课前导读
HR 手边永远有读不完的长文档——几十页的制度、上级的红头文件、动辄上百页的调研报告。以前只能硬着头皮通读，现在可以把整份 PDF 传给 AI，直接问它"这份制度里关于试用期的规定怎么说""这份报告的核心结论有哪些"。看这条视频时别只盯着操作，重点盯它怎么"带着问题读"：先上传，再追问，让 AI 把你要的那几条精准捞出来，6 分钟看完就能自己试。
教学正文
先搞懂：为什么"总结全文"不如"带着问题读"
把长文档问答想象成查一本没有目录的厚书。你让人"帮我把整本书总结一下"，他只能给你一段笼统概括，例外、条件、适用范围全被压没了；你让他"翻到讲旷工处理那一节，念给我听"，他反而能精准定位。AI 读长文档是同一个道理——定位比概括更少丢信息。
机制上要破除一个被夸大的说法："上下文越长越不会漏"。学术研究《Lost in the Middle》发现，模型对位于开头和结尾的信息用得更好，藏在中间的信息容易被忽略。翻译成 HR 的话：别把关键条款埋在 80 页中间指望它自己捞出来。
所以正确姿势是三步走：先建"文档地图"（目录、摘要、关键条款、例外），再针对问题定位检索，最后生成答案并引用依据。不要一上来就问"请总结这份 80 页制度"，那会得到一份漂亮但没法复核的摘要。
工具能力上：Kimi 官方说明支持长文本对话与多文件上传，可处理 PDF、Word、Excel、PPT、图片、TXT、视频，单文件不超过 100M、最多 50 个文件。能读进去，不等于每个细节都可靠——这正是要先画地图、再定点问的原因。
跟我做：让 Kimi 啃一份长制度并精准答疑
挑一份你一直没空细读的长文件——新版员工手册或招聘管理制度。若是扫描 PDF，先用 WPS 或 OCR 转成可复制文本再传。
- 打开 Kimi，新建对话，上传《员工手册》或《招聘管理制度》。扫描件不转文字，表格和条款号极易被漏读
- 第一轮不要问答案，先要"文档地图"。输入：「只基于上传文件，输出：①章节目录 ②每章 50 字摘要 ③高频 HR 问题清单 ④涉及员工重大权益的章节 ⑤你认为可能有歧义或缺失的条款。每项都标页码或条款号。」这一步既建了导航，也暴露了它没读全的地方
- 第二轮定点提问，逼它先定位再回答。输入：「只回答这个问题：员工连续旷工如何处理。请先定位相关条款，再按"涉及条款→条款原文摘录→HR 可执行解释→不得直接下结论的情况"输出。」
- 第三轮追问边界。输入：「这个答案里哪些来自原文、哪些是你的解释？解释部分标注"需 HR/法务复核"。」把"原文"和"解读"劈开，你才知道哪句能直接引用
- 预期输出：不再是一段摘要，而是带条款定位、原文依据和复核提示的制度问答——你能顺着条款号回原文核，而不是对着摘要发慌。
对照：80 页手册，"求总结"和"先画地图"的分岔
场景：新版《员工手册》80 页，一线主管问你"员工连续旷工，我们能怎么处理"。坏问法是「请总结这份 80 页制度」——你会拿到一段读着通顺的概述，但没法拿去做处理决定。
好的输出长这样：它先指到"第 6 章第 18 条"，摘出原文"连续旷工满 3 日视为严重违纪"，再给可执行解释，最后主动标一句"是否达到解除标准需 HR/法务复核"。有条款号、有原文、有复核提示，你能核。
两个翻车点要盯死：① 把长文档问答当法律咨询——手册条款不等于合法处理结论，涉及解除、处分、调薪一律转人工；② 忽略版本号——旧制度和新稿混用会出管理事故，文件名写清版本日期，并要求答案引用版本。完整对照过程在本页底部「深入一层」的 worked example 里。
只要大摘要，不要文档地图：摘要会吞掉例外、条件和适用范围。先让它输出目录、条款、例外，再问具体问题。
没确认文档是否读全：部分页码、表格、附件可能没被解析。要求它输出识别到的章节页码和附件清单。
问题太宽：如"这个制度有什么问题"。改成"按适用对象、流程节点、责任人、时限、例外条款逐项检查"。
忽略版本号：旧制度和新制度混用会引发管理风险。文件名写清版本日期，并要求答案引用版本。
配套视频演示
覆盖 S3-2 · 6分50秒 · Kimi文档问答/解读表格/总结红头文件演示
一口气读50篇文章的AI Kimi完全使用教程
自测
1《Lost in the Middle》这个研究结论，对 HR 读长制度有什么直接的操作提醒？
研究发现模型对开头和结尾的信息利用得更好，藏在中间的信息容易被忽略。提醒就是：别把关键条款埋在长文档中间指望 AI 自己捞出来——先让它建"文档地图"把关键条款、例外显式列出来，再定点提问，而不是丢一句"总结全文"。
2为什么第一轮要它建"文档地图"、第二轮才定点提问，而不是一步到位直接问答案？
因为直接问答案时你无法判断它有没有读全、有没有漏掉例外条款。先建地图（目录、关键条款、例外、缺失项）既给了导航，也暴露了它没读到的地方；第二轮再基于地图定位提问，答案才可核、可追溯。
3拿到 AI 对旷工处理的回答后，最不能省的一步是什么？
顺着它给的条款号回原文核对，并确认制度版本。手册条款不等于合法处理结论，涉及解除、处分这类决定必须转人工复核；同时旧制度和新稿混用会出管理事故，所以还要核版本日期。
小结
- 长文档问答的核心是"定位比概括更少丢信息"——先画地图，再定点问
- 破除"上下文越长越不会漏"：关键条款要显式列出，别埋在长文中间
- 两步式提问：第一轮建文档地图，第二轮"先定位条款再回答"
- 手册条款≠合法处理结论，涉及解除/处分/调薪一律转人工，并核对版本号
实操落点
- 挑一份你最近必须读却一直没空细看的长文件——比如新版员工手册或一份行业调研报告，完整传进 Kimi，先问三个你真正关心的问题：一、和我最相关的三条规定或结论是什么；二、里面关于某个具体主题（如加班、年假、试用期）是怎么规定的；三、如果要给同事做个五句话的口头汇报，该怎么说。逐条对照原文核一遍，你会发现半小时干完了原本一下午的活。
深入一层 · 实战演练与研究依据
Worked example：80 页员工手册，"求总结"和"先画地图"的分岔
场景：新版《员工手册》80 页，你要回答一线主管的问题——"员工连续旷工，我们能怎么处理"。
坏问法：「请总结这份 80 页制度」。你会拿到一段通顺的概述，读着像那么回事，但例外、条件、适用范围全被摘要吞了，你根本没法拿去做处理决定。
好问法分两步。第一步不问答案，先让它画"文档地图"：「只基于上传文件，输出：章节目录、每章 50 字摘要、高频 HR 问题清单、涉及员工重大权益的章节、你觉得有歧义或缺失的条款，每项标页码或条款号。」第二步再定点提问：「只回答这个问题：员工连续旷工如何处理。先定位相关条款，再按"涉及条款→条款原文摘录→HR 可执行解释→不得直接下结论的情况"输出。」
好的输出长什么样：它先指到第 6 章第 18 条，摘出原文"连续旷工满 3 日视为严重违纪"，再给可执行解释，最后主动标一句"是否达到解除标准需 HR/法务复核"。你能顺着条款号回原文核，而不是对着一段摘要发慌。
两个翻车点：① 把长文档问答当法律咨询——手册条款不等于合法处理结论，涉及解除、处分、调薪一律转人工；② 忽略版本号，旧制度和新稿混用会出管理事故，文件名写清版本日期并要求答案引用版本。
为什么"上下文越长越不会漏"被夸大
学术研究《Lost in the Middle》做过多文档问答和 key-value 检索实验，发现模型对位于开头和结尾的信息利用得更好，藏在中间的信息容易被忽略，长上下文模型也未必能稳定用上所有位置的内容。这不是 HR 专属研究，但对"几十页制度问答"是直接的风险提示：**别把关键条款埋在长文中间指望它自己捞，先把它显式列到文档地图里。**
工具能力方面：Kimi 官方说明支持长文本对话与多文件上传，可处理 PDF、Word、Excel、PPT、图片、TXT、视频，单文件不超过 100M、最多 50 个文件；阿里云 Qwen-Long 的长文档处理分"上传解析拿 file-id"和"调用时引用 file-id 推理"两步。能读进去，不等于每个细节都可靠——这正是要先画地图、再定点问的原因。
可复制模板 + 再深一层
固定两段式提问：「你是 HR 长文档问答助手，只基于上传文件回答。第一步建立文档地图：文件名与版本日期、章节目录、每章摘要、关键条款清单、适用对象、例外条款、可能缺失或有歧义处。第二步回答我的问题：{问题}。回答格式：相关条款位置、原文依据、简明答案、HR 执行时需确认的事实、不应由 AI 直接判断的事项。找不到依据写"材料未提供"。」
再深一层是"上下文工程"：长文档不是越长越好，而是要切分、排序、加标题、加元数据。HR 可以把制度按"对象—场景—流程—例外—责任人"拆成片段，每段挂上版本号和适用范围。学有余力的，读一遍《Lost in the Middle》理解位置偏差，再看 Qwen-Long 或 Kimi 的文件引用机制。
- Liu 等《Lost in the Middle: How Language Models Use Long Contexts》，2024
- Kimi《Kimi 概述》，2026
- 阿里云《长上下文（Qwen-Long）》，2026