中文文本摘要

要解决什么问题

工程师和编辑经常要在不读完整篇长文的前提下把握要点：会议纪要、行业资讯、论文摘要、邮件线程或产品说明往往动辄数千字。人工 skim 容易漏掉结构信息，复制全文进大模型又浪费上下文。这个技能面向中文长文本，在本地分词与规则/统计式处理（依赖 jieba）的基础上，把「核心段落 + 关键词」压缩成可控长度的摘要。

技能如何工作

• 智能摘要：识别文中重复出现或位于标题/段首的观点句，合并成连贯的短摘要。
• 关键词提取：从全文统计词频与重要性，输出 TOP 关键词，便于打标签或二次检索。
• 字数控制：可按短 / 中 / 长档位约束输出长度，适配「一句话概览」与「稍详细的 briefing」。
• 交互模式：直接粘贴或输入原文即可触发流程，无需额外配置文件。

典型输入如人工智能发展史长文、产品发布会新闻稿；输出为精炼摘要，或在部分场景下同时给出关键词与摘要。

适用边界与注意点

• 依赖 Python 3.x；中文分词需要安装 jieba，非中文或混排极多的文本效果可能不稳定。
• 更偏抽取式 / 轻量摘要，不是替代深度阅读的语义重写；极短推文、表格为主的内容、强依赖上下文的对话记录，摘要质量会下降。
• 新闻、论文、邮件、产品描述等段落结构清晰的体裁最合适；涉及数字、合规条款时仍建议核对原文。