背景： 
受限于当前大模型的能力，输入过多LLM容易注意力分散；在处理长文本的翻译或风格转换时，采用切块策略。 
具体流程如下： 

解析 docx 或 md 的层级，构建树形结构。
将结构中的内容提炼为摘要，并融合进树中，作为模型的上下文信息。
按该结构切块：每次仅输入当前块的完整内容，其他部分以树形结构与摘要作为补充上下文。
为每一块配备合适的提示词提交给大模型，最后按章节树形结构将结果拼接回去。

需要保持摘要的风格与术语一致，避免块间语气漂移。 
请问这种思路是否正确，还有哪些地方需要完善，是否好实现？