一句话总结
你手上一份 60 页 PDF、Drive 里三份 Doc，距离开会还有 20 分钟。你要的不是转述，而是一份绑着页码、能几秒钟抽查的结构化摘要。用 Gemini 走得稳的路子是：先把文件传到 Drive，用 @ 引用，先要结构再要内容，然后一节一节深入，对每个数字都强制要求引出原句。50 页 PDF 大约花 15-20 分钟，再加 5-10 分钟核对承重结论。截至 2026 年 6 月，Gemini app 单次最多读 10 个文件、每个 100 MB，在 Gemini 3.1 Pro 模型上有 100 万 token 上下文窗口（约 1500 页）。
这篇能给你什么
- 把”总结一下”变成可核对、带页码摘要的五步 prompt 序列。
- 准确的文件和上下文上限，让你知道一份文档什么时候太大、该怎么拆。
- 一套验证流程，专治 Gemini 最常见的两类失败：悄悄漏掉章节、页码偏移。
本文涉及的工具 / 概念：
- Gemini：Google 的多模态助手。独立 app 里，选择器把 Gemini 3.1 Pro 标为 “Pro”（2026 年 2 月 19 日发布）；在 Workspace 各应用内，大部分交互由 Gemini 3 Flash 处理，Pro 留给复杂推理。
@提及：内联引用 Drive 里某份文件或文件夹，让 Gemini 去读真实文档而不是凭印象编。在 Drive 的 “Ask Gemini” 面板里输入@再打文件名，或点 Add Sources。- 页码锚定摘要：每条结论绑到一页或一节的输出格式，让抽查只用几秒，而不必整篇重读。
这篇适合谁看
时间压力下要处理 PDF 和 Drive 内容的人：读报告的分析师、给客户会议做准备的咨询、啃课程材料的学生、过供应商合同的运营、做文档第一遍审的律师。
什么时候适合用
长 PDF（20 页以上）、需要跨文档综合的多文档调研、结构每次相似的重复类型（年报、RFP 应答、董事会 deck）用 Gemini。10 页以下的文档别用——prompt 开销大于直接读省下的时间。
文件与上下文上限（截至 2026 年 6 月）
上传前先弄清这些，免得为一份会被悄悄截断或直接拒收的文件浪费一轮。
| 上限 | Gemini app（网页 / 手机） | Gemini API / AI Studio |
|---|---|---|
| 单次文件数 | 最多 10 个 | 通过 Files API 多个 |
| 单文件大小 | 每个 100 MB（视频可到 2 GB） | 每份 PDF 50 MB |
| PDF 最大页数 | 无硬性页数上限，受上下文约束 | 1000 页 |
| 上下文窗口 | Gemini 3.1 Pro 上约 100 万 token（≈1500 页文本） | 1,048,576 token |
| 代码上传 | 一个文件夹 / repo，最多 5000 文件，共 100 MB | 不适用 |
100 万 token 窗口约能覆盖 1500 页，所以一份 60 页 PDF 完全装得下。真正的天花板不是页数，而是注意力：装进去的材料越多，Gemini 漏掉夹在中间某个细节的概率就越高。这正是下面”一节一节深入”胜过一个巨大”全部总结”prompt 的原因。
开始前准备
- 文件先传到 Drive，不要拖进聊天。Drive 托管的文件解析更稳，且能跨会话用
@引用。 - 提前定输出格式：大纲、executive memo、决策矩阵、对比表。格式不同，prompt 和验证方式都不同。
- 把相关文件挪到同一个 Drive 文件夹。文件散在各处时多文档综合会断，因为 Gemini 没法交叉引用它找不齐的东西。
- 敏感材料：上传前确认你的计划不会拿你的数据训练。付费的 Google AI Pro（19.99 美元 / 月，原名 “Gemini Advanced”）和 Workspace 商业版不会拿你的内容训练模型；上传任何机密前再确认一遍。
Prompt 序列
按顺序跑。每个 prompt 都接着上一个，而”先结构”这一步，正是可核对摘要与含糊转述的分水岭。
1. 先确认 Gemini 看得到文件。 传 PDF 或接入 Drive 文件夹后，用 @文件名 起头。先问个无关紧要的问题（“@Q2-report 有几页？”），这样在搭后续内容之前就能抓到解析失败。
2. 先要结构，不要内容。
@Q2-report 里有什么？列出每个章节标题、各自大致页码范围、
每个表格或图、以及任何出现超过 3 次的具名实体。先别总结。3. 与真实目录对账。 读结构性回答，和真实文档对照。Gemini 漏了节就明说：
你没提第 4 节（Risk Factors，第 31-38 页）。把那一节也总结一下。4. 按节深入，强制引出原句。
把第 3 节总结成 5 条 bullet。任何数字结论都给出页码并引出它所在的
原句。数字不要转述。引出的原句几秒就能核，转述的数字核不了。这一条指令，就能挡掉大多数被人归咎于”幻觉”的隐性错误。
5. 表格输出成 Markdown。 任何对比或财务表格都加一句：输出成 Markdown 表格。 既好对照源文件，也好粘进下游的 Doc 或 Sheet。
做完后，把综合存回 Drive 做成 Doc 并关联原 PDF。一周内，未来的你需要的是源文件，而不只是摘要。
第一次实操怎么跑
- 选一份你部分熟悉的文件——之前粗扫过的报告。半熟才抓得出细微错误。
- 跑一次”先结构”prompt，再对你完全熟的那一节做深入。
- 红色标出 Gemini 答错的每一条，并标类型：漏 nuance、数字错、缺背景。
- 只用第 4 步的明确页码措辞重跑那一节深入，统计错误减少多少。多数报告上，强制引出原句能明显降低数字出错率。
怎么验证输出
- Gemini 有没有列全章节，还是悄悄漏一节？ 漏节是长 PDF 上最常见的失败，一定要和目录对账。
- 页码是否在 1-2 页误差内？ Gemini 常有小偏移，尤其是带前置页的文档。承重结论一定要翻到真实页核对。
- 数字是引原句还是转述？ 转述的数字会漂，引用的可核对。数字若没带原句，先要原句再信。
- 有没有可疑地”整”的数字？ “大约 50%“且没来源，通常是抹平的结果，不是真实数据点。
怎么复用这套流程
- 把 prompt 序列存成 Drive Doc 里的”摘要模板”片段。独立 Gemini app 没有 ChatGPT 那种保存指令的位置，所以一份置顶 Doc 就是实际替代。
- 重复类型（季报、周报 deck）保留一份模板 prompt，只换文件。同一组 prompt、换文档。
- 维护一份简短验证日志，记下 Gemini 在某类报告上哪些页码对、哪些错。下季度它会告诉你先抽查哪里。
- 每季度刷新。PDF 解析随每次模型更新提升，旧的 workaround（手动 OCR、逐页拆分）可能不再需要。
建议的操作流程
上传 → @ 引用 → 结构 prompt → 按节深入带页码 → 数字用 Markdown 表 → 综合存成 Doc 并关联源。总用时：50 页 PDF 约 15-20 分钟，再加 5-10 分钟核承重结论。大约是认真粗扫一遍的一半时间，比没有结构步骤的”粘贴-总结”prompt 可靠得多。
如果是跨很多文档、要的是一份带引用的书面报告而不是快速摘要，Gemini 的 Deep Research（基于 Gemini 3.1 Pro）能自动做完多源调研的体力活。本篇的 prompt 序列适合处理一份已知文件；当你还不知道哪些文件重要时，就用 Deep Research。
容易踩的坑
- “总结这份 PDF”。 拿到没结构没页码的转述。先用结构 prompt。
- 跳过页码子句。 少了它，一小时内没法验证一条结论。
- 不抽查就信引用的数字。 引用比转述好，但页码引错仍会发生——翻到那一页。
- 上传扫描 PDF 还当干净文本。 Gemini 能处理不少扫描件，但低质量扫描出来的摘要只是近似。准确性承重就先 OCR。
- 多文档综合时文件散在 Drive 各处。 找不齐就没法交叉引用，先集中到一个文件夹。
- 让摘要替代阅读。 承重决定一定要在 Gemini 浮出后自己读那一节。
FAQ
- Gemini 能处理多大文件？ 截至 2026 年 6 月，Gemini app 单次最多 10 个文件、每个 100 MB，在 Gemini 3.1 Pro（选择器里的 “Pro”）上有约 100 万 token 上下文窗口（约 1500 页文本）。一份 60 页 PDF 绰绰有余。超过上限就按节拆。
- 为什么 Gemini 偶尔拒一份 PDF？ 重格式、扫描、DRM 加密的 PDF 解析容易失败。试着先转成 Google Doc，或先提取文本再粘贴。
- 能总结我没上传的 Drive 文件吗？ 能。
@引用你有权限的任何文件，Drive 的 “Ask Gemini” 集成看到的 scope 和你账号一致。（截至 2026 年 3 月，Drive 的 @ 提及功能先在美国铺开。） - 页码可靠吗？ 大致可靠。长文档上有 1-2 页偏差，承重结论一定要翻到那一页核。
- 需要付费计划吗？ 免费档也能总结文件，但上限更紧、通常是 Flash 级模型。Google AI Pro（19.99 美元 / 月）解锁 Gemini 3.1 Pro，带完整 100 万 token 上下文和更高用量上限——如果你经常总结长文档，值得。