长文处理最容易丢掉的，不一定是句子本身，而是它属于哪一章、适用于哪个版本。先建立片段与出处的关系，后续的摘要和问答才更容易核对。
先按内容结构分组
以一份课程讲义为例，可以先识别章节标题、连续段落和附属表格，再决定片段边界。不要只按固定字符数把一句规则和下一段的例外条件拆开。具体大小应通过自己的材料测试，没有适合所有文档的统一字数。
每个片段带上出处
建议至少记录文档名、版本、章节和原始位置。文件改版时保留新旧关系，而不是让两份同名PDF覆盖彼此。这样回答出错时，可以区分是检索到了旧内容，还是模型误读了新内容。
缺失必须显式标记
如果只处理了前几页，应记录处理范围；扫描件识别失败、图片中的文字未提取，也应成为可见状态。不能用一段流畅概述掩盖材料实际上没有读全。
用一个跨段问题验收
自拟一个需要同时理解定义与例外的问题，检查系统是否引用了两处材料。再问一个文档没有答案的问题，观察是否承认资料不足。保留问题和预期出处，之后调整分段方式时重复检查。
参考与延伸阅读
Microsoft Learn 技术文档。本文的学习步骤和练习为本站整理；涉及具体产品或工具时，请同时核对当前版本说明。
资料查阅与编辑日期：2026年9月22日。作者：玖柒。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
THE END
