一句话总结
把文件丢上去问”总结”，Claude 给你的是任何模型都能产出的、听着稳妥的安全网泛话。有用回答和危险回答的差别，只在 Claude 有没有真把答案钉在源文件上。这套流程就四步：改文件名、先盘点后解读、一节一节深入、每条结论都要页码或章节出处。截至 2026 年 6 月，Claude.ai 网页端单文件 30MB、单次对话最多 20 个文件；Opus 4.7 和 Sonnet 4.6 都是 100 万 token 上下文（约 3000 页）。下面是 prompt 序列，以及多数人会跳过的那一步核查。
这篇适合谁看
把 PDF、合同、论文、文字稿、代码、表格上传到 Claude，并指望答案能直接拿去用的人——法律、财务、研究、并购尽调、新闻。只要一个错数字或一条被编造的条款会带来真实代价，这套流程就是为你写的。
什么时候该用、什么时候别用
该用的场景：长文件（50+ 页）、多文件比对、需要按段落引用、要反复使用的文件，或任何编造答案代价高昂的情形。在有据可查的文档问答上，Claude 确实比 ChatGPT 更强——但前提是你上传得对。
别用的情况：含敏感 PII 或不可披露信息的文件、超出上传上限的文件、搜一下就有答案的简单问题，以及没有文本层的二进制格式（裸图、加密 PDF——带密码的 PDF Claude 会直接拒收）。
截至 2026 年 6 月的 Claude 文件上限
真正约束你工作流的就是这几个数。网页端和开发者 API 的上限不一样，这是最容易把人绊倒的地方。
| 渠道 | 单文件上限 | 一次可传 | 页数 / 上下文上限 |
|---|---|---|---|
| Claude.ai 网页端（Free/Pro/Max） | 30 MB | 单次对话 20 个 | 受模型上下文限制（Opus 4.7 / Sonnet 4.6 为 100 万 token） |
| Claude Projects | 30 MB | 项目知识库内基本无限 | 按需检索相关片段；全量无法一次塞进上下文 |
| Anthropic API（内联 PDF） | 单次请求 32 MB | — | 600 页（200k 上下文模型为 100 页） |
| Files API（开发者） | 500 MB | 每工作区 100 GB | 用 file_id 引用，保持请求体精简 |
网页端支持的文档格式：PDF、DOCX、CSV、TXT、HTML、ODT、RTF、EPUB、JSON、XLSX（XLSX 需开启代码执行）。图片：JPEG、PNG、GIF、WebP，最大 8000×8000 像素。来源：Anthropic 的 Upload files to Claude 帮助页和 PDF support API 文档。
有个细节能解释大部分”Claude 看错了我的图表”的抱怨：每一页 PDF 都会同时按”抽取文本 + 渲染图像”两种方式处理，每页大约 1500–3000 token。密集小字或图形繁多的页面，可能还没到页数上限就已经把上下文窗口塞满。如果某份文件感觉像被草草扫过，那大概率就是被扫过了——拆开它。
开始前准备
- 文件改成清晰的名字：
contract-vendor-a-2026.pdf，不要Final_v3 (1).pdf。Claude 在答案里会引用文件名，可读性很值。 - 砍掉非必要页。600 页报告带 580 页附录，比你真正需要的那 20 页钉得更差。
- 提前定好引用格式——页码、章节标题，或两者都要——并在第一条 prompt 就写清楚，Claude 才会一致执行。
- 旁边另开一份独立副本核查结论。第一遍什么都别信。
完整流程，逐步走
- 上传前先改名。 给文件一个 Claude 能干净引用的名字。
- 一组文件一条消息一起传。 多文件场景把所有文件一起附上，Claude 才会把它们当一组，你也能立刻问对比类问题。
- 先盘点，暂不解读。 上传后第一句：
分别描述每个文件是什么、有哪些章节、大致大小。先不要总结或解读内容。这逼它先做结构性扫描，再谈解读。 - 先要目录，再逐节深入。 长 PDF 先拿目录，然后一节一节问。跨整篇文档的大范围问题会在中段悄悄掉链子——即便是 100 万 token，“中间内容被忽略”也是有据可查的现象。
- 每条结论都要出处。 话术：
引用相关段落，并给出页码或章节标题。转述但无来源的答案直接拒收。 - 逼表格和数字结构化。 让它输出 CSV 或 Markdown，而不是散文——更好验证。重要数字手算一行核对。
- 常用文件升级到 Project。 一份文件要反复用，就放进 Project，省得每次重传。见 Claude Projects 和 Claude Projects 进阶工作流。
真能把 Claude 钉在源上的 prompt
存成一套可复用的模板，和上面的步骤一一对应。
盘点（每次第一条先跑）：
回答任何问题前：先描述每个已上传文件——标题、类型、页数或行数、
章节标题。先不要总结或解读内容。带强制引用的逐节深入：
只基于 [文件名] 的第 4 节：列出每一条定量结论。每条都要引用原文
段落，并给出页码或章节标题。源里没有的数字就直说，不要推断。审计级抽取（可脚本化）：
以 JSON 数组输出结论。每项必须含：claim、file、page、quote、
confidence（low | med | high）。只纳入你能从源文件逐字引出的结论。两份合同对比改稿：
文件 1 = 当前合同。文件 2 = 改稿。列出每一条改动条款。每条都引用
旧文（带页码）和新文（带页码）。整条被删的条款要单独标出。信它之前先核它
这一步把”真活儿”和”看着没问题”分开。重要文档上，千万别跳。
- 每条数字或引语都带页码或章节出处。没有例外。
- 至少手工核对 3 条原文引用。挑最反直觉的几条——幻觉就藏在那里。
- 确认文件里”没有”什么。问
这份文件里没有哪些章节？，作为对抗编造结构的 sanity check。 - 多文件场景下，每条答案都注明来自哪份文件。Claude 把来源搅在一起时，就用显式文件名锚点反推。
一个快速校准练习：挑一份你已经读过的 30–50 页文档，在新对话里跑盘点和引用 prompt，然后数一下 Claude 给的页码里真正含有那条结论的占比。低于 90% 就把引用要求写得更严、重跑，再拿去用到新文件上。
容易踩的坑
- 没看清文件结构就要”总结”。拿到”听着对的废话”。
- 一次混传 10 个不相关文件。Claude 答题会把来源搅在一起。
- 相信无来源结论。一定要回去要原文段落 + 页码。
- 以为 OCR 完美。重扫描 PDF 会出现乱码段落——让 Claude 把可疑那页以纯文本输出，肉眼核。
- 整篇文档一次问一个大范围问题。中段召回会悄悄下降。
- Project 里旧版越堆越多。过期文件会和当前版混在一起污染答案；及时清理。
常见问题
- 单文件最大多大？ 截至 2026 年 6 月，Claude.ai 网页端单文件 30MB、单次对话 20 个文件。开发者用 Files API 可达单文件 500MB。超限就拆文件，或先抽出相关章节。
- PDF 最多多少页？ 网页端受模型上下文限制，没有硬性页数上限。走 API 则每次请求 600 页（200k token 模型为 100 页），整个请求体不超过 32MB。每页约 1500–3000 token。
- 上传的文件会被拿去训练吗？ Anthropic 默认不拿消费者对话或上传内容训练模型。具体以你的 plan 及 Team/Enterprise 数据设置为准。
- 能处理带公式的 Excel 吗？ 读值，开启代码执行后还能对 XLSX 做计算。但它不会像表格软件那样审查公式逻辑——要审公式就导出 CSV 并显式说明。
- OCR 差的扫描 PDF 怎么办？ 密扫质量会降。因为每页还会被渲染成图像，Claude 往往能救回 OCR 弄错的文字，但仍要核：让它把可疑那页以纯文本输出，再肉眼抽查。
- 怎么干净对比两份合同？ 一次都传上，并给每份角色：“文件 1 = 当前合同，文件 2 = 改稿；列出每条改动条款，并各自引用原文和页码。” 用上面那条两份合同 prompt。
怎么复用这套流程
把 prompt 集合存成命名模板（“标准合同审阅""论文抽取”）。反复使用的文件类型建一个 Project，自定义指令写 永远引用页码；没来源就拒答。维护一份过往幻觉清单——失败模式会复现，命名之后下次更容易识别。每季度用新文件复测一次，确认模型更新后 Claude 的行为没有漂移。