Whizi में AI को दस्तावेज़ कैसे अपलोड करें

समर्थित फ़ाइल प्रकार, और हर एक के साथ असल में क्या होता है

फ़ाइल को कंपोज़र में खींचकर छोड़ें या पेपरक्लिप पर क्लिक करके अटैच करें, फिर अपना सवाल पूछें। मॉडल को क्या मिलता है यह फ़ाइल के प्रकार पर निर्भर करता है, और यह जानना ज़्यादातर हैरान करने वाले नतीजों की वजह समझा देता है।

प्रकार	एक्सटेंशन	मॉडल किसके साथ काम करता है
टेक्स्ट PDF	.pdf	पढ़ने के क्रम में निकाला गया टेक्स्ट, टेबल भी टेक्स्ट के रूप में शामिल
स्कैन की गई PDF	.pdf	सर्वर-साइड विज़न पास से प्रति-पेज ट्रांसक्रिप्ट
Word दस्तावेज़	.docx	आपके ब्राउज़र में निकाला गया दस्तावेज़ टेक्स्ट
स्प्रेडशीट	.xlsx, .csv	टेक्स्ट के रूप में सेल वैल्यू, लाइव फ़ॉर्मूला नहीं
इमेज	.png, .jpg, .jpeg	खुद इमेज, जिसे एक मल्टीमोडल मॉडल पढ़ता है
कोड और प्लेन टेक्स्ट	.py, .js, .ts, .go, .md, .txt और इसी तरह की फ़ाइलें	फ़ाइल की सामग्री जस की तस

इंटरनलाइज़ करने लायक दो नतीजे हैं। पहला, एक स्प्रेडशीट वैल्यू के रूप में आती है, न कि काम करने वाली वर्कबुक के रूप में, इसलिए मॉडल यह पढ़ सकता है कि आपके फ़ॉर्मूले ने क्या नतीजा दिया, लेकिन वह फ़ॉर्मूले को फिर से एक्ज़िक्यूट नहीं कर सकता। दूसरा, स्कैन की गई PDF प्लेन टेक्स्ट एक्सट्रैक्शन के बजाय विज़न ट्रांसक्रिप्शन से गुज़री है, और कोई असामान्य फ़ॉन्ट, हाथ से लिखा नोट, या कम रिज़ॉल्यूशन वाला स्कैन किसी संख्या में गलत पढ़े गए कैरेक्टर की वजह बन सकता है। स्कैन किए गए दस्तावेज़ों से मिले आंकड़ों को मूल दस्तावेज़ से जांच लें। इमेज से जुड़ी एक बात: कंपोज़र GIF फ़ाइलों को मना करता है और इसके बजाय PNG या JPEG मांगता है।

कुछ भी पूछने से पहले फ़ाइल तैयार करें

यहां लगे पांच मिनट बाद की एक उलझन भरी बातचीत बचाते हैं।

• फ़ाइल का नाम उसकी पहचान के हिसाब से रखें। मॉडल फ़ाइल का नाम देखता है, और 2025-q3-vendor-contract-acme.pdf उसे उतना उपयोगी संदर्भ देता है जितना document(3).pdf नहीं देता। जब थ्रेड में कई फ़ाइलें हों तो यह और भी ज़्यादा मायने रखता है।
• सोर्स भेजें, प्रेजेंटेशन वर्ज़न नहीं। खासकर स्प्रेडशीट के लिए, मर्ज की गई सेल, डेटा के बीच सबटोटल, और हाशिये में लिखे नोट वाला वर्ज़न, एक बड़ी प्लेन फ़ाइल से कहीं ज़्यादा गलतियां पैदा करता है।
• बहुत बड़े दस्तावेज़ों को मकसद के हिसाब से बांटें, साइज़ के हिसाब से नहीं। अगर आपको सिर्फ मेथडोलॉजी और नतीजों वाले हिस्से चाहिए, तो उन्हें अपलोड करना 400 पन्ने अपलोड करके यह उम्मीद रखने से बेहतर है कि ध्यान सही जगह जाएगा।
• जिस निजी डेटा की ज़रूरत नहीं, उसे हटा दें। नाम, ईमेल और पहचान संबंधी जानकारी विश्लेषण के लिए शायद ही कभी ज़रूरी होती है, और उन्हें हटाना यह तय करने से तेज़ है कि आपको उन्हें अपलोड करने की इजाज़त थी या नहीं।
• जांच लें कि PDF असल में टेक्स्ट है या नहीं। अपने PDF रीडर में टेक्स्ट सिलेक्ट करने की कोशिश करें। अगर आप ऐसा नहीं कर पा रहे, तो यह एक स्कैन है, Whizi इसे विज़न पास से ट्रांसक्राइब करेगा, और आंकड़ों की मूल दस्तावेज़ से जांच ज़रूरी है।

फ़ाइल के लिए सही मॉडल चुनना

दस्तावेज़ से जुड़े काम के लिए यह चुनाव प्रॉम्प्ट से भी ज़्यादा मायने रखता है।

• Gemini किसी भी लंबी चीज़ के लिए। Whizi में Gemini मॉडलों का कॉन्टेक्स्ट विंडो 1,000,000 टोकन का है, यानी 200 पन्नों की रिपोर्ट, पूरा कॉन्ट्रैक्ट सेट, या दर्जन भर पेपर एक साथ मौजूद रह सकते हैं, टुकड़ों में प्रोसेस होने के बजाय। क्रॉस-डॉक्यूमेंट सवाल तभी ठीक से काम करते हैं जब सब कुछ सचमुच कॉन्टेक्स्ट में हो।
• Claude बारीकी के लिए। कानूनी भाषा, नीति दस्तावेज़, और वह सब कुछ जहां अर्थ योग्यता और हेजिंग पर निर्भर करता है। यह आपको यह बताने में भी सबसे अच्छा है कि कोई दस्तावेज़ क्या नहीं कहता, जो अक्सर असली सवाल होता है।
• GPT एक्सट्रैक्शन के लिए। इनवॉइस, फ़ॉर्म, स्ट्रक्चर्ड डेटा, और वह सब कुछ जहां आपको सख्त टेबल या JSON चाहिए और सैकड़ों पंक्तियों में एक जैसे फ़ील्ड नाम चाहिए।
• कोई भी मल्टीमोडल मॉडल इमेज, चार्ट, स्क्रीनशॉट और डायग्राम के लिए। उससे व्याख्या करने से पहले यह बताने को कहें कि वह क्या देख रहा है, जिससे गलत पढ़ाई जल्दी पकड़ में आ जाती है।

बिना दोबारा अपलोड किए आप थ्रेड के बीच में मॉडल बदल सकते हैं, और यही एक ही वर्कस्पेस में यह सब करने का मतलब है। Gemini से पढ़ें, GPT से एक्सट्रैक्ट करें, और Claude से सारांश लिखवाएं, यह सब उसी अटैच की गई फ़ाइल पर। बातचीत के बीच मॉडल बदलना देखें।

एक साथ कई दस्तावेज़ों के साथ काम करना

एक दस्तावेज़ वाले सवाल उपयोगी होते हैं। कई दस्तावेज़ों वाले सवाल वहां से शुरू होते हैं जहां यह सिर्फ एक सुविधा नहीं रह जाती, बल्कि एक ऐसी क्षमता बन जाती है जो पहले आपके पास नहीं थी।

प्रॉम्प्ट: तुलना करें

contract-a.pdf और contract-b.pdf की तुलना करें। हर उस क्लॉज़ की एक टेबल दें जो अलग है: क्लॉज़, A क्या कहता है, B क्या कहता है, और कौन सा हमारे लिए ज़्यादा फ़ायदेमंद है और क्यों। फ़ॉर्मेटिंग और नंबरिंग के फर्क को नज़रअंदाज़ करें। जो क्लॉज़ एक में हैं और दूसरे में नहीं, उन्हें अलग से सूचीबद्ध करें।

प्रॉम्प्ट: एक साथ लाएं

सभी अटैच की गई फ़ाइलों में, [सवाल] का जवाब देने वाली एक टेबल बनाएं। हर दस्तावेज़ के लिए एक पंक्ति, पहले कॉलम में दस्तावेज़ का नाम। अगर कोई दस्तावेज़ इसे संबोधित नहीं करता, तो NOT ADDRESSED लिखें। अलग-अलग परिभाषाएं इस्तेमाल करने वाले दस्तावेज़ों को बिना बताए मर्ज न करें।

प्रॉम्प्ट: विरोधाभास ढूंढें

ये दस्तावेज़ कहां एक-दूसरे का खंडन करते हैं? दोनों हिस्सों को साथ-साथ कोट करें और बताएं कि हर एक किस फ़ाइल से आया है। असली विरोधाभासों को दायरे या तारीख के फर्क से अलग पहचानें।

जैसे ही एक से ज़्यादा फ़ाइलें हों, अपने प्रॉम्प्ट में हमेशा फ़ाइलों को नाम से रेफर करें। "वेंडर एग्रीमेंट में, नोटिस पीरियड क्या है?" स्पष्ट है; "नोटिस पीरियड क्या है?" मॉडल को चुनने पर मजबूर करता है, और वह आपको नहीं बताएगा कि उसने क्या चुना।

जब जवाब गलत लगे

एक छोटा डायग्नोस्टिक क्रम जो ज़्यादातर समस्याएं सुलझा देता है।

मॉडल कहता है कि वह फ़ाइल नहीं देख सकता। पुष्टि करें कि अटैचमेंट असल में अपलोड हुआ, फिर उसे साफ़ तौर पर रेफर करें: "अटैच की गई report.pdf में"। खासकर इमेज के लिए, "अटैच की गई इमेज देखें" कहने से यह पक्का होता है कि मल्टीमोडल पाथ इस्तेमाल हो, न कि मॉडल सिर्फ आपके सवाल के टेक्स्ट से जवाब दे।

जवाब गलत दस्तावेज़ के बारे में है। जैसे ही थ्रेड में कई फ़ाइलें हों, हर सवाल में फ़ाइल का नाम बताएं।

स्कैन किए गए दस्तावेज़ में संख्याएं थोड़ी गलत हैं। यह स्कैन का ट्रांसक्रिप्शन है, तर्क नहीं। मॉडल से आस-पास की लाइन को जस का तस कोट करने को कहें ताकि आप देख सकें कि उसने क्या पढ़ा, फिर मूल से जांच लें।

उससे कुछ छूट गया जो आप जानते हैं वहां है। पहले एक लोकेटिंग सवाल पूछें: [विषय] पर चर्चा करने वाले हिस्से को कोट करें और उसका पेज या सेक्शन बताएं। अगर उसे नहीं मिलता, तो समस्या एक्सट्रैक्शन में है, तर्क में नहीं। कोई दूसरा मॉडल आज़माएं या संबंधित पन्ने अलग से अपलोड करें।

यह जवाब देने के बजाय सारांश दे रहा है। नतीजे के बजाय सबूत मांगें: वह सही टेक्स्ट कोट करें जो आपके जवाब का समर्थन करता है। यह उस स्थिति को भी पकड़ता है जहां जवाब सामान्य ज्ञान से निकाला गया, न कि आपके दस्तावेज़ से, जो पकड़ने लायक सबसे ज़रूरी चूक है।

यह आखिरी जांच खास ध्यान देने लायक है। एक जाने-पहचाने कॉन्ट्रैक्ट टाइप, आम रेगुलेशन, या मशहूर पेपर के बारे में पूछे गए मॉडल से बिना आपकी फ़ाइल देखे भी विश्वसनीय जवाब मिल सकता है, ट्रेनिंग डेटा से। कोट मांगने से जवाब असल में सामने मौजूद दस्तावेज़ पर टिका रहता है।

प्राइवेसी और अपलोड करने से पहले क्या सोचें

अपलोड की गई अटैचमेंट को ज़्यादा से ज़्यादा 30 दिन बाद एक्सपायर होने के लिए कॉन्फ़िगर किया गया है, और आप खुद भी किसी फ़ाइल या पूरी बातचीत को जल्दी डिलीट कर सकते हैं। Whizi आपके प्रॉम्प्ट, फ़ाइलें, बातचीत, वॉइस ट्रांसक्रिप्ट, या जनरेट की गई सामग्री का इस्तेमाल Whizi के अपने AI मॉडल ट्रेन करने के लिए नहीं करता, और इस सामग्री को ट्रेनिंग डेटा के रूप में बेचता भी नहीं है। जिस मॉडल का आपने चुनाव किया है उसे चलाने वाला प्रोवाइडर जवाब देने के लिए जो ज़रूरी है वह पाता है और अपनी नीति के तहत अस्थायी कैश रख सकता है।

जो फैसला आपका ही रहता है वह यह है कि क्या यह दस्तावेज़ ऐसा है जिसे किसी थर्ड पार्टी सेवा से प्रोसेस कराने की आपको इजाज़त है। ध्यान देने लायक श्रेणियां: दूसरे लोगों का निजी डेटा, किसी खास गोपनीयता क्लॉज़ के दायरे में आने वाली चीज़ें, मटीरियल नॉन-पब्लिक जानकारी, और स्वास्थ्य या वित्तीय रिकॉर्ड जैसा रेगुलेटेड डेटा जो खास हैंडलिंग नियमों के अधीन है।

ज़्यादातर लोगों के लिए व्यावहारिक बीच का रास्ता है परहेज़ करने के बजाय रीडैक्ट करना। नामों की जगह भूमिकाएं, पूर्ण संख्याओं की जगह इंडेक्स किए गए आंकड़े, और हटाई गई पहचान संबंधी जानकारी, विश्लेषण के लिए ज़रूरी सब कुछ बचाए रखेगी जबकि दस्तावेज़ को संवेदनशील बनाने वाली ज़्यादातर चीज़ें हटा देगी।