AI 办公自动化（四）：Word 文档智能处理 :  从阅读到改写，AI 一站式搞定

还在手动写摘要、改风格、提取关键信息？Word 文档处理的全流程，AI 帮你自动完成。

前言

Word 文档处理是办公场景中频率最高、也最容易被忽视效率黑洞的工作。

想想你最近一次处理文档的经历：读一篇 20 页的技术报告，提炼出 200 字的摘要: : 翻了半天；把正式报告改写成公众号推文: : 改了半小时；从合同里提取关键条款: : 逐条找得眼花。

这些操作的共同特点：需要理解文档语义，但不一定需要领域专家。这正是大语言模型擅长的任务。

本期我们实现一个 Word 文档智能处理器，覆盖「读取 → 摘要 → 改写 → 信息提取 → 格式处理 → 自动生成」全流程。

一、整体架构

AI + Word 处理的核心流程分为六个步骤：

第一步，智能读取。使用 python-docx 库读取 .docx 文件，提取段落文本、表格数据、文档结构（标题层级）。

第二步，AI 摘要。将文档内容发送给 DeepSeek API，让 AI 生成三级摘要：一句话摘要、段落摘要、详细摘要。

第三步，风格改写。定义多种目标风格（公众号推文、PPT 大纲、正式报告、邮件摘要），AI 一键转换。

第四步，信息提取。定义提取 schema（标题、作者、关键发现、统计数据、建议等），AI 从非结构化文本中提取结构化 JSON。

第五步，格式处理。批量文本替换、模板填充（{{占位符}}）、格式统一。

第六步，文档生成。给定主题，AI 自动生成章节大纲和各章节内容，输出完整 .docx 文件。

二、环境准备

确保安装了 python-docx 库：

pip install python-docx

完整依赖见仓库根目录的 requirements.txt。

三、代码实现

3.1 项目结构

04-word-processing/
├── main.py            # 主程序，交互式菜单
├── config.py          # 配置管理
├── llm_client.py      # LLM 统一客户端
├── doc_reader.py      # Word 读取器
├── doc_summarizer.py  # AI 文档摘要
├── doc_rewriter.py    # AI 风格改写
├── doc_extractor.py   # 信息提取器
├── doc_formatter.py   # 格式处理器
└── doc_generator.py   # AI 文档生成器

3.2 文档智能读取

doc_reader.py 是文档处理的入口。除了基本的段落和表格读取，它还提供了结构化提取功能：

from docx import Document

class DocReader:
    def load(self, filepath: str):
        self.doc = Document(filepath)
        return self

    def get_paragraphs(self) -> list:
        return [p.text for p in self.doc.paragraphs if p.text.strip()]

    def get_tables(self) -> list:
        tables = []
        for table in self.doc.tables:
            rows = [[cell.text for cell in row.cells] for row in table.rows]
            tables.append(rows)
        return tables

    def get_full_text(self) -> str:
        parts = []
        for p in self.doc.paragraphs:
            if p.text.strip():
                style = p.style.name if p.style else "Normal"
                if "Heading" in style:
                    parts.append(f"## {p.text}")
                else:
                    parts.append(p.text)
        return "\n\n".join(parts)

get_structured_content 方法能识别标题层级（Heading 1/2），将文档组织成有层次的 JSON 结构，方便后续处理。

3.3 AI 多级摘要

这是本期最实用的功能。我们将文档内容发送给 AI，让它生成三个层级的摘要。

def summarize(self, text: str) -> dict:
    prompt = f"""请为以下文档生成三级摘要，以 JSON 返回：

文档内容：{text[:3000]}

返回格式：
{{
  "one_sentence": "一句话摘要（50字以内）",
  "brief": "段落摘要（150-200字）",
  "detailed": {{
    "background": "背景介绍",
    "key_points": ["要点1", "要点2"],
    "conclusions": "主要结论"
  }}
}}"""
    return llm.chat_json(prompt, system_prompt="你是文档分析专家")

三个层级的使用场景不同：一句话摘要适合邮件通知和列表展示；段落摘要适合报告扉页和会议前快速浏览；详细摘要是完整的信息压缩。

当文档较长时（超过 3000 字），代码会自动截取前 3000 字进行摘要。实际项目中可以分段摘要再合并。

3.4 AI 风格改写

风格改写是 AI 的强项。我们预定义了五种常见的目标风格：

STYLE_TEMPLATES = {
    "wechat_article": "微信公众号推文风格：口语化、段落短、有互动感",
    "ppt_outline": "PPT 大纲风格：要点化、每行简短、层级清晰",
    "formal_report": "正式报告风格：严谨、数据驱动、结构化",
    "email_brief": "邮件摘要风格：简洁、直接、要点突出",
    "casual_blog": "博客风格：轻松、个人化、有观点",
}

def rewrite(self, text: str, target_style: str) -> str:
    style_desc = STYLE_TEMPLATES.get(target_style, target_style)
    prompt = f"""请将以下文本改写为指定风格：
目标风格：{style_desc}
原文：{text}
请直接输出改写后的文本。"""
    return llm.chat(prompt, system_prompt="你是专业写手")

使用示例：把一篇技术报告改写为公众号推文：

rewriter = DocRewriter()
article = rewriter.rewrite(report_text, "wechat_article")

AI 会自动把长段落拆短、加入互动句式、调整语气: : 整个过程不到 10 秒。

3.5 结构化信息提取

这是「非结构化→结构化」的关键能力。给定一个提取 schema，AI 能从文档中提取结构化信息。

def extract_standard(self, text: str) -> dict:
    return self.extract(text, {
        "report_title": "报告标题",
        "author": "作者",
        "date": "日期",
        "key_findings": ["关键发现"],
        "statistics": [{"name": "指标名", "value": "数值"}],
        "recommendations": ["建议"],
        "keywords": ["关键词"],
    })

AI 返回的 JSON 可以直接存入数据库，用于构建文档知识库或报表系统。这是 RAG（检索增强生成）应用的基础步骤。

3.6 模板填充和格式处理

doc_formatter.py 提供了三个实用功能：

批量文本替换：将文档中的关键词批量替换为新词。比如把旧产品名换成新产品名，一键完成。

模板填充：创建带 {{占位符}} 的模板文档，然后用数据字典自动填充。

def template_fill(template_path, data):
    doc = Document(template_path)
    for p in doc.paragraphs:
        for key, value in data.items():
            placeholder = f"{{{{{key}}}}}"
            if placeholder in p.text:
                p.text = p.text.replace(placeholder, str(value))

格式统一：批量统一文档的字体大小、行间距、段落格式。

3.7 AI 文档生成

给定一个主题，AI 能生成完整的文档结构和内容：

def generate(self, topic: str) -> str:
    sections = self._generate_sections(topic)  # AI 生成章节大纲
    for section in sections:
        content = self._generate_content(topic, section)  # AI 生成每节内容
        # 写入 docx

生成的文档可以直接作为初稿使用，大幅减少「从零开始」的时间成本。

四、实战演示

运行 main.py 进入交互式菜单：

cd 04-word-processing
python main.py

选择功能：
– 选项 1：读取 Word 文档，展示基本信息
– 选项 2：AI 生成文档摘要
– 选项 3：AI 风格改写（选择目标风格）
– 选项 4：提取结构化信息
– 选项 5：模板填充（创建模板 + 填入数据）
– 选项 6：AI 生成新文档
– 选项 7：运行完整演示

完整演示 python main.py --demo 会执行全流程：创建演示文档 → 读取 → AI 摘要 → AI 改写 → 信息提取。

五、小结

本期我们实现了 Word 文档处理的六大 AI 能力：

文档读取：python-docx 解析 .docx 文件，提取段落、表格、标题层级。结构化读取让后续 AI 处理更精准。

多级摘要：一句话摘要、段落摘要、详细摘要，三个层级覆盖不同使用场景。

风格改写：技术报告 ↔ 公众号推文 ↔ PPT 大纲 ↔ 邮件摘要，五种风格一键转换。

信息提取：从非结构化文本提取结构化 JSON，可直接入库或用于下游分析。

格式处理：批量替换、模板填充、格式统一，减少重复性手工操作。

文档生成：输入主题，AI 自动生成完整的结构化文档。

一个关键的实践建议：对于长文档（超过 5000 字），建议先分段处理再合并结果，这样可以获得更好的 AI 输出质量。

下一期我们将深入邮件自动化: : 场景化撰写、语气调整、智能回复、自动分类，让 AI 帮你处理每天的邮件。

完整代码已上传到 Gitee，欢迎 Star 和 Fork：
https://gitee.com/genesisesNoun/ai-office-tutorial

本教程为「CV技术笔记」公众号 AI 办公自动化实战专题第 4 期。每期代码独立、可运行，循序渐进带你打造自己的 AI 办公助手。