Claude 深度实战：长文档分析与写作，职场人的三套提示词

厚资料为什么需要另一套打法

你一定有过这样的经历：收到一份三十页的合作协议，或者一份五十页的行业报告，需要当天给出一句「这事儿能不能干」。你从头翻到尾，翻到一半就晕了——条款之间互相引用，数据前后呼应，读完反而更没底。

这种活儿跟「写一段文案」是两种完全不同的任务。它的难点不在输出，而在输入太大：信息量远超你能一口气记住的范围，读到后面忘了前面，很容易漏掉关键的那一条。

上一代聊天模型有个硬伤：能塞进去的文本有限。一份长文档得切成几段分别处理，AI 看不到全貌，自然答不出「整体上有没有矛盾」。而这一代模型普遍把「一次能读多长」这件事往前推了一大步，长文档分析才真正变得好用。具体支持多长、支持哪些文件格式，以各官方最新公示为准。

读厚资料的痛点从来不是「找不到答案」，而是「不知道哪条信息才是答案」。长文本能力的价值，就是让 AI 先替你把整片资料看一遍。

长上下文优势到底体现在哪

很多教程把「长上下文」说成「能塞很多字」，这个理解太浅了。真正有用的地方在三个字：全局感。

当 AI 能一次读到全文，它才具备做下面这几件事的条件：

跨段落比对：第 3 页说的口径和第 27 页的说法是不是一致
抓前后矛盾：附件里的数字和正文里的结论对不上
做整体归纳：一份报告真正的主线论点是什么，不是逐段复述
按需定位：你问「关于违约责任写了什么」，它能直接翻回对应位置

反过来，如果 AI 每次只看到一小段，上面这些事它全都做不了——它只能告诉你「你给我的这段说了什么」，永远给不出「这份文件整体上怎么样」。

长上下文的三个正确预期

它让「整体判断」成为可能，但不代表 AI 会读完每一个字
它能大幅降低你读完厚资料的体力，但结论仍需你复核
内容越长，模型对中段信息的注意力越可能下降，关键处要主动追问

把厚资料读薄：文档解读方法

读厚资料的正确顺序，不是「先提问」，而是先让它交一份「阅读地图」，再按图索骥。这一招能同时解决两件事：一是确认它到底读没读进去，二是帮你快速建立整体印象。

第一步：让 AI 交地图适用于任何长文档

【文件】我上传了一份 [文档类型]，共约 [页数/字数]。
【任务】先不要做别的，只输出一份「阅读地图」，包含：
1. 这份文档的整体结构（有哪些主要章节，各讲什么，一句话概括）；
2. 文档里出现的所有「关键数字与日期」，列成表格，注明出现在哪一节；
3. 你觉得最可能需要我重点关注、或最容易有坑的 3 个位置，说明理由。
【约束】只依据原文，不要补充你的常识；不确定的地方写「原文未明确」。

拿到地图之后，你再带着具体问题去问，效果会好得多。而提问的方式也有讲究——越具体、越要求「引用原文」，答案越可信。

第二步：精准追问要求引用原文

【任务】针对这份文档，回答我的问题：[你的具体问题]。
【要求】
- 每条结论后面都必须标出依据的章节或页码，方便我回去核对；
- 如果原文有前后不一致的地方，把两处都列出来，不要自行取舍；
- 如果你的回答里包含你的推断（而不是原文直述），请单独标注「此为推断」。

踩坑提醒：AI「读过了」不等于「读对了」

长文档最容易出的问题是「中间漏读还答得很自信」。判断办法很简单：让它回答时带上出处。凡是给不出原文位置、只说「根据文档内容」的结论，都要打个问号，自己回去核一眼。

另外，涉及合同、法律、财务的文档，AI 的分析只能当作「帮你快速定位重点」的辅助，不能替代专业人士的判断。重要的条款一定要人工复核。

把长文写稳：结构化写作方法

写长文是另一件让人头疼的事：要么写着写着跑题，要么几个部分风格不统一，读起来像三个人拼的。用 AI 写长文，最容易犯的错是让它一次成稿——几万字的活儿想一把梭，结果一定是「大而空」。

稳的做法是先搭骨架，再分段填肉，最后通稿。三步走，每一步都能让你插手调整，不至于全盘推倒重来。

长文三步写法先骨架，后分段，再通稿

【第一步·搭骨架】
我要写一份 [文档类型]，主题是 [主题]，读者是 [对象]，目标是 [希望读者读完后做什么]。
请先给我一份大纲：列出 5-7 个部分，每部分一句话说明「这部分解决什么问题」。
先不要写正文，等我确认大纲。

【第二步·分段填肉】（确认大纲后）
现在只写第 [X] 部分，要求：
- 控制在 [字数] 左右；
- 开头一句先给结论；
- 涉及数据的地方写明「此处需我补充数据」，不要编造数字。

【第三步·通稿】（写完所有部分后）
把全文合起来通读，做三件事：统一术语、检查是否有前后重复、标出「论点跳跃或缺少证据」的地方。

这个流程有个隐性好处：骨架阶段暴露的是「思路问题」，正文阶段暴露的是「表达问题」。把两类问题分开解决，比混在一起改效率高得多。很多人的返工，本质上是思路没想清就直接让 AI 写正文，然后在一堆文字里找方向。

踩坑提醒：小心「像模像样但没内容」的长文

AI 写长文天生擅长「扩写」，很容易用漂亮的过渡句把篇幅撑起来，读着顺，信息量却很低。检验办法是把每个小标题下面提炼成一句话，看这几句话合起来是不是讲了一个完整的逻辑。如果发现某部分都是空话，就把它删掉，而不是让它继续扩写。

Claude 与 ChatGPT 怎么分工

经常有人问「到底用哪个」。更实用的问法是「哪种活儿交给哪个更顺」。两者能力有重叠，但在手感和偏向上确实有差别。这里说的是一般观感，不是绝对结论，而且版本更新很快，以官方最新公示为准。

任务类型	更顺手的倾向	原因
读厚资料、做全局归纳	长文本能力强的那个	一次读全，跨段落比对更可靠
写正式长文、报告、方案	偏「严谨书面」的那个	语气克制，长文不易跑偏
快速头脑风暴、短文案	响应快、风格活的那个	发散多、迭代快
联网找最新资料	联网检索更全的那个	需要实时信息时以联网能力为准
代码与结构化数据	按实测结果选	各有偏好，建议拿真实任务对比

一个我常推荐的搭配方式是：用长文强的那个读和写，用响应快的那个想和改。比如先用前者把一份 50 页报告读成 1 页摘要并写出方案骨架，再换成后者快速产出几版不同风格的标题、开头、结尾，最后回到前者统一成稿。工具之间会「分工」，不是因为谁更强，而是因为它们适合的环节不同。

选工具的两个土办法

拿你真实的一份资料、一个任务，两个工具各跑一遍，比任何测评都准
长期干的固定活儿，选定一个用顺手，别每换一个工具就换一套话术

职场三场景：读合同、读报告、写方案

下面三套提示词，覆盖职场里最高频、也最耗时的三类长文档任务。直接复制，把方括号里的内容换成你的信息即可。这三套的共同思路是一样的：先让它建立全局，再让它定位重点，最后要求它给出可核对的出处。

场景一：读合同

读合同重点抓风险，不抓细节

【角色】你是一位帮我做合同初审的助理。你的任务是帮我快速定位风险点，不是替我做最终判断。
【文件】我上传了一份 [合同类型]。
【任务】按下面四块输出：
1. 一句话概括：这份合同的核心交易内容是什么；
2. 关键条款表：列出「付款方式 / 履约时间 / 违约责任 / 争议解决 / 解除条件」等条款，注明对应章节；
3. 风险提示：找出对我方不利、表述模糊、或可能埋坑的 5 处，每处引用原文；
4. 待确认清单：列出需要我和对方或律师进一步确认的事项。
【约束】
- 不替我做「能不能签」的结论，只陈述条款和风险；
- 所有引用必须标明章节或页码；
- 涉及法律判断的地方，明确提示「建议咨询专业人士」。

场景二：读行业报告

读报告要观点，不要复述

【角色】你是擅长快速消化行业资料的分析师。
【文件】我上传了一份 [报告名称]，共约 [页数]。
【任务】输出一份「一页纸摘要」，包含：
1. 报告的核心结论，用 3 句话讲完；
2. 支撑结论的 3-5 个关键数据，列成表格并注明出处；
3. 报告自己承认的「局限性或未覆盖的问题」；
4. 站在我的角度，这份报告还回答不了、但我需要知道的问题（列出 3 个）。
【约束】
- 不要逐章复述，我要的是提炼和判断；
- 区分「报告原文观点」和「你的补充解读」，分别标注；
- 所有数据保留原文数值，不要估算或换算。

场景三：写方案

写方案先结构后内容

【角色】你是一位写过大量 [领域] 方案的老手，风格务实，讨厌空话套话。
【任务】帮我写一份 [方案类型]，用 Markdown 输出，主题是 [主题]，读者是 [决策者角色]。
【结构要求】按「背景与问题 → 目标 → 方案主体 → 实施步骤 → 所需资源 → 风险与应对」组织。
【约束】
- 每部分开头先用一句话给结论，再展开；
- 涉及具体预算、时间、人员的地方标注「此处需补充实际数据」；
- 不使用「赋能」「闭环」「抓手」这类词；
- 全篇控制在 [字数] 左右，先给我大纲让我确认，再写正文。

Claude 这类长文本工具真正的用法，不是「让 AI 替你读」，而是让 AI 先帮你把厚资料的地图铺开，再由你决定往哪里看。判断权和责任始终在你这儿，AI 负责的是把最耗体力那部分先干完。

下一篇换个方向：把视线从国外工具拉回来，聊聊国产大模型（Kimi、豆包、通义这些）分别在什么场景下更合适，以及免费额度到底怎么用才不浪费。