把一份几十页的中文报告整篇丢给书生·浦语，常见的结果是中段内容被跳过、章节之间语气不一致、同一个概念前后换了好几个词。可复现的处理顺序是三步：先在原文里标出章节和语义边界，再给每一段配上同一份全文摘要逐段送入，最后按原文顺序拼回并逐项核对衔接。切分粒度不要凭感觉，用原文的标题层级、段落主题和表格范围来定。

长中文报告不适合一次性喂给书生·浦语：模型对中段的注意力会衰减，各段之间也没有共享上下文，输出容易出现漏段、人称漂移和术语不统一。可以先按标题层级切成章，再按语义段落和表格边界细分，每段携带同一份全文摘要与位置说明，逐段生成后按原文顺序拼接，核对标题编号、术语、人称和交叉引用。适用于目录清晰的中文报告；目录混乱的原文需要先人工整理出目录再切。

在报告原文里标出天然的章节与语义边界

切分的目标是让每一段自己能读懂，同时不切断同一个论点的上下文。原文里通常有三类边界可以直接用，不需要另造切分规则。

• 标题层级：一级标题（“第一章”“一、”）和二级标题（“1.1”）之间的切换就是天然切点。判断标准是换标题即换主题，且该标题下的内容能独立成篇地生成。一般切到二级标题就够用；更深的编号列表不单独切，除非这一段明显长于其他同级段落。
• 语义段落：没有标题的正文，按“一个完整论点、一组数据、一个流程环节”切。识别信号是主题句、空行，以及“但是”“此外”“综上”这类转折词出现的位置。判断标准：把切点两侧互换顺序后论述会断裂的地方，就是边界。
• 表格：整张表尽量不切开，表头和表体一起送。跨页表或宽表可以按行分块，但每一块都要重复表头，否则模型会把第二块的行当成没有列名的新内容。

假设一份约三十页、四个一级章节的中文调研报告，按上面的规则可以切成这样：片段 0 是封面、摘要和目录，只用来生成全文摘要，不单独出正文；片段 1 是第一章“行业现状”，含 1.1、1.2 和一张市场规模表；片段 2 是第二章“问题分析”的 2.1 到 2.3；片段 3 是第三章“方案设计”的 3.1 和 3.2，其中 3.2 带两张表，拆成两段、每段各带表头；片段 4 是第四章“实施计划”加结论。切完后把片段编号和原标题列成一张对照表，后面拼接时直接按它核对。

估算每段文本长度并对照模型单次可接收的长度

中文长度有一个保守的估算方式：按 1 个汉字约 1 个 token 来估，实际分词结果以所用模型的分词器为准。数长度时不要用“页数”，用字符数更稳，Word 字数统计里的“字符数（不计空格）”比较接近可送入的文本量。把每段的字符数与模型的单次上下文上限相减，还要再留出期望输出的长度——输入和输出共用同一个窗口，输入占满就没有空间生成答案。

超长时的处理顺序建议是：先判断属于结构性超长还是冗余超长。报告里常见重复的背景介绍、可省略的附录清单、口水过渡段，属于冗余，先压缩成一句摘要或直接删掉；压缩之后仍然超预算，再按语义边界继续拆段。这个顺序不要反过来，先拆会把同一个论点的上下文切散，模型写出来的每段都像是新开的话题。下面这段脚本可以在切分阶段先看一遍每段有多长，替换文件路径即可运行。

import re
from pathlib import Path

text = Path("report.md").read_text(encoding="utf-8")
paras = [p.strip() for p in re.split(r"\n\s*\n", text) if p.strip()]
for i, p in enumerate(paras):
    n = len(re.sub(r"\s", "", p))
    print(i, n, p[:24].replace("\n", " "))

给每一段补上统一的上下文说明再送入

分段之后，每一段都不知道其他段写了什么，所以要在送入前补一段统一的说明。这段说明至少要包含四个字段：任务目标（这一段要产出的东西）、全文摘要（由片段 0 生成，各段共用同一份，不要每段重写）、当前段位置（第几章共几章，上一段结尾是什么，下一段开头是什么）、输出格式（标题层级、语气、禁止事项）。下面是一段可以直接套用的写法，方括号里的内容按实际替换。

任务目标：为一份中文行业调研报告生成第 2 章“问题分析”的正文初稿，保持正式书面语。
全文摘要：[60-120 字，概括全文四章的逻辑线，各段共用同一份]
当前段位置：第 2 章，共 4 章；本段覆盖 2.1 到 2.3。上一章结尾是行业现状数据，下一章开头进入方案设计。
输出格式：只输出本段正文，从二级标题开始；不改写其他章节；原文没有的数据不要新增，不确定的写成“待核”。
本段原文：
[粘贴片段 2 的原文]

“上一章结尾是什么、下一章开头是什么”这两句很关键，它让模型在写本段最后一句时知道该往哪个方向收，拼接时才不会出现断层。全文摘要必须各段一致，否则同一份报告在不同片段里会得到不同口径的定位。

把分段输出按原顺序拼回整篇并检查衔接

拼接顺序按原文顺序，不按生成时间顺序。拼之前先比对一次片段编号与原文标题列表，确认没有缺段、没有多段，再逐项检查衔接。

• 标题编号是否连续：1.1 之后应该是 1.2，而不是跳到 1.3。
• 术语是否统一：同一概念在全篇是否用了同一个词，比如“用户”和“客户”不要混用。
• 人称与语气是否统一：全篇是否保持同一叙述人称，敬语和时态是否一致。
• 交叉引用是否还成立：“如前所述”“见第三章”在拼接后指向的内容是否还存在。
• 数字与单位是否一致：同一指标的单位、小数位和统计口径是否前后相同。
• 是否重复：相邻片段的开头和结尾有没有重复写同一段过渡。

回修时不要重跑整篇，改动越小越好。发现断裂，只重跑相邻两段，把上一段的结尾和下一段的开头一起放进上下文说明，要求只补过渡句；发现重复，标出重复区间，保留信息更全的一段，另一段改成一句引用；发现术语漂移，把术语对照表加进统一说明，重跑受影响的片段。每次只改一个片段，改完立刻重新拼接并再走一遍上面的检查点，避免改动扩散到其他段。