怎麼在Whizi把文件上傳給AI

支援的檔案類型,以及每種實際會發生什麼事

把檔案拖進輸入框或點迴紋針圖示附加,然後提出你的問題。模型收到的內容依檔案類型而不同,搞懂差異就能解釋大部分讓人意外的結果。

類型	副檔名	模型實際處理的內容
文字型PDF	.pdf	依閱讀順序擷取的文字,包括以文字形式呈現的表格
掃描型PDF	.pdf	經伺服器端視覺辨識產生的逐頁文字稿
Word文件	.docx	在你的瀏覽器中擷取出的文件文字
試算表	.xlsx、.csv	以文字形式呈現的儲存格數值,而非可運算的公式
圖片	.png、.jpg、.jpeg	影像本身,由多模態模型讀取
程式碼與純文字	.py、.js、.ts、.go、.md、.txt等類似格式	逐字呈現的檔案內容

有兩個結果值得放在心上。第一,試算表送達的是數值,而不是可運作的活頁簿,模型能讀出公式算出的結果,但無法重新執行那條公式。第二,掃描型PDF經過的是視覺辨識轉錄,而非純文字擷取,不尋常的字體、手寫註記或低解析度掃描,仍可能讓數字中的某個字元被誤讀。掃描文件中的數字務必對照原始檔案核對。另外提醒一點:輸入框不接受GIF檔案,會要求改用PNG或JPEG。

提問之前先準備好檔案

這裡多花五分鐘,能省下之後一場讓人一頭霧水的對話。

• 用能說明內容的名稱命名檔案。 模型會看到檔名,2025-q3-vendor-contract-acme.pdf給的有用資訊,遠比document(3).pdf多。當同一則對話裡有好幾個檔案時,這一點的影響會大得多。
• 傳送原始檔,而不是排版過的簡報版本。 對試算表來說尤其如此,含有合併儲存格、資料中夾雜小計、頁邊寫滿註記的版本,造成的錯誤遠比一份樸素的大檔案來得多。
• 依用途拆分過長的文件,而不是依大小拆分。 如果你只需要研究方法和結果的段落,上傳那幾段會比上傳400頁,再指望模型的注意力剛好落在對的地方要好。
• 移除用不到的個人資料。 姓名、電子郵件和身分辨識資訊很少是分析所必需的,先刪掉它們,比事後判斷自己是否有權上傳這些資訊要快得多。
• 確認PDF是不是真的文字檔。 試著在你的PDF閱讀器裡選取文字。如果選不到,代表這是一份掃描檔,Whizi會用視覺辨識來轉錄,數字部分值得對照原始檔案核對。

為檔案挑選合適的模型

在處理文件時,這個選擇比提示詞本身更重要。

• Gemini適合任何長篇內容。Whizi中的Gemini模型擁有100萬個token的上下文視窗,代表一份200頁的報告、一整套合約,或十幾篇論文能同時放進去,而不必分段處理。跨文件的提問只有在所有內容真的都在上下文裡時,才能真正發揮作用。
• Claude適合處理語意細節。法律用語、政策文件,任何意義取決於限定條件和保留說法的內容都適合。它也最擅長告訴你一份文件「沒有」寫什麼,而這往往才是真正該問的問題。
• GPT適合資料擷取。發票、表單、結構化資料,任何你想要嚴謹表格或JSON、上百列都要維持一致欄位名稱的情境都適合。
• 任何多模態模型都適合圖片、圖表、截圖和示意圖。先請它描述看到了什麼,再請它解讀,這樣能提早抓出誤讀的情況。

你可以在同一則對話中途切換模型,不必重新上傳,這正是把工作放在同一個工作區的意義。用Gemini閱讀,用GPT擷取,再讓Claude寫摘要,全都針對同一份附加檔案。詳見在對話中途切換模型。

同時處理多份文件

單一文件的提問很有用。多文件的提問則不再只是方便,而是一種你先前根本沒有的能力。

提示詞:比較

比較contract-a.pdf和contract-b.pdf。回傳一份表格,列出每一個有差異的條款：條款內容、A怎麼寫、B怎麼寫,以及哪一方對我們比較有利,並說明原因。忽略格式和編號上的差異。只出現在其中一份文件裡的條款,請另外分開列出。

提示詞:彙整

根據所有附加的檔案,建立一份表格回答[問題]。每份文件一列,第一欄放文件名稱。如果某份文件沒有提到這個問題,請寫「未提及」。定義不同的文件請勿直接合併,除非有特別標註。

提示詞:找出矛盾之處

這些文件之間哪裡互相矛盾？請把兩段內容並排引用,並註明各自出自哪一個檔案。區分真正的矛盾,和只是範圍或日期不同所造成的差異。

一旦附加了不只一份文件,提問時務必用檔名指名。「在供應商合約裡,通知期是多久？」意思明確;「通知期是多久？」則讓模型自行挑選,而且它不會告訴你選了哪一份。

當答案看起來不對勁

一套簡短的排查順序,能解決大多數問題。

模型說它看不到檔案。先確認附件真的上傳成功,再明確地提到它:「在附加的report.pdf裡」。對圖片來說尤其如此,說「看一下附加的圖片」能確保走的是多模態的處理路徑,而不是模型只憑你問題裡的文字作答。

答案答錯了文件。一旦對話裡有好幾份文件,每個問題都要指名檔案。

掃描文件上的數字有細微錯誤。這是掃描辨識的問題,不是推理的問題。請模型逐字引用周圍那一行,這樣你就能看到它讀到了什麼,再對照原始檔案核對。

模型漏掉了你知道確實存在的內容。先問一個定位性的問題：引用討論[主題]的段落,並標明頁碼或章節。如果它找不到,問題出在擷取,而不是推理。可以試試換一個模型,或另外上傳相關頁面。

模型只是在做摘要,而不是回答問題。要求證據而不是結論：引用支持你答案的確切文字。這也能抓出答案是從一般知識推論而來、而非根據你的文件所得的情況,這是最重要要抓出的失誤。

最後這一項檢查值得特別強調。被問到一種常見合約類型、一項普遍法規,或一篇知名論文的模型,可能完全不查看你的檔案,就能從訓練資料裡給出一個聽起來很合理的答案。要求引用,能強迫答案真正扎根於眼前這份文件。

隱私,以及上傳前該考慮的事

上傳的附件設定為最長30天後過期,你也可以隨時自行更快刪除單一檔案或整段對話。Whizi不會使用你的提示詞、檔案、對話、語音轉錄或生成內容來訓練Whizi自有的AI模型,也不會把這些內容當作訓練資料出售。負責執行你所選模型的供應商,會收到回答所需的內容,並可能依照自身政策暫時留存快取。

真正該由你判斷的,是這份文件是否本來就允許交給第三方服務處理。值得特別留意的類別包括:屬於他人的個人資料、受特定保密條款約束的內容、重大非公開資訊,以及受特定處理規範限制的資料,例如健康或財務紀錄。

對大多數人來說,實際可行的中間做法是去識別化,而不是完全不上傳。用角色取代姓名、用指數而非絕對數字呈現數字、移除身分辨識資訊,這樣能保留分析所需的一切,同時去掉大部分讓文件變得敏感的部分。