如何通过迭代优化总结文本

LLM 可以从文本中总结和提炼所需的信息，包括大量文本。在许多情况下，尤其是当文本量相对于模型的上下文窗口大小较大时，将总结任务分解为较小的组件可能很有帮助（或必要）。

迭代优化表示一种总结长文本的策略。该策略如下：

将文本分割成较小的文档；
总结第一个文档；
根据下一个文档优化或更新结果；
重复执行文档序列，直到完成。

请注意，此策略未并行化。当对子文档的理解取决于先前的上下文时，它尤其有效——例如，当总结小说或具有内在顺序的文本主体时。

LangGraph，建立在 langchain-core 之上，非常适合这个问题

LangGraph 允许流式传输各个步骤（例如连续的总结），从而可以更好地控制执行；
LangGraph 的 checkpointing 支持错误恢复、扩展人工参与工作流程以及更容易地集成到对话应用中。
由于它是由模块化组件组装而成，因此也很容易扩展或修改（例如，合并工具调用或其他行为）。

下面，我们将演示如何通过迭代优化总结文本。

加载聊天模型

首先让我们加载一个聊天模型

选择聊天模型

pip install -qU "langchain[openai]"

import getpass
import os

if not os.environ.get("OPENAI_API_KEY"):
  os.environ["OPENAI_API_KEY"] = getpass.getpass("Enter API key for OpenAI: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("gpt-4o-mini", model_provider="openai")

加载文档

接下来，我们需要一些文档来总结。下面，我们生成一些玩具文档用于说明目的。有关其他数据来源，请参阅文档加载器操作指南和集成页面。总结教程还包括一个总结博客文章的示例。

from langchain_core.documents import Document

documents = [
    Document(page_content="Apples are red", metadata={"title": "apple_book"}),
    Document(page_content="Blueberries are blue", metadata={"title": "blueberry_book"}),
    Document(page_content="Bananas are yelow", metadata={"title": "banana_book"}),
]

API 参考：Document

创建图

下面我们展示此过程的 LangGraph 实现

我们为初始摘要生成一个简单的链，该链提取第一个文档，将其格式化为提示，并使用我们的 LLM 运行推理。
我们生成第二个 refine_summary_chain，它对每个后续文档进行操作，优化初始摘要。

我们将需要安装 langgraph

pip install -qU langgraph

import operator
from typing import List, Literal, TypedDict

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnableConfig
from langgraph.constants import Send
from langgraph.graph import END, START, StateGraph

# Initial summary
summarize_prompt = ChatPromptTemplate(
    [
        ("human", "Write a concise summary of the following: {context}"),
    ]
)
initial_summary_chain = summarize_prompt | llm | StrOutputParser()

# Refining the summary with new docs
refine_template = """
Produce a final summary.

Existing summary up to this point:
{existing_answer}

New context:
------------
{context}
------------

Given the new context, refine the original summary.
"""
refine_prompt = ChatPromptTemplate([("human", refine_template)])

refine_summary_chain = refine_prompt | llm | StrOutputParser()


# We will define the state of the graph to hold the document
# contents and summary. We also include an index to keep track
# of our position in the sequence of documents.
class State(TypedDict):
    contents: List[str]
    index: int
    summary: str


# We define functions for each node, including a node that generates
# the initial summary:
async def generate_initial_summary(state: State, config: RunnableConfig):
    summary = await initial_summary_chain.ainvoke(
        state["contents"][0],
        config,
    )
    return {"summary": summary, "index": 1}


# And a node that refines the summary based on the next document
async def refine_summary(state: State, config: RunnableConfig):
    content = state["contents"][state["index"]]
    summary = await refine_summary_chain.ainvoke(
        {"existing_answer": state["summary"], "context": content},
        config,
    )

    return {"summary": summary, "index": state["index"] + 1}


# Here we implement logic to either exit the application or refine
# the summary.
def should_refine(state: State) -> Literal["refine_summary", END]:
    if state["index"] >= len(state["contents"]):
        return END
    else:
        return "refine_summary"


graph = StateGraph(State)
graph.add_node("generate_initial_summary", generate_initial_summary)
graph.add_node("refine_summary", refine_summary)

graph.add_edge(START, "generate_initial_summary")
graph.add_conditional_edges("generate_initial_summary", should_refine)
graph.add_conditional_edges("refine_summary", should_refine)
app = graph.compile()

API 参考：StrOutputParser | ChatPromptTemplate | RunnableConfig | Send | StateGraph

LangGraph 允许绘制图结构以帮助可视化其功能

from IPython.display import Image

Image(app.get_graph().draw_mermaid_png())

调用图

我们可以按如下方式逐步执行，打印出摘要，因为它被优化

async for step in app.astream(
    {"contents": [doc.page_content for doc in documents]},
    stream_mode="values",
):
    if summary := step.get("summary"):
        print(summary)

Apples are characterized by their red color.
Apples are characterized by their red color, while blueberries are known for their blue hue.
Apples are characterized by their red color, blueberries are known for their blue hue, and bananas are recognized for their yellow color.

最终的 step 包含从整套文档合成的摘要。

下一步

查看总结操作指南，了解其他总结策略，包括为大量文本设计的策略。

有关总结的更多详细信息，请参阅本教程。

另请参阅 LangGraph 文档，了解有关使用 LangGraph 构建的详细信息。

加载聊天模型​

加载文档​

创建图​

调用图​

下一步​

此页面是否对您有帮助？

加载聊天模型

加载文档

创建图

调用图

下一步