基于注意力机制的编码器-解码器神经网络模型在抽取式文本摘要任务中表现出色。然而，这类模型在生成过程中难以有效控制，导致生成摘要中常出现关键信息缺失的问题。为此，本文提出一种融合抽取式与抽象式方法的引导生成模型。首先，通过一个抽取式模型从原文中提取关键词；随后，引入关键信息引导网络（Key Information Guide Network, KIGN），将提取出的关键词编码为关键信息表示，以指导摘要的生成过程。此外，我们还设计了一种预测引导机制，能够预测未来解码阶段的长期价值，从而进一步优化摘要生成。我们在CNN/Daily Mail数据集上对所提模型进行了评估，实验结果表明，该模型在摘要质量上取得了显著提升。