自动摘要怎么生成？

本文目录导读：

1. 方法一：使用现成的AI工具（最推荐，效果最好）
2. 方法二：自己用代码实现（基础版：提取式摘要）
3. 方法三：调用大模型API（进阶版：生成式摘要）
4. 方法四：利用浏览器插件（日常使用）

传统的提取式和现代的生成式（基于AI），如果你想实际做一个工具，或者只是需要快速摘要,具体操作如下：

使用现成的AI工具（最推荐，效果最好）

如果你只是需要结果，而不是技术实现,直接用大模型最快。

• 国内工具：Kimi（擅长长文本）、通义千问（有“阅读助手”功能）、百度文心一言。
• 国外工具：ChatGPT（GPT-4）、Claude（理解力强）。
• 通用平台：DeepSeek（性价比高，适合大量文本）。

操作：把文章或链接粘贴进去，直接说“用200字总结这篇文章的要点”或“生成一段摘要”。

自己用代码实现（基础版：提取式摘要）

如果你有编程基础（Python），可以写一个简单的脚本，这种方法不“理解”意思,而是靠统计找关键句。

核心原理：计算句子权重，找出最重要的几句（类似TextRank算法）。

简单代码示例（Python + jieba库）：

import jieba.analyse
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similarity
import numpy as np
def extractive_summary(text, num_sentences=3):
    # 1. 分句（按句号、问号、感叹号切分）
    sentences = text.replace('！', '。').replace('？', '。').split('。')
    sentences = [s.strip() for s in sentences if len(s) > 5]  # 去掉太短的句子
    if len(sentences) <= num_sentences:
        return "".join(sentences)
    # 2. 计算TF-IDF向量（把句子转为数字）
    vectorizer = TfidfVectorizer(tokenizer=jieba.lcut, max_features=1000)
    tfidf_matrix = vectorizer.fit_transform(sentences)
    # 3. 计算句子之间的相似度矩阵
    similarity_matrix = cosine_similarity(tfidf_matrix)
    # 4. TextRank迭代计算每个句子的得分
    damping = 0.85
    scores = np.ones(len(sentences)) / len(sentences)
    for _ in range(100):  # 迭代收敛
        new_scores = (1 - damping) / len(sentences) + damping * similarity_matrix.T.dot(scores)
        scores = new_scores
    # 5. 选出得分最高的N个句子，按原文顺序输出
    ranked_sentences = sorted(((scores[i], s) for i, s in enumerate(sentences)), reverse=True)
    top_sentences = [s for _, s in ranked_sentences[:num_sentences]]
    return "。".join(top_sentences)
# 使用示例
article = "人工智能正在改变世界，深度学习是其中最重要的技术之一，通过大量数据训练，机器可以学会识别图像和语音，AI将在医疗、教育等领域发挥更大作用。"
print(extractive_summary(article))

缺点：只是裁剪,可能不连贯。

调用大模型API（进阶版：生成式摘要）

这是目前最主流、效果最好的方法，你不需要训练模型，只需要调用OpenAI、通义千问等的API。

核心流程：

1. 准备文本。
2. 构造提示词（Prompt）：请对以下文本进行摘要，要求简洁、保留关键信息，不超过100字：\n\n{文章内容}。
3. 调用API获取结果。

Python示例（调用GPT-4或通义千问的API）：

import openai  # 或使用 dashscope (阿里云)
# 设置 API Key
openai.api_key = "你的API_KEY"
def generate_summary(text):
    response = openai.ChatCompletion.create(
        model="gpt-4",  # 或通义千问 "qwen-plus"
        messages=[
            {"role": "system", "content": "你是一个专业的文章摘要助手，请用简洁的语言概括文章核心内容。"},
            {"role": "user", "content": f"请为以下文章生成摘要：\n{text}"}
        ],
        max_tokens=150  # 控制输出长度
    )
    return response.choices[0].message.content
# 使用
print(generate_summary("你的长文章内容"))

利用浏览器插件（日常使用）

如果你只想在浏览网页时一键生成摘要：

1. SMMRY (Chrome/Edge插件)：选中文字,右键自动生成摘要。
2. Kimi浏览器助手：国内常用,支持网页侧边栏快速总结。
3. ChatGPT Sidebar：支持选中文字后用AI总结。

如果你现在就需要生成一个摘要，可以直接告诉我文章内容或链接,我立刻帮你生成。

标签： 关键词提取