如何让 AI 总结长文本：先定义摘要用途，再控制信息密度

“帮我总结一下这份报告”看似明确，其实还缺少一个关键问题：这份摘要是给谁看的，用来做什么。给负责人看的摘要，需要尽快说明结论、变化和风险；给团队同步的摘要，需要保留决定、分工和截止时间；给自己学习的摘要，则要留下概念之间的关系和容易混淆的地方。用途不同，保留的信息就不同。

《LLM 入门资料》把总结、转换和推断作为不同任务来讲，摘要并不是机械压缩，而是根据目标重新组织信息。好的摘要会舍弃与用途无关的细节，但不会随意删掉限定条件、关键数字和结论依据。短只是结果，判断什么该留下才是工作本身。

因此，Prompt 的第一句不应只是“请总结”，而应该说明读者、使用场景和判断重点。让模型知道摘要要帮助谁做什么，它才有可能在信息密度和篇幅之间做出合适取舍。

一份长文里通常同时有背景、过程、事实、观点、结论和限制。摘要不可能把它们全部保留，所以需要先确定核心问题。管理汇报可以要求回答“发生了什么、为什么、影响是什么、需要做什么”；会议纪要可以要求提取“决定、负责人、截止时间和未解决事项”；学习笔记可以要求保留“概念、例子、区别和疑问”。

问题越具体，模型越容易筛选材料。与其说“提炼重点”，不如说“只保留影响项目上线时间的事项，并按风险、影响和负责人整理”。与其说“总结这本书”，不如说“用 8 条要点解释作者的核心论点，并为每条保留一个支持例子”。摘要目标不是覆盖全文，而是服务下一步判断。

如果你还不知道重点是什么，可以先让 AI 建立目录或列出候选主题，再由人选择摘要方向。让模型先替你做一次信息地图，往往比直接要求它在一轮里决定最终重点更稳。

一句话摘要适合快速判断。它回答“这份材料主要说了什么”，通常只保留主题、结论和最重要的变化。它不适合承载多个数字、行动项和限制条件，强行塞进去只会变成长句。

要点摘要适合分享和同步。可以要求列出 5 到 8 条，每条只表达一个重点，并按照原文顺序、重要性或时间顺序排列。要点之间最好有层级，避免把背景、结论和建议混成同一种句式。

结构化摘要适合复盘、检索和后续处理。它可以固定包含主题、核心结论、关键数据、风险、行动项和待确认事项。结构化摘要信息密度更高，也更容易检查，但写 Prompt 时必须把字段和缺失值规则说清楚。

摘要最容易犯的错误，是把结论留下，却把结论成立的条件删掉。数字需要单位和时间范围，预测需要“预计”“可能”等限定词，政策需要适用对象和有效日期，研究结论需要样本或方法背景。句子变短了，意思却可能已经变了。

可以在 Prompt 中直接写出保留规则：不改变数字、日期、专有名词和原文结论；保留影响判断的限定条件；区分事实、观点和推测；没有依据的内容标记为待确认。这些规则比一句“请准确总结”更容易执行，也方便你在摘要完成后复核。

如果原文有相互冲突的说法，不要让模型为了摘要流畅而强行统一。要求它并列列出冲突来源，或者在摘要中标记材料存在不同版本。摘要可以压缩文字，不能压平证据差异。

长文一次性处理，容易遇到上下文过长、重点分散和前后信息失衡的问题。更稳的方式是按章节或主题切分，每段先提取局部要点，再合并去重，最后回看原文检查摘要是否遗漏关键结论。每个片段要保留标题和范围，避免把不同章节的内容混在一起。

分段时不能只按固定字数截断。尽量让定义、说明、例子和限制条件保持在同一段；如果必须切开，就在下一段重复必要的标题或上下文。切得太细，局部摘要可能失去意义；切得太大，又会让模型难以找到重点。

合并阶段要特别注意重复和层级。不同章节可能用不同说法表达同一个观点，可以合并并保留代表性表述；但看似相似的观点如果依据和适用范围不同，就不应简单去重。最后回查原文，确认每条重点都能找到依据。