Por que a IA trunca PDFs longos em silêncio (e como evitar)

Você sobe um PDF de 120 páginas, pede um resumo completo e recebe uma resposta limpa, segura, bem escrita. Depois percebe que a página 87, onde estava o risco principal, nem apareceu.

Em muitas interfaces de IA, isso acontece sem aviso. A resposta parece completa mesmo quando parte da entrada foi cortada.

O que truncamento significa na prática

Truncamento acontece quando o total de tokens passa da janela de contexto disponível. Algo precisa ser removido. Dependendo do produto, o sistema pode cortar o final do documento, comprimir trechos anteriores ou manter só uma parte do que você enviou.

O problema principal não é o limite existir. O problema é o usuário não receber um alerta claro de que conteúdo foi removido.

Por que PDFs longos têm risco maior

Extração de PDF já nasce ruidosa. Cabeçalhos, rodapés, artefatos de tabela, linhas quebradas e ruído de OCR aumentam tokens. Um arquivo que parece 60 páginas de leitura normal pode tokenizar como 100 páginas.

Se o prompt também pede múltiplas saídas, resumo, citações, plano de ação, score de confiança, você ainda gasta mais contexto com instrução e com o orçamento da própria resposta.

Como evitar corte silencioso

Comece com uma checagem real no contador de tokens do PDFShore. Depois divida o documento antes do envio, quando necessário.

• Quebre por seção natural, não por blocos aleatórios.
• Mantenha títulos de seção em cada parte.
• Use sobreposição só quando o contexto realmente cruza limites.

Em relatórios densos, converter para Markdown mais limpo costuma reduzir ruído antes do prompt.

Um padrão de prompt mais seguro

Em vez de um prompt gigante, use duas etapas: resumo por seção e depois síntese final sobre os resumos. Fica um pouco mais lento, mas melhora a cobertura e reduz lacunas.