在如今信息爆炸的时代，我们面临着海量的文字信息，很难抽出足够的时间去阅读所有感兴趣的内容。然而，大语言模型为我们提供了一种有效的解决方案：通过自动文本摘要，帮助我们快速获取文章的核心内容。这种技术已经被广泛应用于各种软件应用程序中。

以 ChatGPT 为例，它提供了一个简洁的网页界面，让用户能够轻松地对文章进行摘要。这种方式极大地提高了阅读效率，使我们能够在有限的时间内获取更多的信息。本文将为您详细介绍如何利用编程技术实现这一功能，让您在信息海洋中游刃有余。

总结文章内容

在本文中，我们将以一个实际示例来说明如何利用 GPT 技术进行文章摘要。假设你的时间有限，无法阅读整篇文章，我们可以编写关键词提示，让 GPT 为我们生成一份简洁的摘要，字数不超过 50 个。这样一来，您便能快速了解文章的主要内容，提高阅读效率。

public static void main(String[] args) {String text = "我说道：“爸爸，你走吧。”\n"+ "他望车外看了看，说：“我买几个橘子去。你就在此地，不要走动。”\n"+ "我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。\n"+ "我看见他戴着黑布小帽，穿着黑布大马褂，深青布棉袍，蹒跚地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。"+ "他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。我赶紧拭干了泪。怕他看见，也怕别人看见。\n"+ "我再向外看时，他已抱了朱红的橘子往回走了。过铁道时，他先将橘子散放在地上，自己慢慢爬下，再抱起橘子走。到这边时，我赶紧去搀他。"+ "他和我走到车上，将橘子一股脑儿放在我的皮大衣上。于是扑扑衣上的泥土，心里很轻松似的。过一会儿说：“我走了，到那边来信！”我望着他走出去。"+ "他走了几步，回过头看见我，说：“进去吧，里边没人。”等他的背影混入来来往往的人里，再找不着了，我便进来坐下，我的眼泪又来了。\n";String prompt = "使用最多50个字总结三个反引号之间的文章。\n"+ "```%s```";String response = getCompletion(String.format(prompt, text));System.out.println(response);
}

运行一下看看结果：

父亲买橘子，儿子送行。父亲胖，爬铁道费力。儿子看见父亲背影，流泪。父亲回头嘱咐儿子进去，消失在人群中。儿子再次哭泣。

尽管在字数上有超出限制，这还是一个相当不错的总结。

特定目标的总结

有时候在总结的时候，会有一个非常具体的目标，比如：你是一个服装设计师，可能希望关注文章中与服装相关的细节。为了实现这一目标，我们也可以修改提示词，这样他们就可以生成一个更适用于你业务中的一个特定目标的总结。

public static void main(String[] args) {String text = "我说道：“爸爸，你走吧。”\n"+ "他望车外看了看，说：“我买几个橘子去。你就在此地，不要走动。”\n"+ "我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。\n"+ "我看见他戴着黑布小帽，穿着黑布大马褂，深青布棉袍，蹒跚地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。"+ "他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。我赶紧拭干了泪。怕他看见，也怕别人看见。\n"+ "我再向外看时，他已抱了朱红的橘子往回走了。过铁道时，他先将橘子散放在地上，自己慢慢爬下，再抱起橘子走。到这边时，我赶紧去搀他。"+ "他和我走到车上，将橘子一股脑儿放在我的皮大衣上。于是扑扑衣上的泥土，心里很轻松似的。过一会儿说：“我走了，到那边来信！”我望着他走出去。"+ "他走了几步，回过头看见我，说：“进去吧，里边没人。”等他的背影混入来来往往的人里，再找不着了，我便进来坐下，我的眼泪又来了。\n";String prompt = "使用最多50个字总结三个反引号之间的文章，其中包括服装的细节。\n"+ "```%s```";String response = getCompletion(String.format(prompt, text));System.out.println(response);
}

运行一下看看结果：

父亲穿着黑布小帽、大马褂和深青布棉袍，费力地穿过铁道，买了朱红的橘子。他把橘子放在孩子的皮大衣上，走了。孩子看着他的背影，泪流满面。

可以看到生成一个不同的总结，其中包括了父亲的黑布小帽、大马褂和深青布棉袍的服装细节。

提取文章特定信息

你可能希望只关注文章中与服装相关的细节，而不关注文章的故事请假。我们可以再修改一下提示词，这样他们就可以生成一个更适用于你业务中的一个特定目标的总结。

public static void main(String[] args) {String text = "我说道：“爸爸，你走吧。”\n"+ "他望车外看了看，说：“我买几个橘子去。你就在此地，不要走动。”\n"+ "我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。\n"+ "我看见他戴着黑布小帽，穿着黑布大马褂，深青布棉袍，蹒跚地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。"+ "他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。我赶紧拭干了泪。怕他看见，也怕别人看见。\n"+ "我再向外看时，他已抱了朱红的橘子往回走了。过铁道时，他先将橘子散放在地上，自己慢慢爬下，再抱起橘子走。到这边时，我赶紧去搀他。"+ "他和我走到车上，将橘子一股脑儿放在我的皮大衣上。于是扑扑衣上的泥土，心里很轻松似的。过一会儿说：“我走了，到那边来信！”我望着他走出去。"+ "他走了几步，回过头看见我，说：“进去吧，里边没人。”等他的背影混入来来往往的人里，再找不着了，我便进来坐下，我的眼泪又来了。\n";String prompt = "使用最多50个字提取三个反引号之间的文章中服装信息。\n"+ "```%s```";String response = getCompletion(String.format(prompt, text));System.out.println(response);
}

运行一下看看结果：

服装信息：黑布小帽、黑布大马褂、深青布棉袍。

我们可以看到，文章中的服装信息已经提取出来了。

总结长文章

接下来，我们将探讨如何使用GPT对较长篇幅的文章进行有效总结。由于单次请求的token大小限制，我们无法将整篇文章的内容一次性发送给GPT进行处理。为了解决这个问题，我们可以采用分段处理的策略，将文章拆分成若干较小的部分，然后分别对每个部分进行总结。

首先，我们需要将文章内容按照逻辑结构进行拆分，确保每个部分都能够独立表达一个完整的意义。接下来，我们将这些拆分后的小段内容分别发送给 GPT ，让其为每个部分生成相应的总结。在这个过程中，我们需要确保每个部分的摘要都能够准确反映原文的核心观点，同时保持语言的流畅性和语义的丰满度。

最后，我们需要将这些摘要汇总起来，形成一个完整的总结。为了实现这一目标，我们可以再次利用 GPT 的能力，将这些摘要作为输入，生成一个全面、精炼的综合总结。通过这种分段处理和多次总结的策略，我们可以克服GPT在处理长篇文章时的token大小限制，实现对较长篇幅内容的高效总结。

public static void main(String[] args) throws InterruptedException {String text ="我与父亲不相见已二年余了，我最不能忘记的是他的背影。那年冬天，祖母死了，父亲的差使也交卸了，正是祸不单行的日子，我从北京到徐州，打算跟着父亲奔丧回家。到徐州见着父亲，看见满院狼藉的东西，又想起祖母，不禁簌簌地流下眼泪。父亲说，“事已如此，不必难过，好在天无绝人之路！”\n"+ "回家变卖典质，父亲还了亏空；又借钱办了丧事。这些日子，家中光景很是惨淡，一半为了丧事，一半为了父亲赋闲。丧事完毕，父亲要到南京谋事，我也要回北京念书，我们便同行。\n"+ "到南京时，有朋友约去游逛，勾留了一日；第二日上午便须渡江到浦口，下午上车北去。父亲因为事忙，本已说定不送我，叫旅馆里一个熟识的茶房陪我同去。他再三嘱咐茶房，甚是仔细。但他终于不放心，怕茶房不妥帖；颇踌躇了一会。其实我那年已二十岁，北京已来往过两三次，是没有甚么要紧的了。他踌躇了一会，终于决定还是自己送我去。我两三回劝他不必去；他只说，“不要紧，他们去不好！”\n"+ "我们过了江，进了车站。我买票，他忙着照看行李。行李太多了，得向脚夫行些小费，才可过去。他便又忙着和他们讲价钱。我那时真是聪明过分，总觉他说话不大漂亮，非自己插嘴不可。但他终于讲定了价钱；就送我上车。他给我拣定了靠车门的一张椅子；我将他给我做的紫毛大衣铺好坐位。他嘱我路上小心，夜里警醒些，不要受凉。又嘱托茶房好好照应我。我心里暗笑他的迂；他们只认得钱，托他们直是白托！而且我这样大年纪的人，难道还不能料理自己么？唉，我现在想想，那时真是太聪明了！\n"+ "我说道，“爸爸，你走吧。”他望车外看了看，说，“我买几个橘子去。你就在此地，不要走动。”我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。我看见他戴着黑布小帽，穿着黑布大马褂，深青布棉袍，蹒跚地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。我赶紧拭干了泪，怕他看见，也怕别人看见。我再向外看时，他已抱了朱红的橘子望回走了。过铁道时，他先将橘子散放在地上，自己慢慢爬下，再抱起橘子走。到这边时，我赶紧去搀他。他和我走到车上，将橘子一股脑儿放在我的皮大衣上。于是扑扑衣上的泥土，心里很轻松似的，过一会说，“我走了；到那边来信！”我望着他走出去。他走了几步，回过头看见我，说，“进去吧，里边没人。”等他的背影混入来来往往的人里，再找不着了，我便进来坐下，我的眼泪又来了。\n"+ "近几年来，父亲和我都是东奔西走，家中光景是一日不如一日。他少年出外谋生，独力支持，做了许多大事。那知老境却如此颓唐！他触目伤怀，自然情不能自已。情郁于中，自然要发之于外；家庭琐屑便往往触他之怒。他待我渐渐不同往日。但最近两年的不见，他终于忘却我的不好，只是惦记着我，惦记着我的儿子。我北来后，他写了一信给我，信中说道，“我身体平安，惟膀子疼痛利害，举箸提笔，诸多不便，大约大去之期不远矣。”我读到此处，在晶莹的泪光中，又看见那肥胖的，青布棉袍，黑布马褂的背影。唉！我不知何时再能与他相见！";String[] sections = text.split("\n");StringBuilder stringBuilder = new StringBuilder();for (int i = 0; i < sections.length; i++) {String prompt = "使用最多50个字总结三个反引号之间的内容。\n"+ "```%s```";String response = getCompletion(String.format(prompt, sections[i]));System.out.println("第" + (i + 1) + "段的总结：" + response);stringBuilder.append(response).append('\n');Thread.sleep(5000);}String prompt = "使用最多100个字总结三个反引号之间的内容。\n"+ "```%s```";String response = getCompletion(String.format(prompt, stringBuilder));System.out.println("汇总的总结：" + response);
}

运行一下看看结果：

第1段的总结：作者怀念父亲，特别是他的背影。在祖母去世和父亲辞职的时候，作者回家与父亲团聚。父亲安慰作者，说“天无绝人之路”。
第2段的总结：父亲为了还债变卖典质，办丧事，赋闲，儿子陪同南京谋事，自己回北京念书。
第3段的总结：父亲送儿子去南京，担心茶房不妥帖，最终决定亲自送行。儿子已二十岁，父亲仍不放心。
第4段的总结：一个年长者自以为是，对年轻人指手画脚，但最终被年轻人送上了火车，心中暗笑年轻人的迂。
第5段的总结：父亲为了买橘子，穿过铁道，费力攀爬，让人心疼。儿子看着父亲的背影，流下泪水，但又怕被看见。最后，父亲离开时，嘱咐儿子进去，让人感受到深深的亲情。
第6段的总结：父亲年迈颓唐，情绪不稳，对家庭琐事容易发怒。但最近两年，他忘却了儿子的不好，只惦记着他和孙子。儿子读到父亲的信，泪眼朦胧，想念着那肥胖的背影。
汇总的总结：作者怀念父亲，回忆了他的背影和深深的亲情。父亲为了家庭不断努力，送儿子去南京时仍不放心。父亲年迈颓唐，但忘却了儿子的不好，只惦记着他和孙子。

通过将文章拆分成较小的部分，分别进行总结，然后再将这些总结汇总成一个完整的综述，我们可以有效地利用GPT对较长篇幅的文章进行总结。这种方法既保证了总结的准确性和完整性，同时也充分发挥了GPT在自然语言处理方面的优势。

尾声

在当今信息爆炸的时代，我们往往会面临大量文本数据的处理。为了帮助用户快速了解这些文本中的关键信息，我们可以借助 GPT 这一先进的自然语言处理技术来实现文本摘要功能。通过 GPT 的强大生成能力，我们可以为用户提供简洁明了的摘要，让他们在短时间内掌握文本的核心内容。同时，如果用户对某个主题感兴趣，还可以选择深入阅读原文，以获取更多详细信息。这样一来，我们既提高了用户的阅读效率，又丰富了他们的知识体系。

在下一篇文章中，我们将看看 GPT 的另一个能力：使用文本进行推理。敬请期待。