微软Edge + BIng Chat 的一大革命性功能是可以在Edge浏览器下打开本地文档，并且通过内嵌的 中的Chat对话框对文本内容进行读取，分析，整理并通过自然语言与用户实现无障碍对话。

我尝试了利用Edge打开了一个在互联网上并无公开过的本地的65页文档，内容是智人环保公司物联网网页平台的说明书，打开之后，在中的对话引导Bing Chat读取文件。

之后用自然语言提了一个并无直接文本对应的问题，询问如何在平台上添加一个物联网设备。Bing给出了具体的非常精简的步骤：

继续追问一个其他地方出现的问题，如何标定一个物联网设备，Bing给出了非常具体准确的步骤。用自然语言模糊提出要求，让Bing定位具体信息的页数，也非常准确的给出。

我还测试了Bing Chat对于不同语言的切换与识别的能力，是否可以跨语种进行无障碍信息交流。我提问：“这个文件是英文版，我想用中文来提问，了解一下如何对Excel文件进行导入到SEIN 平台？“ Bing自由切换到中文，并且给出了非常详细准确的操作的步骤。

随后，我打开了一份长达347页的英文文档，是一份环境监测设备的英文说明书。

chatgpt 读取本地信息_读取信息错误_读取信息是什么意思

我直接用中文自然语言提问：

我刚刚打开了一份文件，这是一份说明书。请帮我查看如何更换NO2-to-NO 。

Bing Chat直接给出中文的翻译结果：

根据网页内容，您可以按照以下步骤更换NO2-to-NO ：

获得翻译之后的中文的答案之后，我提高了难度，并且为了确认信息准确度，问了两个定位问题，一是询问上述内容出现在第几页，Bing给出了准确答案；二是给出页数，让Bing总结该页的主要内容。

为了验证文档的内容和页数，我也与Bing Chat做了交叉比对，并且有有意思的对话。

总结：

在上一篇介绍中，我详细的以新闻案例作为例子，测试了Bing Chat对互联网海量实时新闻的读取和分析能力，这个已然十分强大。在这一篇介绍中，Bing Chat居然可以对本地的文件进行逻辑分析，内容整理的能力。在其他的场合，我也测试了用不同的人的简历让Bing Chat列出人员的按照时间顺序的工作经验，Bing Chat可以顺利完成任务。我甚至调取了两次不同文档，在同一个Chat box的里面，让Bing Chat对两个简历进行 Head to Head的比较，Bing Chat居然可以列表给出教育背景，工作经验，专业领域的对比，而且内容准确。

可见Bing Chat以及完全实现了对于本地输入信息的模型再造 ()功能，这个不是简单的对于本地的文件的简单读取，他综合了背后海量数据的训练支撑。可以想象，在不远的将来，一个可落地的商业模式是本地化的隐私型Bing Chat对企业内部的海量文档进行读取，并且形成内部的超级助理，在财务、技术、研发、生产、销售、商务等环节实现与人的无障碍自然语言沟通，极大的提高企业生产力。