一句话定义：@ 文件引用（file mention）是对话式 AI 输入框里的一种显式指向语法：你用 @ 点名某个文件或文件夹，把它拉进这一轮对话的上下文。
一次 @ 背后的三个动作
按下 @ 并选中文件后，后台通常做三件事：解析、选择、装配。
解析（parsing）：PDF 抽文字、表格转结构化文本、图片走 OCR、代码按行保留。这一环节决定上限：扫描版 PDF 抽不出字，模型看到近似空白，于是“文件里没有相关内容”常源于解析失败，并非它没读。
选择：文件小（几千字），整篇塞进上下文（full-context stuffing）；文件大，先切片（chunking），再用向量或关键词检索（retrieval），只把命中片段放进去；也有产品给模型一个“读文件”的工具（tool use），让它自行决定翻哪几页、读哪几行。
装配：拼成带元信息的一段提示，类似“文件：报价单.xlsx，工作表 2，第 10–25 行……”，再交给模型。
打个比方：@ 文件不像把整本书塞给对方，更像在图书馆指着书架说“那本”。剩下看管理员：小册子直接整本搬来，厚书只复印相关几页，或者告诉你位置让你自己翻。
和相邻概念的区别
| 概念 | 谁决定什么内容进上下文 | 典型场景 |
|---|---|---|
| @ 文件引用 | 你，显式点名 | “按这份合同第 5 条改措辞” |
| 知识库检索（RAG） | 系统，隐式召回 | 问产品问题，后台自动找文档 |
| 上传附件 | 你上传，系统决定怎么用 | 传张表让它做汇总 |
| 长上下文全量塞入 | 不筛选，全给 | 几万字以内的短文档 |
核心差别是控制权和颗粒度。@ 把范围收窄到某个文件；知识库检索把范围铺开到一堆文件。注意 @ 也不等于全量；大文件照样走切片检索，模型只看到一部分。
对实际使用意味着什么
对从业者：如果 @ 的文件被静默切片，用户看到“文件里没提到”不能当作事实；它可能只是没被召回。产品设计上应把“读了哪些片段”暴露出来，别让 @ 变成黑箱；解析失败也要明示，不要静默降级。
对普通人：@ 完再补一句具体定位，比如“看第 2 节的报价表”“这个函数在 utils.py 里”，效果远好于 @ 一整个文件夹。文件很大时，先问“这份文档的结构是什么”，再按章节追问，比一次性问“帮我总结”靠谱。支持哪些格式、大小上限多少，以官方页面为准。
最后提醒：@ 进去的文件是否被留存、是否用于训练，各家策略不同；涉密材料先确认清楚再按 @。