当前的LLM摘要系统生成广泛的概述，与人们特定的兴趣和期望无关。基本上，人们的偏好（主题）可以通过语义关键字的集合来表达。以前的工作利用这些关键字作为额外的输入来生成摘要。这需要额外的人工注释。为了解决这些约束，我们提出了一个新的框架，基于主题知识的受控生成（TKCG），通过从源文档中自动提取的一组主题关键字来控制生成的摘要。首先，由于大型语言模型（LLM）受上下文窗口长度的限制，我们需要根据文档格式将文档拆分为小部分，如章节，因为一个章节是语义完整的部分。其次，我们使用基于变换器的模型从源文档中提取一些主题关键词。这些主题关键字用于检索与主题相关的章节。然后，我们将主题关键字和章节的组合作为提示输入到LLM中，以获得条件摘要。我们还证明了TKCG在两个标准数据集MACSum和arXiv上的有效性。