ChatGPT 不会跨文件比较：5 个原因 + 对症修复

传了 3 个文件想做对比，ChatGPT 只引用了一个——跨文件综合要显式指令。

发布于: 2026/05/17 作者: AI Productivity Guide Team 🌐 查看英文版本

ChatGPT 的多文件处理走的是”按问题逐次检索”——不是”把所有文件读一遍再综合”。一次提问，检索给每个 chunk 打分，挑前 k 个塞进 context。如果三个文件内容类似，最相关的那个会把另两个”挤掉”；如果你没显式说”对比”，模型默认只用挑出来那一个作答。跨文件综合不是模型不愿意，是它根本没拿到三个文件的内容。修法是用点名 + 结构化对比 prompt 强制三个文件都进检索。

常见原因

按命中率从高到低：

1. 检索给一个文件打高分，其他都丢了

最常见。三个 Q1/Q2/Q3 财报，你问”营收趋势”——检索给最相关的那一份（比如最近的 Q3）打高分，另两个 chunk 都没进 context。模型只看了 Q3 就回答”营收增长”。

如何判断：让它”列出本次回答引用的所有文件名”。只有一个 = 检索只命中了一份。

2. Prompt 没传达”跨文件推理”信号

“分析这几份报告” → 模型当作”分析（这堆）报告”= 一份代表。“对比这三份报告 X 项” → 触发跨文件检索路径。

如何判断：你的 prompt 里没有”对比 / compare / across / each of”这类跨引用词 = 没传信号。

3. 文件名相似 / 内容高度重叠

report.pdf、report-v2.pdf、report-final.pdf——检索按相似度，三个争抢同一个查询，赢家通吃。

如何判断：让它单独问每个文件”这个文件主要讲什么”，输出几乎一样 = 内容重叠。

4. Project 文件太多稀释检索

Project 里挂了 15+ 文件，每次只取 top-3 chunk——你想要的那三份未必都在 top-3。

如何判断：在 Project 里跑同 prompt vs 普通 chat 里只传那三份文件，差异明显 = 稀释。

5. 文件大小差异让小文件被淹没

500 页 PDF + 5 页 PDF 一起检索，大文件 chunk 多 / 平均分高，小文件 chunk 经常一个都进不去。

如何判断：单独问小文件能正常引用，加上大文件后小文件就消失 = 大小不平衡。

6. 上下文窗口耗在一份文件上

如果你显式说”先读 a.pdf 全文” 模型可能把整个 a.pdf 灌进 context，window 满了，b.pdf 和 c.pdf 自然进不去。

如何判断：第一份文件被完整引用、其他完全没出现 = 窗口被占满。

动手前先确认

确认问题是在 Projects、Custom GPT 还是普通对话里出现；三者多文件处理略有差异。
复现前把当前对话复制一份，避免清掉历史影响下次诊断。
确认订阅：Free / Plus / Team / Enterprise 在上下文窗口和单次检索 chunk 数量上有差异。

需要收集的信息

文件数量、每个的类型 + 大小 + 页数 / 行数；文件名是否有辨识度。
上传方式：拖到对话框、Project Files、Custom GPT Knowledge。
完整 prompt 文案 + 回答截图；具体哪些文件被引用、哪些被忽略。
当前模型 + 是否在 Project / Custom GPT。

最短修复路径

按收益从高到低，前 2 步通常修 70% 问题。

Step 1：先让它确认”它看到哪些文件”

每次开始多文件任务前：

List every file currently available to you in this conversation,
with filename and a one-line description of each.

输出和你期望对得上才继续。漏掉的文件先解决可见性（重传 / 检查 Project Files）。

Step 2：点名 + 结构化对比 prompt

不要”对比这些报告”。换：

Compare the following three files on Q1 revenue and YoY growth:
- `q1_2024.pdf`
- `q1_2025.pdf`
- `q1_2026.pdf`

Output as a 4-column table:
| File | Q1 revenue | YoY growth | Source quote + page |

Cite every cell with a direct quote and page number.
If you cannot find data for a file, write "not found in <filename>"
instead of inferring.

效果差异极大。点名文件 → 强制检索去拉每一份；表格结构 → 模型必须为每文件填一行。

Step 3：并集 / 排序 / 差异分别有 prompt 模板

并集（跨文件提及）：

Across `a.pdf`, `b.pdf`, `c.pdf`, list EVERY mention of "customer
churn." For each mention give: source filename, page, exact quote.

排序（哪个最大）：

Among `a.pdf`, `b.pdf`, `c.pdf`, which has the highest reported Q3
revenue? Show all three numbers + their source page, then state
the ranking.

差异（不一致点）：

For `a.pdf` and `b.pdf`, list every fact about "product launch date"
in each. Highlight where they disagree.

Step 4：5+ 文件先逐个总结再比较

文件超过 4 个时不要一次比所有。两步走：

单独让它”总结每个文件 200 字”，输出 5 段独立总结
把 5 段总结直接贴回（不用文件了）：“基于以下 5 段总结，对比 X”

模型在两段纯文本之间做综合远比跨文件检索准。

Step 5：文件名预先重命名

防止”文件名相似导致检索失效”：

差：report.pdf, report (1).pdf, report final.pdf
好：q1_2024_revenue.pdf, q2_2024_revenue.pdf, q3_2024_revenue.pdf

每个名字带语义关键词，检索能区分。Project / Custom GPT 里重命名后重传。

Step 6：跨大量小文件用 Code Interpreter 强制读全部

如果是 20 个 CSV 要对比，让 Python 读：

Use the analysis tool. Load all CSV files in the workspace into a
dict {filename: dataframe}. Print the file list. Then compute:
- Per-file row count
- Per-file column union
- For column "revenue", aggregate sum + mean per file
Output as a Markdown table.

Python 走顺序读取，不走检索抽样，跨文件覆盖完整。

怎么确认已经修好

开新对话上传同样文件用 Step 2 的点名 prompt 重做，输出表里每文件都填了 = 真修好。
让它把每个文件的 quote 给你，去原 PDF Ctrl+F 找——三个都找得到 + 页码对 = 真的全读了。
让同事用相同 prompt 在他们账号跑一次，覆盖一致 = 流程稳定。

如果还是没修好

把文件切到最小：每文件保留 1 页，只留对比维度那一项，看小用例能不能跑通。
换格式：PDF → Markdown，xlsx → csv，排除大文件挤压小文件的 chunk 分配问题。
换模型：4o → o3 / GPT-5；reasoning 模型对跨文件综合更稳。
换方法：把文件转成 Custom GPT Knowledge（命名良好的 5-10 份），检索质量比临时上传高。

预防建议

文件名永远带语义关键词，绝对不要 doc1.pdf / report.pdf 这种 generic 名。
多文件提问永远点名所有文件 + 给输出表结构。
跨 5+ 文件的对比走”先各自总结、后比较总结”的两步法，不要一次性问。
大量数据文件用 Code Interpreter 强制顺序读，跨过检索抽样。
同类型反复对比（财报 / 合同条款）做 Custom GPT，把对比维度烤进 instructions。