| name | summarize |
| description | 智能内容摘要与总结 (Use when: 需要总结长文档、提取要点、生成摘要). NOT for: 数据分析、代码生成. |
| metadata | {"rooster":{"emoji":"📝","platform":["any"],"category":"document","kits":["System"],"requires":{"python_packages":[],"bins":[],"env_vars":[]}}} |
Summarize — 智能内容摘要与总结
利用 Rooster 的 LLM 能力,对长文本、文档、网页内容进行结构化摘要和要点提取。
适用场景
- 总结长篇文档/报告的核心内容
- 提取会议纪要的行动项和关键决策
- 将多篇文档合并为一份概览
- 生成技术文档的 TL;DR 版本
- 提取文章中的关键数据和结论
文本摘要模板
input_text = """
[长文本内容...]
"""
summary_structure = """
## 核心摘要
[1-2 段话概括主旨]
## 关键要点
1. [要点 1]
2. [要点 2]
3. [要点 3]
## 行动项(如适用)
- [ ] [待办 1]
- [ ] [待办 2]
## 关键数据
- 指标 A: 数值
- 指标 B: 数值
"""
文档批量摘要
import os
import json
def batch_summarize(doc_dir, output_path):
"""批量处理目录下的文本文件"""
results = []
for fname in sorted(os.listdir(doc_dir)):
if not fname.endswith((".txt", ".md")):
continue
with open(os.path.join(doc_dir, fname), "r", encoding="utf-8") as f:
content = f.read()
results.append({
"file": fname,
"length": len(content),
"preview": content[:200],
})
with open(output_path, "w", encoding="utf-8") as f:
json.dump(results, f, ensure_ascii=False, indent=2)
print(f"[RESULT_PATH: {os.path.abspath(output_path)}]")
注意事项
- 长度控制:超过模型上下文窗口的文本需要分段摘要再汇总
- 语言检测:自动识别输入语言,摘要保持同语言输出
- 格式保留:输出结果保留 Markdown 格式,方便后续转 Word/PDF
- 事实准确性:摘要不得添加原文不存在的信息
- 可导出:摘要结果可通过
office_docx_write 或 pdf_op(action="write") 工具导出为正式文档