适合交给模型的，通常是规则清楚、资料可追溯、结果容易复核的任务。总结可以先做压缩，改写可以先做表达调整，分类可以先按既定标签分流；如果类别定义不清、材料不完整，或错误会影响实际权益和结果，模型就只适合提供线索或草稿，最终判断应由人完成。
OpenAI 文件上传常见问题将“用简单易懂的语言概述文档”列为文件转换示例，并以前提不改变核心内容为边界。同一说明还列出了从文档中提取元数据，以及查找特定提及这两类任务。它们适合做初步整理和定位，但“模型已经生成结果”不等于“结果已经被核实”。
先分清三种任务
| 任务 | 适合先交给模型的工作 | 需要回查什么 |
|---|---|---|
| 总结 | 把已有材料压缩成要点，保留核心内容和主要逻辑 | 是否遗漏相反结论、关键限定或原文没有的信息 |
| 改写 | 调整语气、长度、术语或表达结构，尽量保持事实关系不变 | 对象、因果、否定、条件以及判断强度是否被改变 |
| 分类 | 按已经确定的类别和定义，对材料进行归类 | 类别边界、例外情况和无法归类的材料是否处理正确 |
总结的重点不是让文字更短，而是确认压缩后没有丢掉会改变理解的内容。改写也不是自由发挥：如果原文中的可能性、义务、条件和不确定性被改成了确定结论，表达虽然更顺，判断却可能已经变了。
分类尤其依赖清晰规则。OpenAI 创建和编辑 GPT 指南建议，当 GPT 需要按特定定义或分类进行判断时，应提供可接受和不可接受输出的简短示例。实践中，这意味着提示词不应只有“請幫我分類”，还应说明每个类别的定义、边界和典型正反例；遇到资料不足或无法确定的情况，则要求模型明确标记，而不是强行归类。
一个可复用的任务说明
无论是总结、改写还是分类，都可以把任务要求写完整：
- 说明只能依据哪些材料，不补写材料中没有的内容。
- 写清输出用途、格式和长度要求。
- 把必须保留或不得改变的内容列出来。
- 对分类任务提供类别定义，以及可接受和不可接受的简短示例。
- 要求模型标出不确定、缺少依据或存在歧义的部分。
这样做的目的不是让模型“更权威”，而是让输出能够被逐项检查。尤其是总结和改写，读者应要求模型指出对应的原文位置，再回到原文核对，而不是只看一段流畅的成稿。
哪些结果仍要自己确认
先核对事实。检查人名、对象、关键判断、因果关系和限定语是否仍与原文一致，尤其留意模型是否把“可能”写成“一定”，或把局部信息概括成整体结论。
再核对范围。确认使用的材料是否完整，是否把材料之外的知识带了进来。OpenAI 的文件上传说明列出了提取元数据和查找特定提及的示例；如果任务依赖这些信息，抽取结果仍应回到原文件确认，不能仅凭字段名称判断内容正确。
最后核对后果。涉及合同权利义务、监管要求、资格认定或其他高后果事项时，模型可以帮助整理材料、标出疑点和生成初稿，但不宜仅凭其输出作出最终决定。对于分类结果，还要用边界案例和反例复测；如果一个材料无法明确归类，“暂不判断”往往比制造一个确定标签更稳妥。
一个简单的判断标准是：结果容易追溯、错误容易发现、后果可以修正时，模型适合先做第一轮；一旦错误可能改变重要判断，就应把核查和取舍留给自己。