一句话定义：抽取式摘要（Extractive Summarization）是从原文里挑出若干现成的句子拼成摘要；生成式摘要（Abstractive Summarization）是读懂原文之后，用新的话把意思重写一遍。
打个比方：抽取式像用荧光笔在纸上划重点，再把划过的句子剪下来贴成一页；生成式像看完材料后合上，用自己的话跟同事复述一遍。前者的产物一定是原文的一部分，后者的产物在原文里找不到原句。
抽取式怎么做：核心其实是给句子打分排序。传统做法用 AI 词典：TF-IDF">TF-IDF、TextRank（把句子当节点跑 PageRank）这类统计方法，现在多用预训练模型对每个句子做“该不该进摘要”的二分类打分，再接一步冗余控制（比如 MMR），避免选出两句意思重复的话。因为它只是选择，不生成，所以事实层面天然可靠：每句话都能定位回原文的某个位置。代价是可读性差：指代容易落空（摘要第一句就是“该公司宣布……”）、句子之间跳跃、压缩率上不去，想把一万字压到三百字几乎做不到。
生成式怎么做：典型是序列到序列（seq2seq）的编码—解码结构，今天更常见的是直接让大模型读原文、写摘要。好处是流畅、能融合多句、压缩比可以很激进；坏处是会幻觉（hallucination）：数字被改写、主体被搞混、凭空补出一段因果关系，而且因为文风自然，错误反而更难被发现。
| 维度 | 抽取式 | 生成式 |
|---|---|---|
| 输出来源 | 原文句子的子集 | 新组织的句子 |
| 典型失败 | 选错句、选重句、拼接后读不通 | 说得很顺但事实错、细节漂移 |
| 压缩能力 | 受限，压不狠 | 可以很狠 |
| 可追溯性 | 天然可逐句回溯原文 | 需额外做归因或引用 |
| 常见场景 | 合同条款、财报、审计、检索结果聚合 | 新闻简报、会议纪要、邮件总结 |
和相邻概念的区别：关键词抽取是词级别，摘要则是句或段级别；信息抽取（Information Extraction）把文本变成结构化字段，摘要的产物仍然是非结构化文本。抽取式摘要还常被当作检索增强生成（RAG）里的上下文压缩手段，正是看中它的可追溯性。
对从业者的意义：如果场景容错低、要能指回原文（法务、财务、医疗记录），优先抽取式，或者用“生成式 + 逐句归因”的方案；如果追求可读性和高压缩比，用生成式，但必须加一道事实校验，把数字、人名、日期对齐回原文。工程上常见的折中是“先抽句、再改写”（extract-then-rewrite），既保住事实骨架，又让文字顺一点。
对普通人的意义：读到一段总结，先判断它是抄的还是写的。抄的，去检查它漏了什么；写的，去检查它多出了什么。这两种检查的方向完全不同。具体产品的能力边界，以官方页面为准。