请问 docsGPT 这类文档帮助阅读类应用是如何实现全文准确总结的？

[Trinityuan]

我可以理解到用户问到一个准确的问题，他可以通过通过相似度匹配到 TOP N 条相关的文档片段，然后交给 GPT 去总结结论。

但是一直没有理解明白，它是如何总结一篇几十万字文档的。这样也没法仅通过一条片段就可以总结全书啊，请问各位大佬们有知道思路的嘛？

[Trinityuan]

比如用户上传了一本市面上没有的 100 万字的小说，问了一句：请总结一下这篇小说讲了一个什么事情。
它是如何准确答出来的呢？感觉这是无法仅凭几篇文档片段就能总结出来的。

[cwyalpha]

mapreduce?

[chenlide]

gpt 的 prompt 肯定是不可能一次接收几十万字的。
他们把你说的几十万字篇文档分成了很多段，比如 1000 字一段。再把每一段经过 text2vec 文本嵌入算法把每一段转化为一个段落小向量（相当于把一段压缩成了向量来存储）。有个很新的东西叫向量数据库，就是存这些向量的。数据库是有查找功能的。
当用户提问时把用户的问题转化为小向量，把用户文本向量拿去和向量数据库的向量计算距离，做相似度匹配，找到距离最近的 K 个向量。取出 K 个向量对应的原文。
把 K 个向量的原文和用户的原问题组成一个 prompt 发给 gpt （字数相比直接接收几十万字少了很多），gpt 再回复
推荐搜一下 langchain

&t=603s

[Trinityuan]

@cwyalpha 谢谢👍🏻，我去读一下相关文档。

[Trinityuan]

@chenlide 收到，感谢细致的解答，我去调研一下相关文档👍🏻