实战：自动化周报生成器

需求

输入一周的零散工作记录（会议纪要、commit 信息、待办清单），输出结构化周报：本周进展 / 数据亮点 / 下周计划 / 风险。

Map-Reduce 策略

内容多到塞不进上下文时，分两步：Map（每条记录各自提炼要点）→ Reduce（汇总要点生成周报）：

map_prompt = ChatPromptTemplate.from_template(
    "从这条工作记录提取：完成事项、量化结果、遗留问题。\n记录：{log}")
map_chain = map_prompt | llm | StrOutputParser()

reduce_prompt = ChatPromptTemplate.from_template(
    "把以下要点合并成周报，输出 Markdown，含四个板块："
    "本周进展 / 数据亮点 / 下周计划 / 风险求助。\n\n{points}")
reduce_chain = reduce_prompt | llm | StrOutputParser()

# 并发执行 Map，再 Reduce
points = map_chain.batch(
    [{"log": log} for log in weekly_logs],
    config={"max_concurrency": 5},
)
report = reduce_chain.invoke({"points": "\n\n".join(points)})

结构化输出更实用

如果要写入系统，让周报输出 JSON（配合 with_structured_output），字段：progress、metrics、plans、risks 各为数组。

可复用的模式

Map-Reduce 是处理"内容总量 > 上下文窗口"的通用模式：批量摘要、多文档对比、长文翻译都适用。LangChain 还提供 AnalyzeDocumentChain 与 refine（迭代式精炼）两种变体。