实战:用本地大模型搭建AI文章摘要与关键词提取工具(附可运行脚本)
2026年10月24日 · 实用教程
在上一篇教程中我们已经在服务器上成功部署了 Ollama,并让本地的大模型 qwen2.5:0.5b 正常运行。本文将在此基础上,手把手搭建一个 **AI 文章摘要与关键词提取工具**,实现全链路本地化处理,既保障数据安全,又能快速为任意文本生成简洁摘要和精准标签。全部代码已在实际环境中跑通,复制即用,适合内容站、企业文档以及信息聚合等场景。
项目概述与核心原理
本工具的核心思路非常直接:利用 Ollama 提供的 RESTful /api/generate 接口,将原始文章作为 Prompt 发送给本地模型,让模型返回自然语言的摘要和关键词。整个过程全部在本机或私有服务器上完成,数据不经过公网,能够满足对隐私有严格要求的业务。
实现上,我们把两类任务抽象为两个 Prompt:
- 摘要任务:
请阅读下面这篇文章,用三句话概括其核心内容: - 关键词任务:
请从下面这篇文章中提取5个关键词,用逗号分隔输出:
模型收到 Prompt 后会依据上下文生成对应的文本,随后脚本将结果打印或保存为结构化数据,供后续自动化流程使用。
环境准备与模型部署
在开始编写脚本之前,需要确保以下前置条件已经就绪:
- 服务器已安装 Docker(推荐)或直接使用二进制方式部署 Ollama。
- 通过以下命令拉取并启动模型:
docker run -d -p 11434:11434 --name ollama ollama/ollama
ollama pull qwen2.5:0.5b
ollama serve
启动后,Ollama 会监听 http://127.0.0.1:11434,并提供 /api/generate 接口供本地调用。可以使用 curl http://127.0.0.1:11434/api/tags 验证模型是否可用。
脚本实现细节
下面的 article_tool.py 脚本实现了从标准输入读取文章、调用 Ollama 生成摘要与关键词并输出的完整流程。代码中每一步都有注释,便于二次开发。
#!/usr/bin/env python3
-*- coding: utf-8 -*-
"""
本地 AI 文章摘要与关键词提取工具
依赖: 已部署的 Ollama (qwen2.5:0.5b)
用法: cat 文章.txt | python3 article_tool.py
"""
import json, sys, urllib.request
OLLAMA_URL = "http://127.0.0.1:11434"
MODEL = "qwen2.5:0.5b"
def generate(prompt):
req = urllib.request.Request(
OLLAMA_URL + "/api/generate",
data=json.dumps({"model": MODEL, "prompt": prompt, "stream": False}).encode(),
headers={"Content-Type": "application/json"},
)
with urllib.request.urlopen(req, timeout=300) as resp:
return json.loads(resp.read().decode())["response"]
def summarize(text):
prompt = "请阅读下面这篇文章,用三句话概括其核心内容:nn" + text
return generate(prompt).strip()
def extract_tags(text):
prompt = "请从下面这篇文章中提取5个关键词,用逗号分隔输出:nn" + text
return generate(prompt).strip()
def main():
article = sys.stdin.read().strip()
if not article:
print("请通过 stdin 输入文章内容")
sys.exit(1)
print("=== 文章摘要 ===")
print(summarize(article))
print("n=== 提取关键词 ===")
print(extract_tags(article))
if __name__ == "__main__":
main()
关键函数说明:
- generate():封装 HTTP POST,向 Ollama 发送 Prompt 并返回模型原始响应。
- summarize() 与 extract_tags():分别构造对应的任务 Prompt。
- main():读取
stdin,进行容错检查后依次输出摘要和关键词。
使用示例、真实演示与扩展思路
保存脚本后,使用以下命令即可对任意文本文件进行处理:
cat 文章.txt | python3 article_tool.py
下面是一篇关于 AI 写作工具的实测结果,展示了工具的实际输出效果:
=== 文章摘要 ===
随着人工智能技术的发展,AI写作工具已成为内容创作者和营销人员的有力助手,主要包括通用对话助手、专业写作平台和垂直场景工具三类。通用对话助手如 ChatGPT、Claude、文心一言擅长理解复杂指令和多轮对话,而专业写作平台针对博客营销文案进行了优化,上手门槛更低。在选择 AI 写作工具时,建议从内容质量、使用成本、数据安全、生态集成四个维度进行考量。
=== 提取关键词 ===
通用对话助手, 专业写作平台, 垂直场景工具, 写作工具, 选择工具
从演示可以看到,模型能够在三句话内抓住文章的核心要点,并给出五个覆盖面广且具备标签价值的关键词。
基于此工具,还可以进一步拓展:
- 批量处理:使用
os.walk遍历目录,自动对每篇文档生成摘要并写入对应的.summary.txt。 - 结构化输出:将摘要和关键词封装为 JSON,便于 CMS、数据库或搜索引擎直接消费。
- 跨语言调用:在 WordPress、Node.js 或 PHP 项目中复用相同的 Ollama API,实现文章发布时的自动标签化。
以上即完成了从本地模型部署到实用 AI 文本处理工具的全链路实现,读者可以根据自身业务需求自由裁剪或扩展。祝你玩得开心!