目前我们支持以下选项：

• refine：依次遍历每个检索到的文本块来先生成再精修回答。每个 Node/检索块都会单独调用一次 LLM。

  **细节：**先用 text_qa_template 提示词对第一个块发起查询。然后把已得回答连同下一个块（以及原始问题）一起，用 refine_template 提示词再发起一次查询。如此往复，直到所有块都处理完毕。

  如果某个块（考虑提示词长度）大到装不进上下文窗口，就会用 TokenTextSplitter 把它切开（块之间允许一定的文本重叠），切出的新块会作为原块集合的一部分被纳入处理（因而同样用 refine_template 查询）。

  适合需要更详细回答的场合。

• compact（默认）：与 refine 类似，但会事先压缩（拼接）文本块，从而减少 LLM 调用次数。

  **细节：**在上下文窗口之内（考虑 text_qa_template 与 refine_template 之间的最大提示词长度）尽可能多地塞入文本（由检索块拼接/打包而来）。如果文本长到装不进一个提示词，就按需要拆成尽可能多的部分（用 TokenTextSplitter 拆分，因而文本块之间会有一些重叠）。

  每个文本部分都被视作一个“块”，依次交给 refine 合成器处理。

  简言之，它和 refine 类似，但 LLM 调用更少。

• tree_summarize：用 summary_template 提示词按需多次查询 LLM，直到全部拼接后的块都被查询完，得到若干回答；这些回答本身又作为块，递归地继续 tree_summarize 的 LLM 调用，直到只剩最后一块、也就只剩一个最终回答。

  **细节：**先用 summary_template 提示词把块尽可能多地拼接以填满上下文窗口，需要时再切开（同样用 TokenTextSplitter，保留一些文本重叠）。然后把切出的每个块/切片按 summary_template 查询（这里没有 精修 查询！），得到相应数量的回答。

  如果只有一个回答（也就是只有一个块），那它就是最终回答。

  如果有多个回答，它们会作为块被递归送回 tree_summarize 流程（拼接/切分到填满窗口后再查询）。

  适合做摘要。

• simple_summarize：把所有文本块截断以塞进一个 LLM 提示词。适合快速摘要，但因截断而可能丢失细节。

• no_text：只运行检索器，取回本来要发给 LLM 的节点，但并不真的发送。之后可以通过 response.source_nodes 查看。

• accumulate：给定一组文本块和查询，把该查询分别应用到每个文本块上，并把回答累积到一个数组里。返回所有回答拼接后的字符串。适合需要把同一个查询逐块分别执行的情形。

• compact_accumulate：与 accumulate 相同，但会像 compact 那样“压缩”每个 LLM 提示词，并对每个文本块运行同一个查询。

更多内容见响应合成器。