在前幾天我們已經學會了如何透過 n8n 抓取 arXiv 的多篇論文，並把內容交給 Gemini 做摘要。
但當論文變多、內容變長時，就會遇到 LLM 輸入長度限制 的問題，這時候 Summarization Chain 就派上用場了。

為什麼要用 Summarization Chain？

• 突破長度限制：長篇論文、會議逐字稿、新聞合集，往往超過單次 LLM 輸入上限。
• 分段處理更有效率：先針對每段內容做摘要（Map），最後再整合成完整總結（Reduce）。
• 結構化輸出：可以透過 Prompt 控制輸出格式，得到更有組織的結果（條列、分類、建議）。
• 彈性擴充：除了論文，你也能套用到 Podcast 逐字稿、YouTube 字幕、公司內部會議紀錄。

Summarization Chain 在 n8n 的基本用法

1. 準備資料：

   • 來源可以是 Node Input JSON（前一節點輸出的文字欄位）、Binary File、或 Document Loader（批次文件）。
   • 常見應用：arXiv 論文內文、新聞文章、PDF OCR 結果。

2. 分段設定 (Chunking Strategy)：

   • Characters Per Chunk：建議 2000–3000。
   • Chunk Overlap：200 左右，避免段落割裂。

3. 選擇方法 (Summarization Method)：

   • Map Reduce：先逐段摘要，再彙整 → 適合多篇／長文。
   • Refine：逐段摘要並不斷更新 → 適合需要高精準度的逐步整合。
   • Stuff：一次塞進去 → 僅適合短文。

4. 設定 Prompt（必須包含 {text}）：

   • Individual Summary Prompt：針對單段
   • Final Prompt to Combine：整合所有摘要

你是一位技術編輯，請將以下內容濃縮為重點摘要（3–5 點），保留專有名詞與數據：
{text}

簡單示範：多篇 arXiv 論文摘要

把arxiv API 取得的論文摘要整理好，丟到Summarization Chain

# Loop over input items and extract title, summary as dict
for item in _input.all():
  data = {}
  data[0] =''
  for e in item.json["feed"]["entry"]:
    data[0] =data[0]+ "title" + e["title"]+":"+e["summary"].strip()+"\n"

  item.json = data

return _input.all()

輸出結果範例：

這邊會在短時間內大量調用API，因為是使用免費方案，在測試時常常會遇到API上限的問題，使用付費方案的話要注意一下使用量