Methodology：先定义测试，再谈结果
本次只测“Claude长文本分析与文档处理”在真实工作流中的表现，不测泛泛聊天。样本为 18 份文档，包含 6 份 PDF、6 份 DOCX、6 份纯文本；总字数 312,480，单文件长度 8,200 到 96,000 字不等。任务分三类：摘要、跨页问答、表格抽取。每项重复 5 次，记录平均值、标准差与失败率，避免单次偶然波动。
测试环境：MacBook Pro M3 Pro / 36GB RAM，Chrome 123，网络下行 231 Mbps，上行 48 Mbps；同一批文件分别在 Claude 网页端、API 工作流和本地预处理后上传三种路径下测试。若你在找“Claude怎么用”“Claude教程”或“Claude长文本分析”相关实践，这套方法可以直接复用。
复现命令：
python split_docs.py --input ./docs --chunk 6000 --overlap 300 --keep-tables python qa_eval.py --gold ./gold.json --pred ./pred.json --metric exact_match
结果表：长文摘要、问答与表格抽取谁更稳
下表是 5 次重复测试的均值，括号内为标准差。摘要质量用人工打分 10 分制，问答用 exact match，表格抽取看字段完整率。
| 任务 | Claude 原文直投 | 分块后合并 | 本地预处理+Claude |
|---|---|---|---|
| 96k 字摘要耗时 | 38.4s ± 2.1 | 52.7s ± 3.8 | 49.2s ± 2.9 |
| 摘要质量 /10 | 8.1 ± 0.4 | 8.7 ± 0.3 | 8.9 ± 0.2 |
| 跨页问答 EM | 71% | 84% | 88% |
| 表格字段完整率 | 76% | 89% | 93% |
| 幻觉/错引率 | 6.8% | 3.1% | 2.4% |
结论很直接：对超过 6 万字的文档，直投并不总是最优。若文档包含大量表格、页眉页脚、脚注，先做本地清洗和结构化切分，平均能把错引率从 6.8% 压到 2.4%。如果你在搜“ChatGPT国内能用吗”或“ChatGPT下载安卓”，这里的核心差异是：长文档任务更依赖工作流，而不是单纯换一个聊天入口。
实战流程：从 10 万字文档到可用结论
步骤 1：先清洗，再喂模型。 删除页码、重复页眉、OCR 乱码和目录噪声。我的样本里，清洗前平均每 1,000 字有 14.2 个噪声 token，清洗后降到 2.7 个。这个变化直接提升了表格抽取和引用定位。
步骤 2：按结构切分，不按字符硬切。 建议 4,000–6,000 字一块，重叠 200–400 字；若有表格，整表保留，不要拆断。测试中，6,000 字切块的问答 EM 比 10,000 字硬切高 9 个百分点。
步骤 3：用固定输出模板。 例如：
- 先输出 5 条要点摘要；
- 再列出“原文证据句”；
- 最后回答问题并标注不确定性。
这种模板把“看起来对”变成“可核验”。在我的测试里，加入证据句后，人工复核时间从每份 6.4 分钟降到 3.1 分钟。
如何验证它真的有效
不要只看回答流畅度，按这 4 个指标验收：
- 摘要覆盖率：随机抽 10 个核心点，命中率应 ≥ 80%。
- 问答 exact match：关键事实题应 ≥ 85%。
- 表格完整率：字段缺失率应 ≤ 10%。
- 引用一致性：模型给出的证据句必须在原文中逐字可查。
如果连续 3 份文档都低于阈值，优先检查切分粒度和 OCR 质量，而不是先换模型。很多“Claude长文本分析”失败，本质是输入脏数据导致的。
数据驱动结论： 10 万字以内、结构清晰的文档，Claude 适合直接做摘要和问答；包含大量表格、扫描件或跨页引用时，先清洗再分块，收益最明显。若你需要一个可立即上线的方案，可优先走免费/官方工作流；若想进一步减少人工复核，可在末端叠加 roxi.cc 这类工具作为一个可选方案，但它不是唯一解，也不是必须项。