如何在单次LLM调用中进行文本摘要

LLM 可以从文本中总结或提取所需信息，包括大量文本。在许多情况下，特别是对于具有更大上下文窗口的模型，这可以通过一次 LLM 调用充分实现。

LangChain 实现了一个简单的预构建链，它将所需上下文“填充”到提示中，用于总结和其他目的。在本指南中，我们将演示如何使用此链。

加载聊天模型

我们首先加载一个聊天模型

pip install -qU "langchain[google-genai]"

import getpass
import os

if not os.environ.get("GOOGLE_API_KEY"):
  os.environ["GOOGLE_API_KEY"] = getpass.getpass("Enter API key for Google Gemini: ")

from langchain.chat_models import init_chat_model

llm = init_chat_model("gemini-2.0-flash", model_provider="google_genai")

加载文档

接下来，我们需要一些要总结的文档。下面，我们生成一些示例文档以作说明之用。请参阅文档加载器操作指南和集成页面以获取更多数据源。总结教程也包含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

加载链

下面，我们定义一个简单的提示，并使用我们的聊天模型和文档实例化该链。

from langchain.chains.combine_documents import create_stuff_documents_chain
from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_template("Summarize this content: {context}")
chain = create_stuff_documents_chain(llm, prompt)

API 参考：create_stuff_documents_chain | ChatPromptTemplate

调用链

由于该链是一个可运行对象，它实现了常规的调用方法

result = chain.invoke({"context": documents})
result

'The content describes the colors of three fruits: apples are red, blueberries are blue, and bananas are yellow.'

流式传输

请注意，该链还支持单个输出 token 的流式传输。

for chunk in chain.stream({"context": documents}):
    print(chunk, end="|")

|The| content| describes| the| colors| of| three| fruits|:| apples| are| red|,| blueberries| are| blue|,| and| bananas| are| yellow|.||

下一步

请参阅总结操作指南以了解其他总结策略，包括为处理大量文本而设计的策略。

另请参阅本教程以获取更多关于总结的详细信息。

加载聊天模型​

加载文档​

加载链​

调用链​

流式传输​

下一步​

加载聊天模型

加载文档

加载链

调用链

流式传输

下一步