MidassAI Chat 實戰：用 Gemini 3 進行有依據的 PDF 研究與引用問答

「ChatGPT，讀這份 80 頁 PDF」的問題

通用聊天工具將上傳內容視為背景文字——然後基於模式補全而非證據紀律來回答。你會得到流暢的摘要，但伴隨著虛構的章節編號、合併自無關論文的發現，以及直到你搜尋之前看起來都真實的引用。

Google 的 NotebookLM 普及了基於文件的研究：答案應引用你上傳的內容，而非開放網路。你可以在 MidassAI Chat 上複製並擴展該工作流程，利用 Gemini 3 的長上下文解析能力，無需維護單獨的 Google Workspace 堆疊。

本篇文章是為分析師、學生、創辦人及法務運營團隊準備的實戰指南。

實務上「有依據」的意義

一個有依據的答案需滿足三項測試：

可追溯性： 每個主張都對應到可定位的範圍（頁碼、標題或表格行）。
拒答機制： 如果文件中沒有相關資訊，模型應明確指出——不填寫看似合理的內容。
來源區隔： 網路知識（如有）需與上傳來源分開標註。

MidassAI Chat 上的 Gemini 3 支援多文件對話緒——年度報告 + 附錄、合約 + 修正案、論文 + 補充表格——只要在單一推論環節中正確結構化提示詞即可。

在 MidassAI Chat 上試用 Gemini 3

設定：10 分鐘研究環節

步驟 1 —— 精選來源，而非資料夾

僅上傳可能包含答案的檔案。額外的 PDF 會增加混淆風險（「哪份文件說營收增長了 12%？」）。

建議的 Bundle 大小：

單一決策： 1–3 個 PDF（總計 <40 MB）
比較審查： 同一政策的 2 個版本（v2024 vs v2025）
文獻瀏覽： 5–8 篇論文（僅摘要 + 方法）——而非完整書籍

步驟 2 —— 用來源地圖預熱

上傳後的第一個提示詞：

你已附加 {N} 個 PDF 檔案。在回答實質問題之前：

列出每個檔案的檔名。

針對每個檔案，輸出：標題（若可見）、頁數，以及 3 個章節標題。

標記任何無法閱讀或掃描的頁面。暫時不要總結發現。

這迫使模型先索引再推論——減少後續虛構章節參考的情況。

步驟 3 —— 提出原子化問題

壞：「這份報告關於風險怎麼說？」

好：「僅從 Q3-Investor-Deck.pdf：列出『風險因素』下的所有要點並附上頁碼。如果章節標題不同，請引用實際標題。」

原子化問題更容易驗證，且如果某個檔案更新，重新運行的成本更低。

能通過審核的提示詞模板

帶頁碼錨點的提取

提取上傳檔案中所有提及 {keyword} 的內容。輸出一個表格：| 檔案 | 頁碼 | 引用（≤25 字）| 上下文（1 句話）|。如果沒有，針對該檔案寫「未找到」——不要推論。

跨文件矛盾掃描

比較 {DocA} 和 {DocB} 關於 {topic} 的內容。列出衝突的陳述。針對每一行：DocA 引用 + 頁碼，DocB 引用 + 頁碼，嚴重程度（高/中/低）。如果一致，明確 stating「未發現衝突」。

執行摘要（仍需有依據）

撰寫關於 {question} 的 200 字執行摘要。每個句子必須以括號引用結尾，例如 [Deck p.12]。最多允許 2 個句子沒有引用——將這些標記為推論。

真正重要的多模態邊界案例

掃描版 PDF： OCR 品質在低於 ~150 DPI 時會下降。如果來源地圖標記了亂碼頁面，請重新掃描或將關鍵表格裁剪為 PNG 與 PDF 一起上傳。

跨頁表格： 要求 Gemini「將表格 {name} 重構為 Markdown；標記合併儲存格；注意 continuation page 是否模糊」。

塗黑合約： 提示詞：「將黑色方塊視為未知值——永遠不要猜測塗黑的數字或名稱」。

Gemini 3 與「直接搜尋網頁」的比較

網頁搜尋回答的是網路認為的事。基於文件的 Gemini 回答的是你的 Bundle 證明的事。請刻意搭配使用：

模式	適用情境
僅上傳	合規、盡職調查、評分、內部審核
上傳 + 標記推論	結合文件事實與市場脈絡的策略備忘錄
僅網頁（無上傳）	新聞、定價、未包含在 bundle 中的產品文件

在 MidassAI Chat 上，請將僅上傳文件的對話緒與開放式網頁搜尋緒分開，以避免引用混淆。

品質控制：5 分鐘人工檢查

切勿在未進行以下檢查的情況下發布有依據的輸出：

抽查 3 處隨機引用——打開 PDF 到引用頁碼
搜尋「未找到」的行——確認 silence 是真實的
在新對話緒中重新詢問一個問題——比較答案；差異標誌著不穩定性
運行「挑錯審查」提示詞：「僅根據上傳內容，列出你上一個答案可能出錯的 3 種方式」。

團隊工作流程建議

語意化命名檔案（VendorA-MSA-2026.pdf，而非 scan_final_v3.pdf）
在對話緒標題中標註版本（「Acme DD — Aug 14 — v1」）
匯出問答到你的 Wiki 並連結回來源頁面
重新上傳當廠商發送修訂附錄時——不要依賴過期的對話緒記憶

你應該規劃的限制

Gemini 3 擅長結構化提取；它不能替代持牌的法律或醫療建議
極大的 Bundle 可能需要按主題對話緒拆分
密碼保護的 PDF 必須在上傳前解密

開始你的第一個有依據環節

挑選一份你已經信任的真實 PDF——廠商合約、課程閱讀材料或內部 RFC。運行來源地圖預熱提示詞，然後提出三個原子化問題。你將在十五分鐘內知道你的 Bundle 是否乾淨到足以進行自動化研究——或者是否需要先進行 OCR 清理。

summary-box {"title":"Workflow snapshot","rows":[["1","Upload curated PDFs only"],["2","Source-map priming prompt"],["3","Atomic, page-anchored questions"],["4","Human spot-check citations"],["Platform","MidassAI Chat + Gemini 3"]]}}