AI 总结长文总漏重点，问题往往不在模型读不懂，而是提问方式让它只能给笼统概括：先拆结构再提问，漏掉的重点大多能找回来。
第一步：先让它拆结构，不要直接要总结
直接说“总结这篇文章”，模型只能凭感觉挑重点。改成先让它列出文章的结构：分几个部分、每部分的核心观点是什么、作者的结论和论据分别在哪。结构一出来，哪些部分被跳过就一目了然。
第二步：按部分逐个追问
对结构里的重要部分逐个提问，比如“第二部分提到的三个风险分别是什么”“作者用什么数据支撑这个结论”。逐个追问比一次问全文更能逼出细节，遇到模型含糊带过的地方，直接追问“原文是怎么表述的”，让它回到原文找依据。
第三步：用清单反向核对
总结完成后，用一份自查清单反向核对：结论有没有、关键数据有没有、例外和反对意见有没有、作者没有明说但隐含的前提有没有。缺哪项就针对那项再问一次。长文超过模型单次处理舒适区时，先分段总结再合并，每段总结控制在可复述的范围内，最后让它把各段结论拼成总览，比一次喂全文更稳。
分段总结的操作顺序
分段总结的操作顺序是：先把长文按原有章节切成三到五段，每段单独要一份要点总结，再把各段要点拼在一起要一份总览，最后用清单核对总览有没有漏掉某段的结论。段与段之间用标题隔开，别把全文一次性粘贴进去，分段后模型每段都有明确任务，漏重点的概率会低很多。
