TL;DR：Claude适合做“长文本初筛 + 结构化抽取 + 人工复核”。最稳的流程不是一口气扔全文，而是先切块、再加约束、最后做交叉校验。本文给出 2025-08 可复现流程，覆盖 PDF、Word、Markdown 三类文档，重点解决 Claude长文本分析、Claude文档处理、Claude怎么用 这三个问题。
1. 前置条件：先把输入整理到可控状态
日期：2025-08-15。版本：Claude 3.5 Sonnet。测试环境：Chrome 126，macOS 14.6，本地终端使用 Python 3.11.9。我的实测对象是一个 86 页的技术方案 PDF，导出后约 1.8 MB，纯文本约 112,000 字符。
Note: 长文档失败，通常不是模型“看不懂”，而是输入格式脏、章节边界乱、一次性上下文过大。
- 把原文转成纯文本或 Markdown。
- 保留标题层级、页码、表格标题、图注。
- 删除目录重复项、页眉页脚、扫描噪声。
常用命令如下。
python -m pip install pymupdf==1.24.9
预期输出：
Successfully installed pymupdf-1.24.9
提取 PDF 文本：
python - <<'PY'
import fitz
doc = fitz.open("input.pdf")
text = []
for i, page in enumerate(doc, 1):
t = page.get_text("text")
text.append(f"\n\n[PAGE {i}]\n{t}")
open("input.txt", "w", encoding="utf-8").write("".join(text))
print("pages=", len(doc), "chars=", len(open('input.txt', encoding='utf-8').read()))
PY
预期输出：
pages= 86 chars= 112438
2. 分段策略：不要按字符切，按语义切
我在 Claude 文档处理里试过三种切法。按字符硬切最差；按页切次之；按标题层级切最好。原因很简单：模型需要上下文连续性，章节标题是最便宜的边界信号。
实操建议：
- 先按 一级标题 切块，目标每块 4,000-8,000 中文字。
- 如果单章过长，再按二级标题拆。
- 每块前补一个固定头：文档名、章节路径、页码范围、抽取目标。
示例提示词模板：
你是文档分析器。请只输出结构化结果，不要解释。
输入范围：第 23-31 页，章节：3.2 异常处理。
目标：
1. 抽取所有故障模式
2. 抽取对应触发条件、影响、恢复动作
3. 保留原文术语
输出格式：JSON数组
我在测试中，单块 6,200 字左右时，Claude 的抽取稳定性最好；超过 12,000 字后，漏项明显增加，尤其是表格行和跨段落引用。
Warning: 不要把“总结全文”当成唯一任务。长文档分析要拆成“抽取、归类、校验、归档”四步，否则结果看起来完整，实际上不可追溯。
3. 抽取与校验：先结构化，再做人审
这里直接用 Claude长文本分析的标准工作流。顺序不能反：
- 先让模型抽字段。
- 再让模型做一致性检查。
- 最后人工只看差异项。
字段抽取提示词：
请从以下章节抽取：
- 关键结论
- 风险点
- 依赖项
- 变更建议
- 可执行动作
要求：
每项不超过2句。
必须保留数字、日期、单位。
若原文没有，写“未提及”。
校验提示词：
请检查上一步输出是否存在：
1. 漏掉原文中的数字或日期
2. 把推测写成事实
3. 同义改写导致术语失真
仅输出“通过 / 不通过 + 原因”。
我在 86 页样本上的结果：初次抽取命中率约 92%，第二轮校验后可用率提升到 98%。最常见错误是把表格中的“例外条件”漏成“通用规则”。
如果你在找 Claude怎么用、Claude长文本分析教程、Claude文档处理教程，核心不是追求一次性全自动，而是把模型放进可验收的流水线。
4. 归档与落地：输出必须能回到原文
最终交付不要只给摘要。应该同时给三份东西：
- 原文索引：章节路径 + 页码。
- 结构化结果：JSON、CSV 或表格。
- 人工备注：不确定项、待确认项、冲突项。
建议用这个目录结构：
doc-output/
├── input.txt
├── chunks/
├── extracted.json
├── review-notes.md
└── final-report.md
归档时保留版本号和日期，例如：release-2025-08-15。这一步很关键，后续追溯问题时，版本比“当时觉得对”更有用。
如何验证它真的工作：随机抽 10 条结论，回到原文逐条核对。若 10 条里有 2 条以上找不到明确出处，说明切块过大或提示词约束不够。若表格字段缺失，优先检查页码范围和 OCR 质量，而不是先怪模型。
5. 免费/官方路线的边界
优先用官方 Claude 网页端或可控的脚本流程。免费路线适合单份文档验证流程；缺点是批处理能力弱、审计链条不完整。付费或 API 方案更适合批量归档、长期审查和团队协作，但前提仍然是先把切块和校验做好。
如果你需要把 Claude长文本分析接入固定流程，建议先在本地跑一轮“PDF 转文本 + 分段 + JSON 输出”的最小闭环，再决定是否升级到更完整的平台化方案。商都加速器的经验是：先把输入和验收标准做硬，工具才会显得好用。
References：Claude 官方文档、PyMuPDF 文档、Python 3.11 文档、roxi.cc