DOCX文本重写不破坏文档结构的工程实践

HumanPen开发者分享了在DOCX文档中重写文本而不破坏结构的工程经验。直接提取文本、模型改写、再粘贴回文档的简单流程，在处理含引用、表格、交叉引用和目录的论文时会失效。DOCX本质是XML部件的压缩包，句子常被拆分为多个run，扁平化会丢失字段代码、run级语义、容器结构等信息。解决方案是将文档视为数据结构，以段落为单位原地改写，并在构建提示前隔离模型不应触碰的内容，如引文、参考文献、脚注、目录字段、交叉引用、图表编号、公式、代码、表格和标题。同时，对数字、日期、单位、专有名词等施加内容约束。