可以把“甲方”改成“我方”。模板的核心不是固定措辞，而是把场景对应的关键维度提前列出来。

还要注意输出格式的约束。如果希望拿到表格，就明确写“用表格输出，列为A、B、C”；如果希望控制篇幅，就写“每个结论不超过50字”。这些细节看起来琐碎，却能显著提升结果的可用性。

五、常见错误与优化对照

很多人写提示词时习惯了口语化表达，以为模型能自动理解隐含需求。下面用一个表格对照几种典型场景的普通提示词和优化提示词。

对比可以看出，普通提示词没有限定分析维度、排序方式和引用要求，模型只能靠猜。优化提示词把该看什么、按什么顺序看、结论怎么呈现都写清楚了，输出自然更稳定。提示词并不是越长越好，但关键信息必须到位，尤其是场景、角色、边界和格式这四件事。

还有一个常见误区是把多轮对话当成一次性任务。长文档解读往往需要先粗读再精读，你可以先让Kimi给出文档结构，再基于结构追问某几个章节。把复杂任务拆成多轮，比试图用一段超长提示词一次解决所有问题更可靠。