你需要知道的最重要的事情
- 為了分析文檔，請 ChatGPT 分別從每個文檔中提取具體細節（例如成本、折扣、條件），然後建立一個比較表，並找出 5 個不清楚的差異進行檢查。
- 為了確保資訊的準確性並避免 ChatGPT 錯誤，請要求它提供每個提取細節的頁碼，以便直接驗證來源。
- 該技術用於比較複雜的決策，例如租賃協議或保險計劃，它能夠整理資訊並識別需要人工幹預和個人判斷的要點，而不是逐一閱讀每個細節。
我得承認：對於篇幅較長的技術文檔，例如用戶手冊或白皮書，我可能不會逐字逐句地閱讀。但這並不代表我不關心這些文件裡的資訊；我確實需要了解我的保單和訂閱條款的細節，但我實在沒有時間花幾個小時去閱讀。
ChatGPT能夠概括長篇文件已不是什麼秘密，但我最近開始嘗試用不同的方法使用它。我不再直接讓機器人告訴我文件的內容，而是先讓它從幾個文件中提取相同的訊息，然後再進行比較。
這只是一個小小的改動，卻讓ChatGPT在取得細節方面變得更加實用。我最近一直在嘗試實現這個改動，現在我又添加了一條指令，使得結果更加可靠。
別問 ChatGPT 哪個選項比較好
我的第一個反應是下載兩份文件，然後問一個類似這樣的問題：
哪個更好？
這很簡單，但這給了 ChatGPT 太大的自由。 「更好」可以意味著更便宜、更全面、更靈活，或任何模型認為最重要的東西。現在，我請 ChatGPT 幫我做這些枯燥的工作。
我上傳了兩個PDF文件，並使用以下命令：在進行比較之前，請分別閱讀這兩份文件。
對於每份文件，提取總費用、折扣或附加費用、包含的承保範圍或服務、除外責任、取消條件、續保條件以及任何可能大幅增加我支付金額的條件。
請註明您提取的每個細節的頁碼。如果文件中沒有明確說明，請寫“未找到”，不要推斷或猜測。
擷取完成後，建立一個並排比較表，顯示兩個文件之間的差異。
最後，請列出五項我在做決定前必須核實的差異或不清楚的地方。不要告訴我應該選擇哪個選項。
很多人忽略的訣竅是：「先提取，後比較」。
我提出此請求並非要求 ChatGPT 替我做決定，而是請它協助我評估相關資訊。
當你要求 ChatGPT 同時總結和比較兩個長文件時，你實際上是在要求它在進行總結和比較的過程中決定哪些內容是重要的。
相反，這項重要任務被分解成多個階段。首先，ChatGPT 必須逐一檢查每個文檔，並提取相同類別的資訊。只有在完成這一步之後，它才會比較這些結果。
突然間，我不再需要在兩個 PDF 文件之間來回切換，查看哪項政策有不同的折扣，或者哪項訂閱包含提前取消費用，而是面對著兩列內容。
因此，很難忽視這些差異。
我又加了一條規則：請提供每個細節的頁碼，告訴我你是從哪裡找到這些資訊的。
我吃過虧才明白，ChatGPT 也會出錯。它可能會誤解某個子句，忽略表格中隱藏的訊息，或對實際上並不存在的訊息過於自信。頁面引用讓我可以快速檢查它的工作情況。
如果 ChatGPT 告訴我 A 選項包含 500 美元的折扣，而 B 選項包含 1000 美元的折扣，我無需盲目相信他們，也不必重新閱讀 60 頁內容。我可以直接查看他們引用的頁面，自行核實這些數字。
ChatGPT 最好是直接告訴我它無法制定取消政策，而不是用虛假的自信來填補空白。
這一論斷在現實世界中的實際應用
我通常將這種說法用於非常技術性的事情，例如更換無線運營商或保險公司，但當我開始將這種技術視為一種結構化的比較，而不僅僅是一個總結時，我意識到很多令人擔憂的決定都遵循著相同的模式。
你可以用這個技巧來比較公寓租賃合約中的押金、費用、續約條款和限制；比較串流媒體套餐中的每月費用；比較人工智慧訂閱計劃；甚至比較旅遊套餐中的服務內容、退款政策和限制。
您甚至可以根據比較的內容編輯索賠中的類別。
關鍵步驟仍不變：摘錄 > 引用 > 比較 > 找出缺少的部分。
結論
我不會再回到以前那種一字一句閱讀六十頁文件的方式了。當然，有些文件，我絕對不會信任人工智慧的解讀，而不去查閱原文，尤其是涉及金錢、法律義務或保險範圍的時候。
但這正是我更喜歡這種方法的原因，因為我並非要求 ChatGPT 取代我的人工判斷。相反，我用它來識別少數需要我親自介入和判斷的頁面。
與其花時間逐行閱讀兩份 30 頁的文件，希望發現每一個重要的差異，我可以從結構化的比較入手，調查任何不尋常之處，並檢查可能影響我決定的細節。
評論被關閉。