情報を失わずに完全なPDFをClaudeに読み込ませる

チャンク分割とベクトル検索を完全に省略しよう。Claudeの20万トークンのコンテキストウィンドウを使えば、数百ページに及ぶ文書を丸ごとアップロードし、離れたセクション同士を結びつける質問ができる――従来のチャンク分割で生じる精度低下なしに。ページ間の関係が重要な契約書分析、研究の統合、財務報告書に最適だ。

ほとんどのAIツールは、長い文書の問題を、チャンクに分割し、ベクトル検索でインデックス化し、回答前に「関連する」セクションだけを取得することで解決している。これは、質問が3ページ目と147ページ目にまたがるつながりを理解する必要がある場合に、見事に失敗する――チャンク分割と検索の層が、そのつながりを失ってしまうのだ。

Claudeの20万トークンのコンテキストウィンドウ(高密度テキストでおよそ500ページ相当)は、文書全体を一貫した対象として処理する。契約書、研究論文、財務報告書を最大32MBまでアップロードすると、Claudeは完全なテキストを同時にワーキングメモリに保持する。セクションをまたいだ統合に依存する質問をすれば、モデルはハルシネーションを起こしたり忘れたりすることなく、それらのつながりをたどる。

プロフェッショナル向けのワークフローはこうだ。PDFをプレーンテキストとして保存するか、pdfplumberのようなツールで抽出する。抽出した全内容をClaudeにアップロードする――分割しないこと。そして構造化された質問をする。「第2条の中で第9条と矛盾するすべての義務を要約して」とか、「予測には現れるが過去の分析には現れない収益源はどれか」といった具合だ。Claudeは文書全体を一貫して推論して答える。

例:ある法務チームが280ページの買収契約書を分析した。彼らはそれを丸ごとアップロードし、180ページに埋もれた義務について obscure(わかりにくい)な質問をした――Claudeはそれらを正確に見つけ出した。同じ質問をChatGPT(Proでも)に送ると、その検索システムが関連箇所を見落としたため、ハルシネーションの回答が返ってきた。これをプロンプトエンジニアリングで直すことはできない。これはアーキテクチャ上の優位性なのだ。キーワードの近さだけでなく、文書のトポロジーの理解を要する回答が必要なとき、Claudeの全文書処理はチャンク分割を完全に置き換える。