ChatGPT Enterprise 現在支援讀取並理解提示詞所附 PDF 檔案中的視覺內容，包括圖片、圖表、示意圖等。使用者可以上傳 PDF，讓 ChatGPT 解讀檔案中的文字以及所有視覺元素。
詳情請參閱：PDF 視覺檢索常見問題。
ChatGPT Enterprise 提供多種檔案上傳方式：
本指南說明 ChatGPT Enterprise 的各項功能如何依據檔案類型、數量和大小處理檔案，並介紹如何根據檔案需求改善輸出結果。
摘要
ChatGPT Enterprise 處理不同類型檔案的方式差異很大：從 PDF、簡報和 Word 檔案等文字文件中擷取文字，使用 Python 程式碼分析試算表中的結構化資料，以及透過 GPT-Vision 描述圖片檔案。想要獲得預期結果，關鍵在於瞭解各種檔案類型會觸發哪種處理流程。
對於文字型文件，ChatGPT Enterprise 會盡可能將相關文字直接與提示詞一併納入上下文，並透過搜尋系統存取額外資訊。這種方式很適合用來回答具體問題。不過，面對複雜任務，例如為篇幅極長的文件產生摘要，或比較多個大型檔案時，這種方式可能難以應付。繼續閱讀，瞭解如何改善結果。
依據檔案類型進行處理
ChatGPT Enterprise 主要透過三種方式處理檔案：文字擷取、程式碼分析及圖片解讀。檔案類型決定了 ChatGPT Enterprise 採用哪種處理流程。
| 文字檢索 | 程式碼解譯器 | 圖片處理 | 視覺檢索 | |
|---|---|---|---|---|
| 檔案類型範例 | pptx, docx, txt, md, json, xml, pdf* * 上傳為 GPT 知識或專案檔案的 PDF | csv, xls, xlsx* *注意：程式碼解譯器可處理任何檔案類型，但 ChatGPT Enterprise 最常在處理試算表時預設使用程式碼解譯器（CI） | jpg, png | pdf* * 使用者提示詞所附的 PDF |
| 處理方式 | 從檔案中擷取文字，將部分文字直接貼入（「填入」）上下文視窗，其餘文字則儲存供搜尋使用 | 程式碼解譯器將檔案交由 Python 處理 | 由多模態模型運用原生能力解讀圖片，但仍有已知限制。 | 結合文字檢索與圖片處理。以數位方式擷取文字，並由多模態模型運用原生能力解讀視覺內容。 |
對於純文字檔案、圖片檔案或結構清楚的資料檔案（例如記錄交易的 Excel 表格），上述分類處理方式能達到最佳效果。
不過，有些情況的處理方式並不那麼直觀，例如：
PDF 以外的檔案中，內嵌的圖片不會受到處理。若要將這些圖片納入處理，請先將檔案轉換為 PDF 再上傳。
ChatGPT Enterprise 一律使用程式碼解譯器處理試算表，即使文件包含大量文字也不例外。例如，如果你要求 ChatGPT Enterprise 翻譯一份含有 10 列文字的 CSV 檔案，它會嘗試使用 Python 函式庫來翻譯，而這種方式的準確度不如讓模型直接產生翻譯。若要改善這個問題，可以試著將試算表匯出為文字型格式（例如 PDF）。
同樣地，如果你上傳的 JSON 檔案包含結構化交易表格，ChatGPT Enterprise 會將這份檔案視為純文字。如果你想分析 JSON 檔案中的資料，請在提示詞中指示模型使用程式碼解譯器。
依大小處理檔案
ChatGPT Enterprise 使用的模型具備最大 128k Token 的上下文視窗（約 200 頁文字）。不過，並非所有 Token 都會用於納入已上傳檔案中的文字。「填入」的 Token 數量會依使用類型而異。
ChatGPT Enterprise 會「填入」一定量的文字，其餘文字會傳送至私人搜尋索引（一種「向量儲存區」，也就是專為有效儲存和擷取大量文字而設計的資料庫）。當你提出問題時，ChatGPT Enterprise 會帶入已納入的文字，以及從私人搜尋索引擷取的相關片段。
如果你上傳單一文件，ChatGPT Enterprise 會從開頭開始納入文字，直到達到其限制。如果你上傳多個文件，ChatGPT Enterprise 會納入每份文件的部分或全部內容。文件中的所有文字也會傳送至私人搜尋索引。
文字文件的上下文填充
此功能正在積極開發中。因此，以下詳細資訊可能隨時變更，恕不另行通知。
ChatGPT Enterprise 可在上下文視窗中處理上傳文件中最多 11 萬個 Token 的內容。如果你上傳一份或多份文件，且合計少於 11 萬個 Token，所有內容都會納入上下文視窗。
如果單一文件超過 11 萬個 Token，則只會從文件開頭起納入前 11 萬個 Token。其餘內容只會傳送至私人搜尋索引。
如果上傳多份文件，且合計超過 11 萬個 Token，ChatGPT Enterprise 會透過以下流程，均衡納入各份文件的內容：
擷取最多 5.5 萬個 Token，將額度平均分配給各份上傳的文件。
針對第一步尚未完整納入的文件，依各份文件剩餘的 Token 數量，按比例分配其餘 5.5 萬個 Token 的額度。
其餘未納入的 Token 只會傳送至私人搜尋索引。
你可以將文字文件的內容複製到 OpenAI Token 計算工具，估算文件的 Token 數量。
將多媒體 PDF 內容填入上下文
當使用者上傳同時包含文字與圖片的 PDF 時，視覺檢索可讓 ChatGPT 運用原生能力，同時處理這些圖片與透過數位方式擷取的文字。處理多媒體 PDF 時，除了標準的上下文處理程序，還會採取以下步驟：
圖片擷取與嵌入：擷取圖片，並將圖片與相關的數位文字一併嵌入。
智慧縮放：自動縮放圖片，在資訊品質與上下文視窗可用空間的使用效率之間取得平衡。
當上傳的 PDF 超過 11 萬個 Token 的上限時，圖片和文字都會嵌入私人搜尋索引。文字嵌入向量會參照相關圖片，讓 ChatGPT 能根據使用者的查詢，擷取適當的文字與圖片配對。接著，ChatGPT 會運用原生多模態能力處理擷取的圖片。
要準確估算多媒體 PDF 所需的 Token 數量並不容易。測試顯示，大約 350 頁混合文字與圖片的內容，就會用滿 11 萬個 Token 的上下文視窗。
依模型類型而定的搜尋策略
GPT 系列和 o 系列模型皆支援檔案上傳，並使用相同的上下文填充和搜尋嵌入邏輯。所有模型都會針對私人搜尋索引執行混合搜尋，結合關鍵字和語意方法。在混合搜尋中，模型會根據使用者的提示詞產生搜尋詞句，而私人搜尋索引會據此擷取相關文字和圖片。
不過，這些模型在搜尋超出上下文視窗的大型文件時，做法有所不同：
GPT 系列模型
每個提示詞僅搜尋一次：GPT 系列模型會針對每個使用者提示詞執行一次搜尋。
適用情境：最適合回答大量文件中可直接找到答案的明確問題。
查詢範例：
「提前退休有哪些人資政策？」
「process_order 函式有什麼作用？」
o 系列模型
每個提示詞可執行多次搜尋：每個使用者提示詞可執行多次搜尋（通常為 2 至 3 次），每次使用不同的搜尋詞組。搜尋會依序執行，模型可根據先前搜尋取得的資訊調整做法。
適用情境：較適合需要在大量文件中進行多次精準搜尋的複雜問題。
查詢範例：
「提前退休、育嬰假和海外調職有哪些人資政策？」
「說明 process_order 函式的作用，列出此函式叫用的所有方法，並簡要說明每個方法。」
儘管 o 系列模型有這些優勢，但遇到需要搜尋三次以上的查詢時，仍可能難以處理。
改善檔案搜尋結果的提示
對於需要多次搜尋的複雜問題，請嘗試使用 o 系列模型。
請記住，回覆可能會依你上傳文件的類型、數量和大小而有所不同。
一般來說，載入較少且重點明確的文件會帶來更高的準確度。
將多問題主題轉換為單一問題：
如果你需要了解每個州的人資政策，請逐一提問。
如果你需要摘要多份文件，請一次要求摘要一份文件。如果該文件有數百頁，請考慮將其拆分成較小的部分。
如果你提供多份摘要而非整份文件，可以要求 ChatGPT Enterprise 撰寫「摘要的摘要」。
如果你有一個 RFP 的 CSV（每一行都是不同問題），請逐一提問，而不是只載入 CSV 並要求單一回覆。
找出稽核模型回覆的方法。GPT 指示範例如下：
# 背景
你是理解文件的專家。使用者將會附上一份文件並提出問題。他們需要能夠將你的答案連回你取得答案時所依據的確切文字位置。
# 指示
1. 根據使用者附上的文件回答問題，並使用下方提供的確切格式
# 格式
- 問題：{ repeat user's question }
- 答案：{ provide an answer to user's question }
來源：
- - 章節編號：{ provide section number where you pulled in the answer }
- - 章節標題：{ provide section title where you pulled in the answer }
- - 確切文字：{ provide the exact text where you pulled the answer from }
# 規則
- 回答應清楚且簡潔
- 只提供文件中提供的資訊
- 如果你無法在文件中找到答案，請直接回覆「找不到資訊。」