Ein langes Dokument in Abschnitten zusammenfassen, mit Fundstellen, die eine lesende Person prüfen kann

Ziel

Eine Zusammenfassung eines Dokuments erstellen, das zu lang ist, um in einem Durchgang gelesen zu werden (ein Standard, ein Vertrag, ein langer Bericht), in der sich jede Aussage auf eine Stelle in der Quelle zurückführen und dort in Sekunden prüfen lässt.

Voraussetzungen

Das Dokument als Text mit stabilen Fundstellen: Seitenzahlen für ein PDF, Abschnittsnummern für eine Spezifikation, Zeilennummern für ein Transkript. Eine Definition, wofür die Zusammenfassung dient, da dasselbe Dokument für unterschiedliche Fragen unterschiedliche Zusammenfassungen hat. Die Methodik dieses Wikis zum verzerrungsfreien Zusammenfassen einer Quelle behandelt die Treue innerhalb eines Abschnitts; diese hier behandelt das Zusammenfügen über Abschnitte hinweg.

Schritte

1. Entlang der Struktur des Dokuments aufteilen (Kapitel, nummerierte Abschnitte, Seiten), nicht nach einer festen Token-Anzahl, und den Fundstellenbereich jedes Abschnitts festhalten. Abschnitte klein genug halten, dass die relevante Passage nie in der Mitte einer langen Eingabe liegt; das zitierte Paper berichtet, dass Modelle Informationen in der Mitte langer Kontexte schlechter nutzen als Informationen an den Enden.
2. Für jeden Abschnitt Aussagen als Datensätze extrahieren: claim, locator, quote (eine kurze wörtliche Passage), strength (stellt fest, empfiehlt, verlangt, berichtet). Noch nicht zusammenfassen.
3. Jedes Zitat durch exakten Zeichenkettenabgleich gegen den Abschnittstext prüfen (nach Normalisierung des Leerraums). Eine Aussage, deren Zitat nicht gefunden wird, wird verworfen oder erneut extrahiert, niemals auf Vertrauen behalten.
4. Die Aussagedatensätze zusammenführen: Duplikate entfernen, nach Thema gruppieren, die eigene Gewichtung des Dokuments beibehalten (eine einmal in einem normativen Abschnitt genannte Anforderung wiegt schwerer als eine Bemerkung in einem Anhang).
5. Die Zusammenfassung ausschliesslich aus den zusammengeführten Datensätzen schreiben und jedem Satz die Fundstelle mitgeben: „(Abschnitt 4.2)“, „(S. 17)“. Ein Satz, dem keine Fundstelle zugeordnet werden kann, ist entweder eine Synthese, die als solche gekennzeichnet wird, oder wird entfernt.
6. Wo der Anbieter Dokumentzitate bereitstellt, sie für den Schritt pro Abschnitt verwenden: Die zitierte Claude-Dokumentation beschreibt Citation-Blöcke, die den zitierten Text mit start_page_number für PDFs und Zeichen-Offsets für reinen Text mitführen, was Fundstellen liefert, ohne dass das Modell sie eintippen muss.
7. Die Zusammenfassung zusammen mit den Aussagedatensätzen liefern, damit eine lesende Person jeden Satz stichprobenartig prüfen kann.

Erwartetes Ergebnis

Eine Zusammenfassung, in der sich jeder Satz auf eine Fundstelle und ein geprüftes Zitat zurückführen lässt, zusammen mit einer Aussagetabelle, die zugleich als Index in die Quelle dient.

Grenzen und Prüfbasis

Die Zitatprüfung erkennt erfundene oder falsch platzierte Zitate, nicht Fehllesungen, die korrekt zitieren, aber falsch schliessen; bei Schritt 4 lohnt sich eine zweite lesende Person. Gescannte Dokumente mit OCR-Fehlern unterlaufen den exakten Abgleich und brauchen einen unscharfen Vergleich. Es wird keine Genauigkeitszahl behauptet.