چگونه اسناد را در Whizi به هوش مصنوعی آپلود کنیم

نوع فایل‌های پشتیبانی‌شده و آنچه واقعاً برای هر کدام رخ می‌دهد

فایل را با کشیدن به داخل نوار نوشتن یا کلیک روی آیکون گیره کاغذ پیوست کنید، سپس سوال خود را بپرسید. آنچه مدل دریافت می‌کند بسته به نوع فایل فرق دارد، و دانستن تفاوت آن‌ها بیشتر نتایج غیرمنتظره را توضیح می‌دهد.

نوع	پسوندها	مدل با چه چیزی کار می‌کند
PDF متنی	.pdf	متن استخراج‌شده، به ترتیب خواندن، شامل جدول‌ها به‌صورت متن
PDF اسکن‌شده	.pdf	رونوشت هر صفحه از یک پردازش بینایی در سمت سرور
اسناد Word	.docx	متن سند، استخراج‌شده در مرورگر شما
صفحات گسترده	.xlsx, .csv	مقادیر سلول‌ها به‌صورت متن، نه فرمول‌های زنده
تصاویر	.png, .jpg, .jpeg	خود تصویر، خوانده‌شده توسط یک مدل چندوجهی
کد و متن ساده	.py, .js, .ts, .go, .md, .txt و مشابه	محتوای فایل عیناً

دو نتیجه ارزش به‌خاطر سپردن دارند. اول، یک صفحه گسترده به‌صورت مقادیر می‌رسد نه یک فایل کاری، بنابراین مدل می‌تواند نتیجهٔ فرمول شما را بخواند اما نمی‌تواند خود فرمول را دوباره اجرا کند. دوم، یک PDF اسکن‌شده از یک رونویسی بینایی عبور کرده نه استخراج متن ساده، و یک فونت غیرمعمول، یک یادداشت دست‌نویس یا اسکنی با وضوح پایین همچنان می‌تواند یک کاراکتر در یک عدد را اشتباه بخواند. ارقام اسناد اسکن‌شده را با نسخهٔ اصلی بررسی کنید. یک نکته دربارهٔ تصاویر: نوار نوشتن فایل‌های GIF را نمی‌پذیرد و به‌جای آن PNG یا JPEG می‌خواهد.

پیش از پرسیدن هر سوالی، فایل را آماده کنید

پنج دقیقه در این مرحله، یک گفتگوی گیج‌کننده بعدی را نجات می‌دهد.

• فایل را متناسب با محتوایش نام‌گذاری کنید. مدل نام فایل را می‌بیند، و 2025-q3-vendor-contract-acme.pdf زمینهٔ مفیدی می‌دهد که document(3).pdf نمی‌دهد. این وقتی چند فایل در یک گفتگو باشند اهمیت بسیار بیشتری پیدا می‌کند.
• نسخهٔ اصلی را بفرستید، نه نسخهٔ ارائه‌شده. به‌ویژه برای صفحات گسترده، نسخه‌ای با سلول‌های ادغام‌شده، جمع‌های جزئی درون داده‌ها و یادداشت‌های حاشیه‌ای، خطاهای بسیار بیشتری نسبت به یک فایل ساده و بزرگ ایجاد می‌کند.
• اسناد بزرگ را بر اساس هدف تقسیم کنید، نه اندازه. اگر فقط به بخش‌های روش‌شناسی و نتایج نیاز دارید، آپلود همان بخش‌ها بهتر از آپلود 400 صفحه و امیدواری به این است که توجه مدل به جای درست برسد.
• داده‌های شخصی غیرضروری را حذف کنید. نام‌ها، ایمیل‌ها و شناسه‌ها به‌ندرت برای تحلیل لازم هستند، و حذف آن‌ها سریع‌تر از تصمیم‌گیری دربارهٔ این است که آیا اجازهٔ آپلودشان را داشتید یا نه.
• بررسی کنید که آیا PDF واقعاً متنی است. در نرم‌افزار خواندن PDF خود، انتخاب متن را امتحان کنید. اگر نتوانستید، یک اسکن است، Whizi آن را با یک پردازش بینایی رونویسی می‌کند، و ارقام آن سزاوار بررسی با نسخهٔ اصلی هستند.

انتخاب مدل مناسب برای فایل

این انتخاب برای کار با اسناد از خود پرامپت مهم‌تر است.

• Gemini برای هر چیز طولانی. مدل‌های Gemini در Whizi پنجرهٔ زمینهٔ 1,000,000 توکنی دارند، به این معنا که یک گزارش 200 صفحه‌ای، یک مجموعه کامل قرارداد یا ده‌ها مقاله می‌توانند به‌طور کامل و همزمان حاضر باشند، نه اینکه تکه‌تکه پردازش شوند. سوالات میان‌سندی فقط زمانی درست کار می‌کنند که همه چیز واقعاً در زمینه باشد.
• Claude برای ظرافت. زبان حقوقی، اسناد سیاستی، هر جایی که معنا به قید و احتیاط بستگی دارد. این مدل همچنین بهترین در گفتن این است که یک سند چه چیزی نمی‌گوید، که اغلب سوال واقعی همین است.
• GPT برای استخراج. فاکتورها، فرم‌ها، داده‌های ساخت‌یافته، هر جایی که می‌خواهید یک جدول یا JSON دقیق و نام‌های فیلد یکسان در صد ردیف بازگردد.
• هر مدل چندوجهی برای تصاویر، نمودارها، اسکرین‌شات‌ها و دیاگرام‌ها. پیش از خواستن تفسیر، از آن بخواهید آنچه می‌بیند را توصیف کند، که خطاهای خواندن را زودتر می‌گیرد.

می‌توانید بدون آپلود دوباره، مدل را در وسط گفتگو عوض کنید، که هدف انجام این کار در یک فضای کاری واحد است. با Gemini بخوانید، با GPT استخراج کنید، و بگذارید Claude خلاصه را بنویسد، همه در برابر همان فایل پیوست‌شده. به تعویض مدل در میانهٔ گفتگو مراجعه کنید.

کار با چند سند به‌طور همزمان

سوالات مربوط به یک سند مفید هستند. سوالات چندسندی جایی است که این کار دیگر فقط یک راحتی نیست و به یک قابلیت تبدیل می‌شود که پیش از این نداشتید.

پرامپت: مقایسه

contract-a.pdf و contract-b.pdf را مقایسه کن. جدولی از هر بندی که تفاوت دارد برگردان: بند، A چه می‌گوید، B چه می‌گوید، و کدام برای ما مطلوب‌تر است و چرا. تفاوت‌های قالب‌بندی و شماره‌گذاری را نادیده بگیر. بندهایی که فقط در یکی هست و در دیگری نیست را جداگانه فهرست کن.

پرامپت: تجمیع

در همهٔ فایل‌های پیوست‌شده، یک جدول بساز که به [سوال] پاسخ دهد. یک ردیف برای هر سند، با نام سند در ستون اول. جایی که یک سند به آن نپرداخته، بنویس NOT ADDRESSED. اسنادی که از تعریف‌های متفاوتی استفاده می‌کنند را بدون علامت‌گذاری ادغام نکن.

پرامپت: یافتن تناقض

این اسناد کجا با هم تناقض دارند؟ هر دو بخش را کنار هم نقل کن و نام فایل هرکدام را بگو. تناقض‌های واقعی را از تفاوت در دامنه یا تاریخ تشخیص بده.

همیشه وقتی بیش از یک فایل هست، در پرامپت خود فایل‌ها را با نام ذکر کنید. «در توافق‌نامهٔ فروشنده، مدت اطلاع قبلی چقدر است؟» بدون ابهام است؛ «مدت اطلاع قبلی چقدر است؟» مدل را وادار به انتخاب می‌کند، و نمی‌گوید کدام را انتخاب کرده است.

وقتی پاسخ اشتباه به‌نظر می‌رسد

یک توالی تشخیصی کوتاه که بیشتر مشکلات را برطرف می‌کند.

مدل می‌گوید فایل را نمی‌بیند. بررسی کنید که پیوست واقعاً آپلود شده، سپس صریحاً به آن ارجاع دهید: «در گزارش report.pdf پیوست‌شده». به‌ویژه برای تصاویر، گفتن «به تصویر پیوست‌شده نگاه کن» تضمین می‌کند مسیر چندوجهی استفاده می‌شود نه اینکه مدل فقط از متن سوال شما پاسخ دهد.

پاسخ مربوط به سند اشتباه است. وقتی گفتگو چند فایل دارد، فایل را در هر سوال نام ببرید.

اعداد در یک سند اسکن‌شده کمی اشتباه‌اند. این رونویسی اسکن است، نه استدلال. از مدل بخواهید خط اطراف را عیناً نقل کند تا ببینید چه چیزی خوانده، سپس با نسخهٔ اصلی مقایسه کنید.

چیزی را که می‌دانید در سند هست، از قلم انداخته. ابتدا یک سوال مکان‌یابی بپرسید: بخشی که دربارهٔ [موضوع] بحث می‌کند را نقل کن و صفحه یا بخشش را بگو. اگر نتواند پیدایش کند، مشکل استخراج است، نه استدلال. مدل دیگری امتحان کنید یا صفحات مربوطه را جداگانه آپلود کنید.

دارد خلاصه می‌کند به‌جای پاسخ دادن. به‌جای نتیجه، شواهد بخواهید: متن دقیقی که پاسخت را تایید می‌کند نقل کن. این همچنین حالتی را می‌گیرد که پاسخ از دانش عمومی استنباط شده نه از سند شما، که مهم‌ترین خطاست که باید گرفت.

آن بررسی آخر ارزش تاکید دارد. مدلی که دربارهٔ یک نوع قرارداد شناخته‌شده، یک مقررهٔ رایج یا یک مقالهٔ مشهور پرسیده می‌شود، می‌تواند بدون مراجعه به فایل شما، به‌طور قابل‌قبولی از داده‌های آموزشی پاسخ دهد. خواستن نقل قول، پاسخ را به سندی که واقعاً پیش روی اوست مقید می‌کند.

حریم خصوصی و آنچه پیش از آپلود باید در نظر بگیرید

پیوست‌های آپلودشده طوری تنظیم شده‌اند که پس از حداکثر 30 روز منقضی شوند، و شما می‌توانید هر زمان زودتر یک فایل یا کل یک گفتگو را حذف کنید. Whizi از پرامپت‌ها، فایل‌ها، گفتگوها، رونوشت‌های صوتی یا محتوای تولیدشدهٔ شما برای آموزش مدل‌های هوش مصنوعی متعلق به Whizi استفاده نمی‌کند، و آن محتوا را به‌عنوان داده آموزشی نمی‌فروشد. ارائه‌دهندهٔ مدلی که انتخاب کرده‌اید، آنچه برای پاسخ لازم دارد را دریافت می‌کند و ممکن است کش موقتی مطابق سیاست خودش نگه‌دارد.

قضاوتی که همچنان بر عهدهٔ شماست این است که آیا اصلاً اجازه دارید این سند را با یک سرویس شخص ثالث پردازش کنید. دسته‌هایی که ارزش مکث دارند: داده‌های شخصی متعلق به افراد دیگر، هر چیز مشمول یک بند محرمانگی خاص، اطلاعات مهم غیرعلنی، و داده‌های تحت مقررات مانند سوابق سلامت یا مالی که قوانین رسیدگی خاصی دارند.

میانه‌روی عملی برای بیشتر افراد این است که ویرایش کنند نه اینکه خودداری کنند. جایگزینی نام‌ها با نقش‌ها، شاخص‌گذاری ارقام به‌جای اعداد مطلق، و حذف شناسه‌ها، همه چیزی را که تحلیل نیاز دارد حفظ می‌کند و بیشتر آنچه یک سند را حساس می‌کند حذف می‌کند.