topic_based_summary
Generate concise, topic-focused summaries from provided content using a targeted query. Ideal for extracting key insights and relevant information efficiently.
Instructions
主题汇总功能 - 基于给定资料和查询主题，返回最相关的内容总结（2k字符内）
Args:
content: 资料内容
query: 查询的主题或问题
Returns:
基于主题的相关内容总结
Input Schema
TableJSON Schema
| Name | Required | Description | Default |
|---|---|---|---|
| content | Yes | ||
| query | Yes |
Implementation Reference
- The primary handler for the 'topic_based_summary' tool, registered via @mcp.tool() decorator. It wraps the RAGProcessor's topic_summary method, handling context logging and errors.@mcp.tool() async def topic_based_summary(content: str, query: str, ctx: Context) -> str: """ 主题汇总功能 - 基于给定资料和查询主题，返回最相关的内容总结（2k字符内） Args: content: 资料内容 query: 查询的主题或问题 Returns: 基于主题的相关内容总结 """ try: ctx.info(f"开始主题汇总，查询: {query}") summary = await rag_processor.topic_summary(content, query) ctx.info("主题汇总完成") return summary except Exception as e: logger.error(f"主题汇总失败: {e}") return f"主题汇总失败: {str(e)}"
- Core helper function in RAGProcessor class that performs the topic-based summarization by crafting a specialized prompt for the LLM and generating the response.async def topic_summary(self, content: str, query: str) -> str: """ 基于主题查询的内容总结 Args: content: 资料内容 query: 查询主题/问题 Returns: 相关内容的总结（2k字符内） """ try: # 构建RAG样式的提示词 prompt = f"""基于以下资料内容，针对查询主题进行总结分析： 查询主题: {query} 资料内容: {content} 请根据查询主题，从资料中提取最相关的信息，并总结为2000字以内的内容。要求： 1. 重点关注与查询主题相关的内容 2. 保持信息的准确性和逻辑性 3. 如果资料中没有相关信息，请明确说明 4. 提供具体的细节和要点""" response = self.summarizer.client.chat.completions.create( model=OPENAI_MODEL, messages=[ {"role": "system", "content": "你是一个专业的信息分析师，擅长从大量资料中提取特定主题的相关信息。"}, {"role": "user", "content": prompt} ], max_tokens=min(MAX_OUTPUT_TOKENS, 120000), # 限制在120k左右 temperature=0.1 ) result = response.choices[0].message.content.strip() return result except Exception as e: logger.error(f"主题汇总失败: {e}") return f"主题汇总失败: {str(e)}"