0. 前言

在使用llama_index进行内容提炼、文章总结时，我们可以通过设置不同的ResponseMode来控制生成响应的结果。

在上篇“使用langchain及llama_index实现基于文档（长文本）的相似查询与询问”博客中，我们给出了如下代码（部分）：

llm_predictor = LLMPredictor(llm=OpenAI(temperature=0, model_name=model_name,max_tokens=1800))
service_context = ServiceContext.from_defaults(llm_predictor=llm_predictor)
query_str = "美女蛇的故事是什么？"
response_mode = "compact"
"""REFINE = "refine"COMPACT = "compact"SIMPLE_SUMMARIZE = "simple_summarize"TREE_SUMMARIZE = "tree_summarize"GENERATION = "generation"NO_TEXT = "no_text"
"""
documents = fileToDocuments("./data")
index = GPTListIndex.from_documents(documents,service_context=service_context)
query_engine = index.as_query_engine(response_mode=response_mode
)
response = query_engine.query(query_str)
print(response)

其中列举了6种response_mode：

我们也可以通过导入如下代码来观察其中的值：ResponseMode.xx

from llama_index.indices.response.type import ResponseMode

在研究源码及实践后，本篇将介绍这几种不同的response_mode的意义。

在代码中，我们可以找到相应的响应器responseBuilder，其源码位置为llama_index/indices/response/response_builder.py。下面我们将介绍几种常用的ResponseMode及其意义。

1. ResponseMode: tree_summarize （总结摘要-最优）

当设置ResponseMode为tree_summarize时，ChatGPT会对每一段文本进行最大长度的分割，并进行连续的读取和询问。这种模式的优点是可以保证对文本的完整理解和回答，但如果没有正确处理分割段落的情况，可能会导致错误的生成结果。我们可以通过下面这幅图来理解它的执行流程：

理解：选择这种模式比较适合做文章总结，但是不适合做基于关键词的查询或询问。

2. ResponseMode: generation

当设置ResponseMode为generation时，生成的回答不依赖于文档的内容，只基于提供的问题进行生成。这种模式适用于纯粹的问题回答场景，不考虑文档的影响。

理解：与文档割裂，纯粹只是普通问答。

3. ResponseMode: no_text

当设置ResponseMode为no_text时，生成的回答中不包含任何内容，仅作为占位符使用。

理解：目前暂时未发现其他用途。

4. ResponseMode: simple_summarize （最省token）

当设置ResponseMode为simple_summarize时，ChatGPT会截取每段文本的相关句子（通常是第一句），并进行提炼生成回答。这种模式适用于对结果要求不高的场景。我们可以通过下面这幅图来理解它的执行流程：

理解：因为只需要进行一次API调用，所以也比较省费用。但是由于提炼过程可能会不精确，所以上下文的丢失情况有时比较严重。

5. ResponseMode: refine （基于关键词询问-最优）

当设置ResponseMode为refine时，如果只有一个文本块（text_chunk），则会正常生成回答。但如果存在多个文本块，则会以类似轮询的方式迭代生成回答。这种模式可以对多个文本块进行迭代式的回答生成，逐步完善回答内容。我们可以通过下面这幅图来理解它的执行流程：

理解：非常适合用于关键词的询问。如果某段文本与提问的关键词无关，则会保留原本的答案，如果有关系，则会进一步的更新回答。

6. ResponseMode: compact （较省token）

当设置ResponseMode为compact时，生成的回答会将多个文本块（text_chunk）压缩到设定的最大长度，并生成一次回答。然后，根据后续内容对以往的答案进行改进和完善（即进行多次迭代）。这种模式实际上是Compact And Refine的方式。

理解：refine的升级版，可以更加节约token。