一个被忽视的问题
让AI改一份Word文档，改完之后SmartArt没了，图表炸了，批注消失了，页眉页脚全乱了。它把你的文档拆了，用碎片拼了一个新的。
目前缺少一个好的工具让AI在保留文档完整性的前提下做局部编辑。Docmod就是为了解决这个问题。
问题的根源
.docx本质上是一个ZIP压缩包，里面装着结构化的XML：
report.docx (ZIP)
├── [Content_Types].xml
├── word/
│ ├── document.xml ← 正文
│ ├── styles.xml ← 样式定义
│ ├── comments.xml ← 批注
│ ├── header1.xml ← 页眉
│ ├── footer1.xml ← 页脚
│ └── media/ ← 图片
└── _rels/ ← 关系定义
现有方案用OpenXML SDK或python-docx把文档解析成对象模型，让AI操作对象模型，再序列化回docx。在实践中，大多数库的序列化会重写整个XML树。SDK不认识的元素、自定义的命名空间、精心调过的格式——全部丢失。改一个错别字，输出的是一份"长得像原文"的全新文档。
走过的弯路
让AI直接输出OpenXML？ OpenXML的复杂度远超AI的舒适区。一个加粗的段落：
<w:r><w:rPr><w:b/></w:rPr><w:t>文字</w:t></w:r>
让AI在这种层级的XML里精确操作，错误率极高，调试极痛苦。
用Markdown作为中间格式？ 表达力不够。表格合并、精确的字体大小、段落缩进——这些Word文档的核心价值在Markdown中无法表达。用Markdown做中转等于主动丢弃信息。
三个条件交叉筛选——AI的训练数据中大量存在、能表达Word文档的结构和样式、可以做精确的元素级diff——符合的格式只有一个：扁平化的HTML。
核心洞察：扁平HTML作为可diff的中间表示
1995年风格的HTML——每个元素自带完整的内联样式，没有外部CSS，没有继承，没有级联。现代HTML把样式藏在CSS文件里，需要级联计算才能确定最终效果；扁平HTML把这层复杂性彻底消除了。
<h1 data-id="p1" style="font-size:22pt; font-weight:bold;">
季度报告
</h1>
<p data-id="p2" style="font-size:10.5pt; text-indent:2em;">
营收同比增长<b>23%</b>。
</p>
两个元素的字符串相等，就代表它们在语义上完全相同。 没有CSS级联干扰，变更检测退化为简单的字符串比较。
每个元素上的data-id是手术的定位标记。docx转HTML时，转换器按顺序为每个body元素分配ID，同时建立一张映射表：data-id → 原始document.xml中对应XML节点的(Start, End)索引范围。这张映射表是后续精准定位的坐标系。
全局流程
传统方案和Docmod的对比：
AI只说出它想改什么
传统方案让AI输出整份文档。一份50页的报告约80K tokens的HTML，AI可能只改了3个段落——却要重新生成全部内容。按GPT-4o的价格，光输出就要花0.6美元，还没算输入。
Docmod让AI只输出变更片段（Changes Fragment）——通常只有几百个tokens：
<!-- 替换：通过data-id定位，改了一个数字 -->
<p data-id="p2" style="font-size:10.5pt; text-indent:2em;">
营收同比增长<b>32%</b>。
</p>
<!-- 删除 -->
<p data-id="p8" data-delete="true" />
<!-- 插入：放在p2后面 -->
<p data-after="p2" style="font-size:10.5pt;">
这是新增的一段分析。
</p>
替换、删除、插入——三种操作覆盖绝大多数编辑场景。
XML手术
拿到AI的变更片段后，Patch引擎开始工作：
-
对比：将变更片段与基线HTML逐元素比较。扁平HTML下对比就是字符串比较——通过
data-id将每个变化分类为：保留、替换、删除或插入。 -
定位：通过映射表（
data-id→(Start, End)索引范围），O(1)定位到原始document.xml中对应的XML节点。 -
手术：直接操作
document.xml的XDocument对象——- 保留的元素：原始XML一个字节都不碰
- 替换的元素：生成新的OpenXML节点，精确替换
- 删除的元素：移除对应节点
- 插入的元素：在
data-after指定的位置后添加新节点
-
缝合：将修改后的
document.xml放回ZIP包。styles.xml、media、headers原封不动。
未被AI修改的元素——包括SmartArt、图表、批注链路——在整个过程中保持字节级不变。
边界在哪里
完全支持的：段落、标题、表格、列表、图片、超链接、粗斜体、批注、脚注尾注、页眉页脚、水印、Word样式体系。
有意不碰的：SmartArt、图表、嵌入的OLE对象。这些元素在HTML中不可见，AI看不到也改不了，但patch引擎不碰它们，编辑后完好保留。
已知限制：编辑父表格的任意单元格时，嵌套的子表格结构会丢失。公式只保留文本内容和OMML源码，无法通过HTML精确编辑数学结构。WPS文档中SDT（内容控件）内的段落可能在转换过程中丢失。
写在最后
AI帮你改三行字，剩下的497页应该一个字节都不变。Docmod就是为了做到这件事。