跳至主要內容

PDF 實操

PDF 如何整理成 AI 知識庫?從一份場地手冊開始

下載一頁示例 PDF,試問場租、假期例外和預訂條件,再打開引用核對答案。

下載場地手冊 PDF
深綠桌面上的紙本文件與顯示文件輪廓的平板屏幕

「星期六借房兩個鐘,要預幾多錢?」場地手冊把平日價、週末價和假期例外寫在一起。問 AI 之前,先記下原文怎樣界定收費。回答之後再打開引用,看看它是否用對了價錢、單位和適用條件。

先確認 PDF 裏的文字讀得通

在原檔選取一段含表頭、金額和例外的文字,貼到純文字編輯器。如果只剩「平日 週末 300 450」,便要補回幣別、計價單位及適用日子。文字可選取且順序清楚,可以先用原檔測試。掃描本可先用獲准的 OCR 工具轉成可搜尋文字,逐個核對數字。

Liu 等人的長上下文研究顯示,即使相關證據已送入模型,證據的位置仍可能影響回答。論文測的是模型收到的文字,不能從 PDF 頁碼直接推斷結果。這份練習把文件能否讀入,以及回答有否運用證據,分開檢查。

用這一頁場地手冊開始

下載上方的示例 PDF,匯入 WoowMind 的測試知識庫,等資料準備完成。也可把以下同一份文字另存為 TXT,對照兩種格式的引用。收費和安排均屬虛構。

可複製的手冊原文

海旁排練室|場地手冊

v2|現行|11 月 1 日起適用

第 1 節・租金 平日每小時港幣 300 元。星期六及星期日每小時港幣 450 元。每節最少租用兩小時。公眾假期的收費須另行確認。

第 2 節・器材 租金包括譜架及座椅。鋼琴須於預訂時提出,工作人員確認後才視作留用。

第 3 節・落實預訂 收到場地書面確認才算訂妥。提交查詢不會保留時段。

問三條問題,再逐題打開原文

每題用新對話。以下是按手冊推導的練習答案,可用來核對你自己跑出的結果。

  1. 普通星期六借兩個鐘,淨場租幾多?

    預期答案
    港幣 900 元(450 × 2)。第 1 節列出週末時租及最少租用時間。
    判為失敗
    只報時租,或用平日價推算。900 元是算出來的,原文只需支持算式的條件。
  2. 星期六撞正公眾假期,借兩個鐘係咪都係 900 蚊?

    預期答案
    公眾假期的收費須另行確認。打開第 1 節核對最後一句。
    判為失敗
    直接報港幣 900 元,或只引用週末價。
  3. 我只係填咗查詢,鋼琴同房係咪都留咗?

    預期答案
    房間要收到書面確認,鋼琴要在預訂時提出並獲職員確認。分別核對第 2 及第 3 節。
    判為失敗
    把提交查詢當成已訂妥,或只交代其中一項。

換成自己的第一份文件

挑一份獲准使用、仍然有效的手冊。選一條有金額或時限的問題,先記下答案所在頁,再看 AI 能否找到同一條原文。若只在表格題失手,先把相關幾行改寫成保留欄位意思的完整句子,然後重測原題。

你可以記下「問題|實際回答|引用頁碼或段落|有否漏掉條件」。當文件另有舊版本或例外條款,就用六題引用驗收繼續檢查版本、例外與資料不足的情況。

參考論文

  • Lost in the Middle: How Language Models Use Long Contexts

    Nelson F. Liu, Kevin Lin, John Hewitt, Ashwin Paranjape, Michele Bevilacqua, Fabio Petroni, Percy Liang · TACL, 2024

    第 2 節比較不同證據位置的表現。這份 PDF 是獨立的實操練習,沒有重現論文的控制實驗。

試用 WoowMind 文件問答