怎样核对 AI 回答里的 PDF 引用

准备整理设备采购说明，你把使用手册交给 AI，询问设备能否放在室外。回答说可以，后面附着手册引用。点击以后，页面讲的却是室内安装。这是一个假设场景。真正需要核对的，是回答里的那句话，以及它指向的原文。

先把回答和 PDF 并排打开。每次核对一句准备采用的结论，确认原文有没有交代相同的对象、条件和用途。Google 的依据核查文档也采用完整支持的要求：原文只支持一句话的一部分，仍然不能算整句有据可查。¹

先确定文件，再确认页码

先记录交给 AI 的文件版本。手册标题相同，也要核对修订日期。查验过程中如果换用了新版文件，就很难判断差异来自回答，还是来自版本变化。需要更新资料时，可以另行核对新版，先保留原来那份文件。

同时记录页面在文件中的位置，以及纸面印着的页码。Adobe 说明，阅读器的导航页码可能与印刷页码不同。² 不要看到封面以后就认定后面始终相差固定页数。遇到附录、分章编号时，直接核对当前页面的标题和内容。

如果使用的是接口返回的引用，先确认字段含义。Anthropic 的 PDF 引用采用从一开始的页码范围，结束页不包含在范围内。³ 这是该接口的规则，其他应用需要查阅自己的说明。把“文件位置”和“印刷页码”分别写进核查记录，比只留下一个数字容易复查。

复制出来的文字也要核对

尝试选择引用页的一句话，复制到纯文本编辑器，再与页面对照。这个动作只能检查你手里的文件，不能直接说明某个在线应用实际接收了什么内容。

Adobe 的 OCR 会给扫描件增加可搜索的文字层，并要求检查识别结果。⁴ 如果结论取决于否定词、小数点或脚注符号，请放大原页逐个确认。能够搜索，只说明有文字可供搜索，不能据此认定文字已经识别正确。

整句搜索失败，可以缩短为有辨识度的词组，再检查引用页。一直搜索不到时，先保留“未核实”。不要让 AI 自动补齐它认为应该存在的句子。原页清楚、复制结果却有误时，核查记录应该同时注明这两种情况。

引用片段要放回上下文

Google 的文档处理说明区分数字文字提取、版面识别和分块检索。⁵ 片段编号帮助定位材料，结论能否成立还要核对原意。⁵¹ 回到原页，阅读完整段落，再检查附近的说明。

如果应用能够展示引用原文，就保存那段文字，再与 PDF 对照。回答如果把不同章节的内容合成一句话，要分别查找每个部分。原文没有明确建立的联系，应该标明是自己的推断。

下面按实际遇到的问题整理查验动作。这些建议依据相关机制编写，没有声称任何错误的发生比例。⁴²³⁵

发现的问题	接着检查哪里	能够确认什么
跳转页内容接近，但对不上	文件位置、印刷页码、章节标题	是否只是编号不同
复制结果与原页不同	放大后的扫描图像	该段文字能否用于核查
引用缺少适用条件	完整段落与附近说明	回答是否扩大了原意
表格只显示一个数值	行名、列名、单位与备注	数值描述的具体对象
引用只有文件名或片段编号	原页中的支持句	能否重新找到依据

如果应用只展示文件名，建议把对应关系单独记下来：回答中的哪句话，由原文哪个段落支持。一个段落只能支持其中一部分时，就把句子拆开，分别保留有依据和待核实的内容。这样修改以后，后续查验可以直接从存疑的位置继续，不必重新阅读整份回答。

核查还要区分“找错位置”和“理解错误”。编号出现偏差，但最终找到的原句确实支持结论，可以修正定位信息。原句已经找到，条件却与回答不符，就需要修改回答。处理问题前先完成这一区分，能够让修订记录说明具体原因。

核对引语，保留限定条件

用一句明确的假设文字演示：手册写着“仅限室内使用”，回答却据此表示可以室外使用。原文已经与结论冲突。换一种措辞，无法解决这个问题，需要改正结论。

查验真实引语时，从一句有辨识度的短语开始搜索。定位以后，核对完整用词，并阅读前后句。省略号前后有没有条件变化？这一段究竟指哪款设备？确认这些条件以后，再决定这句引语能用于哪种结论。

翻译引语时，标注译文，核查记录保留原文。回答只是概括原意时，也不要给它加上引号。Anthropic 的 PDF 引用功能要求可提取文字，尚不支持图像引用。³ 遇到扫描件，需要查清自己使用的产品如何阅读和引用该文件，不能把这一限制推广到所有系统。

核对表格，沿着行列找到数值

检查规格表里的数值时，先展开整张表。找到设备对应的行，再沿着行查找所需列。抄录数值时，把单位和表头里的限定词一并记录。例如，表头如果写着“典型值”，回答就不应该直接称为“最大值”。这里演示的是核对方法，没有提供虚构的测量结果。

建议先移开 AI 回答，独立抄录一次，然后再比对。表格跨页时，把前后页都打开，确认续表沿用了哪个表头。不要依据抽取后排列成一串的数字猜测列的位置。

如果回答还包含计算结果，分别保留原始数值、单位和计算过程。读者需要能够重新计算。引用指向原表，只完成了定位，还需要说明你怎样使用了表里的数据。

Google 的 Gemini API 文档说明，它可以处理 PDF 中的文字和视觉内容，包括表格与图表。⁶ 依据在图片或图表中时，还要核对原图的标签与图例。具体应用有没有把这些内容传给模型，仍要检查实际配置。即使支持视觉阅读，采用数值前也值得回到原格确认。

对不上时，暂停采用这句话

引用打开了不同版本，原句始终找不到，或者无法确定数值属于哪个单元格，就把这句话标为未核实，暂时移出准备使用的说明。保留问题发生的位置，方便其他人继续查验。

可以要求 AI 再次提供支持句、所在位置，以及原文中的适用条件。新的回答仍需要重新对照。反复询问以后如果依旧缺少依据，就缩小结论或删除该句。

文件清晰度不足时，建议向资料提供者索取清楚的版本。已经完成的文字核对可以保留，无法辨认的单元格则继续标为待核实。不要因为其他段落已经对照成功，就一起确认尚未读清的数字。

最后留下简短记录：采用的表述、原段落或表格、两种页码，以及核查判断。完整支持、部分支持、原文冲突和无法读取，应当分别注明。这样的记录只说明你核对了什么；文档本身是否准确、是否已经更新，还需要另行判断。

参考来源

Footnotes

1. Google Cloud 中文文档 — 回答必须获得完整依据的核查要求: https://docs.cloud.google.com/generative-ai-app-builder/docs/check-grounding?hl=zh-cn ↩ ↩²

2. Adobe Acrobat 中文帮助 — 导航页码与印刷页码的区别: https://helpx.adobe.com/cn/acrobat/desktop/edit-documents/organize-pages/renumber-pages.html ↩ ↩²

3. Anthropic 中文文档 — PDF 引用字段、页码范围与图像引用限制: https://platform.claude.com/docs/zh-CN/build-with-claude/citations ↩ ↩² ↩³

4. Adobe Acrobat 中文帮助 — 扫描件的文字识别、文字层与结果复查: https://helpx.adobe.com/cn/acrobat/desktop/create-documents/scan-documents-to-pdfs/recognize-text.html ↩ ↩²

5. Google Cloud 中文文档 — 文字提取、版面识别与文档分块: https://docs.cloud.google.com/generative-ai-app-builder/docs/parse-chunk-documents?hl=zh-cn ↩ ↩² ↩³

6. Google AI 开发者文档 — Gemini API 对 PDF 文字及视觉内容的处理: https://ai.google.dev/gemini-api/docs/document-processing?hl=zh-cn ↩