ChatGLM多文档对比怎么找差异

用ChatGLM做多文档对比，很多人第一反应是“把文档丢进去，让它自己找差异”。但实际操作下来，你会发现，如果不按正确的方法来，模型要么顾此失彼，要么给出模棱两可的答案，根本达不到你想要的效果。

现在的问题是，如何让ChatGLM一次性识别两份合同、三份需求文档或五份不同版本的SOP之间的真实差异？不是靠人工逐字比对，也不是依赖那些只能标红删改的静态工具——在这些场景下，模型必须理解语义、定位逻辑冲突、识别隐含矛盾，而非简单字符串匹配。这才是真正的挑战。

确认模型是否支持多文档长上下文

打开Ollama控制台（http://localhost:3000），点击「Models」，查看已拉取模型列表。确保看到的是

或，而非标准版ChatGLM3-6B（仅8K）。前者能同时装下5份PDF合同（约110万字），后者可一次性载入整套IPO招股书（180万字）+审计报告+法律意见书。若只看到8K版本，执行ollama pull chatglm3:128k或ollama pull glm4:1m下载对应模型。

这一步不可跳过：标准ChatGLM3-6B在输入第二份文档时，会自动覆盖第一份的上下文，导致“只记得后半段，忘了前半段”，根本无法做跨文档对比。这不是性能问题，而是模型能力边界的问题。

准备文档并统一格式

将待比对的所有文档转为纯文本（.txt）或Markdown（.md）格式。PDF需先用MinerU或ChatGLM-OCR提取文字——

；若含扫描件，优先选MinerU；若文档含大量英文术语或混合中英文条款，选ChatGLM-OCR更稳。

删除页眉页脚、页码、无关水印；保留标题层级（如“# 服务范围”“## 付款条件”）；每份文档开头加一行标识，例如：[文档A] 软件服务合同（2026年V3修订版）。

别直接把PDF文件丢给模型——它无法解析二进制结构，会把乱码当正文，导致关键条款被误读。曾经有用户这么干过，结果模型把PDF的渲染指令当成了合同条款，闹出了笑话。

构造精准对比提示词

方法一：结构化指令（推荐用于法务/合规场景）
输入：

请严格基于以下5份文档内容，完成三项任务：
1. 列出所有存在表述差异的核心条款（如“违约责任”“知识产权归属”“终止条件”），注明每份文档中的原文句子；
2. 对每处差异标注类型：A=法律效力冲突、B=数值不一致、C=责任主体模糊、D=无实质影响；
3. 针对A类差异，指出哪份文档的表述更符合《民法典》第584条关于违约损失赔偿的规定，并说明理由。

方法二：角色驱动指令（适合技术文档协同）
输入：

你现在是资深SRE工程师，正在评审三份系统架构文档（[文档X]初稿、[文档Y]技术委员会修订版、[文档Z]上线前终版）。请逐项检查“鉴权模块”描述，找出：
① 哪些接口字段在[文档X]中有定义，但在[文档Z]中被删除且未说明原因；
② [文档Y]新增的token刷新逻辑，是否与[文档Z]第4.2节“会话有效期”存在时间单位冲突（小时vs分钟）；
③ 所有文档均未提及但根据PCI DSS标准必须实现的双因素认证触发条件，请直接补全建议句。

别写“请对比一下这些文档”——这种模糊指令会让模型默认做浅层关键词匹配，漏掉第287页脚注里的例外条款。提示词越具体，输出越精准。

执行对比并验证关键差异

将全部整理好的文本+提示词一次性粘贴到Ollama Web UI或命令行：
ollama run chatglm3:128k < combined_input.txt

等待输出后，重点核查三类结果：
• 模型是否引用了具体文档标识（如“[文档B]第5.3条”），而非笼统说“某份文档”；
• 对数值差异（如“24小时”vs“30天”）是否同步给出单位换算（30天=720小时）；
• 当发现逻辑矛盾时，是否回溯原文上下文佐证（例如指出“尽管[文档C]第3条写明免责，但其附件2第8款已排除该情形”）。

若输出中间出现“可能”“或许”“推测”等模糊表述，立刻重试——

，此时大概率是文档预处理时漏掉了关键标题层级或混淆了文档标识符。重新检查你的文档标识和格式，往往能解决问题。