Cara memuat naik dokumen ke AI dalam Whizi

Jenis fail yang disokong, dan apa yang sebenarnya berlaku pada setiap satu

Lampirkan fail dengan menyeretnya ke dalam ruang penulisan atau mengklik ikon klip kertas, kemudian tanya soalan anda. Apa yang diterima oleh model berbeza mengikut jenis fail, dan mengetahui perbezaan ini menjelaskan kebanyakan hasil yang mengejutkan.

Jenis	Sambungan	Apa yang digunakan oleh model
PDF teks	.pdf	Teks yang diekstrak, mengikut susunan bacaan, termasuk jadual sebagai teks
PDF imbasan	.pdf	Transkrip setiap halaman daripada proses visi di pelayan
Dokumen Word	.docx	Teks dokumen, diekstrak dalam pelayar anda
Hamparan	.xlsx, .csv	Nilai sel sebagai teks, bukan formula langsung
Imej	.png, .jpg, .jpeg	Imej itu sendiri, dibaca oleh model multimodal
Kod dan teks biasa	.py, .js, .ts, .go, .md, .txt dan seumpamanya	Kandungan fail secara verbatim

Dua akibat yang wajar difahami. Pertama, hamparan tiba sebagai nilai dan bukan sebagai buku kerja yang berfungsi, jadi model boleh membaca hasil formula anda tetapi tidak boleh menjalankan semula formula itu. Kedua, PDF imbasan telah melalui transkripsi visi dan bukan pengekstrakan teks biasa, dan fon yang luar biasa, anotasi tulisan tangan, atau imbasan resolusi rendah masih boleh menghasilkan aksara yang tersalah baca dalam sesuatu nombor. Sahkan angka daripada dokumen imbasan berbanding yang asal. Satu nota imej: ruang penulisan menolak fail GIF dan meminta PNG atau JPEG sebagai gantinya.

Sediakan fail sebelum bertanya apa-apa

Lima minit di sini menjimatkan perbualan yang mengelirukan kemudian.

• Namakan fail mengikut apa sebenarnya kandungannya. Model melihat nama fail, dan 2025-q3-vendor-contract-acme.pdf memberikannya konteks berguna yang tidak diberikan oleh document(3).pdf. Ia turut penting sekali beberapa fail berada dalam satu perbualan.
• Hantar versi sumber, bukan versi persembahan. Bagi hamparan khususnya, versi dengan sel bergabung, subtotal di dalam data, dan nota di tepi menyebabkan lebih banyak ralat berbanding fail biasa yang besar.
• Bahagikan dokumen yang sangat besar mengikut tujuan, bukan saiz. Jika anda hanya perlukan bahagian metodologi dan keputusan, memuat naik bahagian tersebut lebih baik daripada memuat naik 400 halaman dan berharap perhatian jatuh di tempat yang betul.
• Buang data peribadi yang tidak anda perlukan. Nama, e-mel, dan pengenal diri jarang diperlukan untuk analisis, dan membuangnya lebih pantas daripada memutuskan sama ada anda dibenarkan memuat naiknya.
• Semak sama ada PDF itu sebenarnya teks. Cuba pilih teks dalam pembaca PDF anda. Jika anda tidak boleh, ia adalah imbasan, Whizi akan mentranskripnya dengan proses visi, dan angka wajar disemak berbanding yang asal.

Memilih model untuk fail tersebut

Pilihan ini lebih penting daripada gesaan untuk kerja dokumen.

• Gemini untuk apa jua yang panjang. Model Gemini dalam Whizi membawa tetingkap konteks 1,000,000 token, bermakna laporan 200 halaman, satu set kontrak penuh, atau selusin kertas kerja boleh wujud sekaligus dan bukan diproses secara berperingkat. Soalan merentas dokumen hanya berfungsi dengan baik apabila segalanya benar-benar berada dalam konteks.
• Claude untuk nuansa. Bahasa perundangan, dokumen dasar, apa jua yang maknanya bergantung pada syarat dan bahasa berhemah. Ia juga terbaik dalam memberitahu anda apa yang tidak dinyatakan oleh dokumen, yang selalunya adalah soalan sebenar.
• GPT untuk pengekstrakan. Invois, borang, data berstruktur, apa jua yang anda mahukan jadual ketat atau JSON dikembalikan dengan nama medan yang konsisten merentas seratus baris.
• Mana-mana model multimodal untuk imej, carta, tangkapan skrin, dan gambar rajah. Minta ia terangkan apa yang dilihat sebelum meminta ia mentafsir, yang menangkap salah baca lebih awal.

Anda boleh menukar model di tengah-tengah perbualan tanpa memuat naik semula, iaitu tujuan melakukan ini dalam satu ruang kerja. Baca dengan Gemini, ekstrak dengan GPT, dan biarkan Claude menulis ringkasan, semuanya terhadap fail lampiran yang sama. Lihat menukar model di tengah perbualan.

Bekerja dengan beberapa dokumen sekali gus

Soalan dokumen tunggal berguna. Soalan pelbagai dokumen adalah di mana ini berhenti menjadi kemudahan dan mula menjadi keupayaan yang anda tidak miliki sebelum ini.

Gesaan: bandingkan

Bandingkan contract-a.pdf dan contract-b.pdf. Kembalikan jadual setiap klausa yang berbeza: klausa, apa yang dikatakan A, apa yang dikatakan B, dan yang mana lebih menguntungkan kita serta sebabnya. Abaikan perbezaan dalam format dan penomboran. Senaraikan klausa yang wujud dalam satu tetapi tiada dalam yang lain secara berasingan.

Gesaan: gabungkan

Merentas semua fail yang dilampirkan, bina satu jadual menjawab [soalan]. Satu baris bagi setiap dokumen, dengan nama dokumen di lajur pertama. Jika sesebuah dokumen tidak menyentuhnya, tulis TIDAK DISEBUT. Jangan gabungkan dokumen yang menggunakan takrifan berbeza tanpa menandakannya.

Gesaan: cari percanggahan

Di manakah dokumen-dokumen ini bercanggah antara satu sama lain? Petik kedua-dua petikan bersebelahan dan namakan fail dari mana ia berasal. Bezakan percanggahan sebenar daripada perbezaan skop atau tarikh.

Sentiasa rujuk fail mengikut nama dalam gesaan anda sebaik sahaja terdapat lebih daripada satu. "Dalam perjanjian vendor, apakah tempoh notis?" adalah jelas; "apakah tempoh notis?" membuatkan model memilih sendiri, dan ia tidak akan memberitahu anda yang mana ia pilih.

Apabila jawapan kelihatan salah

Satu urutan diagnostik ringkas yang menyelesaikan kebanyakan masalah.

Model berkata ia tidak dapat melihat fail. Sahkan lampiran itu benar-benar dimuat naik, kemudian rujuk secara eksplisit: "Dalam report.pdf yang dilampirkan". Bagi imej khususnya, menyatakan "lihat imej yang dilampirkan" memastikan laluan multimodal digunakan dan bukannya model menjawab hanya daripada teks soalan anda.

Jawapan itu tentang dokumen yang salah. Namakan fail dalam setiap soalan sebaik sahaja perbualan mempunyai beberapa fail.

Nombor itu sedikit salah pada dokumen imbasan. Ini adalah transkripsi imbasan, bukan penaakulan. Minta model memetik baris sekeliling secara verbatim supaya anda dapat lihat apa yang dibacanya, kemudian semak yang asal.

Ia terlepas sesuatu yang anda tahu ada di dalamnya. Tanya soalan mencari dahulu: Petik petikan yang membincangkan [topik] dan berikan halaman atau bahagiannya. Jika ia tidak dapat mencarinya, pengekstrakan adalah masalahnya, bukan penaakulan. Cuba model lain atau muat naik halaman berkenaan secara berasingan.

Ia meringkaskan dan bukannya menjawab. Minta bukti dan bukan kesimpulan: Petik teks tepat yang menyokong jawapan anda. Ini juga menangkap kes di mana jawapan disimpulkan daripada pengetahuan umum dan bukan daripada dokumen anda, yang merupakan kegagalan paling penting untuk dikesan.

Semakan terakhir itu wajar ditekankan. Model yang ditanya tentang jenis kontrak yang terkenal, peraturan biasa, atau kertas kerja yang masyhur boleh menjawab dengan munasabah daripada data latihan tanpa merujuk fail anda langsung. Meminta petikan memaksa jawapan itu berpaut kepada dokumen yang benar-benar berada di hadapannya.

Privasi dan apa yang perlu difikirkan sebelum memuat naik

Lampiran yang dimuat naik dikonfigurasikan untuk luput selepas sehingga 30 hari, dan anda boleh memadam fail atau seluruh perbualan lebih awal sendiri. Whizi tidak menggunakan gesaan, fail, perbualan, transkrip suara, atau kandungan yang dijana anda untuk melatih model AI milik Whizi, dan tidak menjual kandungan itu sebagai data latihan. Penyedia yang menjalankan model yang anda pilih menerima apa yang diperlukan untuk menjawab dan mungkin menyimpan cache sementara di bawah dasarnya sendiri.

Penilaian yang tinggal menjadi tanggungjawab anda adalah sama ada dokumen itu satu yang anda dibenarkan proses dengan perkhidmatan pihak ketiga. Kategori yang wajar difikirkan: data peribadi milik orang lain, apa jua yang dilindungi oleh klausa kerahsiaan tertentu, maklumat bahan yang tidak untuk umum, dan data terkawal seperti rekod kesihatan atau kewangan yang tertakluk kepada peraturan pengendalian khusus.

Jalan tengah praktikal bagi kebanyakan orang adalah menghitamkan dan bukan menahan diri. Nama digantikan dengan peranan, angka diindekskan dan bukan mutlak, dan pengenal diri dibuang akan mengekalkan segala yang diperlukan untuk analisis sambil membuang kebanyakan apa yang menjadikan dokumen itu sensitif.