把一份 80 页的 10-K 财报上传给 Gemini，输入 summarize，返回来 5 段话——关键数字没提、风险因素全跳过、读起来像新闻通稿。这是所有 LLM 在长文档上的默认行为：你不说自己关心哪一段，模型就只抓最显眼的章节标题铺一遍，剩下的略读带过。
最快的修法： 别再发单词 prompt。明确告诉 Gemini 抽什么（决策、风险、数字）以及以什么结构输出（表格或固定标题），同时确认你用的是 Pro 模型而不是 Fast。光这一步就能解决大部分”总结太泛”的问题。本文后面再讲这招还不够用的长文档场景。
先判断你属于哪一类
| 症状 | 最可能的原因 | 跳到 |
|---|---|---|
| 输出是一段空泛概述，没有任何具体内容 | prompt 只说了 “summarize” | Step 1 和 Step 6 |
| 开头结尾都覆盖了，中间章节缺失 | 超长文档的长上下文召回下降 | Step 3 |
| 满是表格的文档，总结却没一个数字 | PDF 解析时表格被压扁 | Step 4 |
| 推理很浅、措辞很泛 | 跑在 Fast（Gemini 3 Flash）上 | Step 5 |
| 总结里的数字看起来不对 | 数字幻觉 | Step 7 |
| 你需要可信、可溯源的引用 | 工具选错了 | 改用 NotebookLM |
常见原因
1. Prompt 只说”总结”（最常见）
Summarize this document 没告诉模型你要决策、风险、数字还是策略，于是它默认给一个全方位的空泛版本。
如何判断： 你的 prompt 是不是只有一个动词。
2. 超大文档中段的长上下文召回下降
截至 2026 年 6 月，Gemini app 里的 Pro 跑的是 Gemini 3.1 Pro，上下文窗口 100 万 token（约 1500 页文字），所以一般 PDF 现在能整篇放进去。但”放得进上下文”不等于”全部被记住”。当文档逼近窗口上限时，模型对开头和结尾召回最强、对中段最弱——这就是公认的 “lost in the middle”（中段丢失）效应，附录和文档中部的关键数据仍然会被一笔带过。
如何判断： 文档中段的内容在总结里完全没出现，但开头和结尾覆盖得很好。
3. 表格 / 图表 / 代码段在解析时丢失
PDF 解析时复杂表格容易被压扁或丢失，Gemini 根本看不到原始结构，总结里也就没有具体数字。
如何判断： 原文有关键表格（财务数据、对比表），但总结里一个数字都没引用。
4. 没指定输出结构
不要求结构 → 自由发挥的散文 → 关键信息难定位，模型还能悄悄略掉它没抓到的内容。
5. 文档本身就是低信息密度
营销 / SEO 文章原本就空泛，总结自然也空泛。
6. 你用的是 Fast（Gemini 3 Flash），不是 Pro
Fast 为速度调优，在长文档推理上明显比 Pro 浅。
最短修复路径
Step 1：先要大纲，再钻细节
别想一步到位。第一轮：
Read this document. Give me ONLY a section-by-section outline (no summary yet):
- Section title
- Section length (pages)
- Key claim / topic (one sentence)看完大纲，筛出真正关心的 5-10 个章节，第二轮：
Now give me a detailed summary of these sections only:
{section names}
For each:
- Key facts (with numbers)
- Decisions / recommendations
- Risks mentioned
- Direct quotes for critical claims这样会逼模型对覆盖范围”立军令状”，而不是把全文低分辨率地复述一遍。
Step 2：给它结构化输出模板
别让 Gemini 写散文，给它填空的槽位：
Summarize this 10-K filing using this exact structure:
## Business Overview
- Main revenue segments + % of total
- Geographic mix
## Financial Highlights
| Metric | This year | Last year | YoY change |
|---|---|---|---|
| Revenue | | | |
| Operating margin | | | |
| Free cash flow | | | |
| Headcount | | | |
## Risk Factors (top 5)
1. ... (with page reference)
## Strategic Initiatives
- ...
## Management Tone Indicators
- Words used more / less than last year's filing明确格式 + 表格槽位 + 数字要求——模型就没法悄悄留空。
Step 3：超长文档拆段
100 万 token 窗口意味着大多数 PDF 能整篇放下；但如果一份几百页的文档出现了中段丢失（原因 2），就把它拆开：
拆成：pages 1-30, 31-60, 61-80
每段单独上传，按 Step 2 的模板要总结
最后：把三段总结粘回去，让 Gemini 合并它们并提炼跨段总主题分小段能让每一页都落在模型的高召回区。截至 2026 年 6 月，Gemini app 单次 prompt 最多上传 10 个文件、单个文件（非视频）最大 100MB，所以多文件上传完全可行。
Step 4：表格先单独抽
如果关键信息在表格里，先把表格抽出来，再让它做语义总结：
Extract every table from this document.
For each:
- Table title
- Headers (row + column)
- All cell values as markdown
- Page number先把数字落成干净的 markdown，再在上面跑语义总结，这样数字才不会在解析中丢失。
Step 5：用 Pro（Gemini 3.1 Pro），不是 Fast
在 Gemini app 里，对话顶部的模型选择器截至 2026 年 6 月有三个选项：Fast（Gemini 3 Flash）、Thinking、Pro（Gemini 3.1 Pro）。做文档分析就选 Pro。
顶部模型选择器 -> Pro如果你是 Google AI Pro 或 Ultra 用户，Pro 下还有一个 Thinking level 开关（Standard / Extended）；遇到密集财报、想让模型每次回答都推理更深时，选 Extended。Pro 在长文档总结上明显比 Fast 更深。
Step 6：决策 / 风险 / 数字三件套
一个通用抽取 prompt，适合约 90% 的商业文档：
Extract from this document:
DECISIONS: What did the author decide or recommend?
RISKS: What risks are mentioned? Use original phrasing.
NUMBERS: All quantitative claims (dates, percentages, dollar amounts) with surrounding context.
GAPS: What questions does the document raise but not answer?大多数人会漏掉 GAPS 这一行，而恰恰是它能逼出空泛总结藏起来的东西。
Step 7：核实关键数字
LLM 在长文档总结里偶尔会幻觉数字（不算常见，但凡是你要据此做决定的内容都值得核对）：
- 挑出最关键的 5 个数字。
- 在原文 PDF 里用
Ctrl+F（或Cmd+F）逐个搜。 - 对不上的，让 Gemini 重抽：
The figure you reported for X is wrong. Find the actual value on page Y and quote the surrounding sentence.
备选：用 NotebookLM 拿可溯源的引用
如果你真正要的是一份能信、能引用的总结，那 Gemini app 就是选错了工具。NotebookLM（notebooklm.google）专为有据可查的分析而生：它只在你给的文档范围内作答，并给出可点回原文具体段落的行内引用，每条结论都能核实。每个来源最多 50 万字，单个 notebook 能放多少来源则随套餐而定（免费版上限较低，付费版可放几百个）。现在 notebook 在 Gemini 和 NotebookLM 之间是共享的，所以项目可以在两者间来回切。需要可溯源时用 NotebookLM；想在文档周围用网页搜索和更多工具时用 Gemini app。
怎么确认问题已解决
满足下面全部几条，总结就足够拿来做决策了：
- 引用了具体数字（营收、利润率、日期），而不只是形容词。
- 覆盖了文档中段章节，而不只是开头和结尾。
- 你在 Step 7 抽查的数字和原文一致。
- 它回答的是你真正问的问题（你要的
DECISIONS/RISKS/NUMBERS），而不是一份泛泛概述。
预防建议
- 永远先要大纲再筛章节深挖，绝不一次性
summarize。 - 用结构化输出模板（表格 + bullet）避免散文式漂移。
- 中段会丢失的超长文档，拆成 30-40 页一段。
- 表格先单独抽，再做语义总结，避免数字丢失。
- 文档分析始终用
Pro（Gemini 3.1 Pro），不要用Fast。 - 关键数字自己核实，需要引用时改用 NotebookLM。