Por trás do editor

Por que o é tão bom em editar documentos?

Um modelo de linguagem pode escrever uma boa frase, mas inseri-la novamente com a formatação é um trabalho diferente. Explicamos por que tem sido difícil fazer a IA editar um documento e o que construímos para resolver isso.

9 min de leitura3 de outubro de 2026

Visão geral

Peça a um chatbot para corrigir uma cláusula em um arquivo do Word e você estará pedindo a ele para fazer duas tarefas ao mesmo tempo: alterar as palavras e reescrever o formato de arquivo que as contém. Os modelos de linguagem são bons na primeira tarefa e pouco confiáveis na segunda.

O tira a segunda tarefa do modelo. Este artigo explica por que isso importa, como funciona em documentos longos e como se compara a sites de chat e agentes de uso de computador.

  1. 01Um modelo de linguagem lê um documento como marcação (markup), não como uma página.
  2. 02Um caractere incorreto pode tornar um arquivo ilegível, e saídas longas tornam caracteres incorretos prováveis.
  3. 03O separa o conteúdo da formatação: o modelo edita as palavras, nosso código escreve o arquivo.
  4. 04Documentos longos são processados em lotes, divididos e recebem contexto, como fazem os agentes de programação modernos.
  5. 05Os sites de chat podem editar arquivos com Python, mas as alterações podem desaparecer silenciosamente.
  6. 06Agentes de uso de computador editam como um humano, a muitas vezes o custo.

01

LLM vê apenas texto, não formatação

Abra um contrato no Word e você verá uma página: um título no estilo da empresa, um valor em negrito, um prazo sublinhado. O programa Word cria essa formatação para que possamos editar visualmente. Por baixo de um arquivo do Word (.docx) há um sistema complexo de XML, onde cada palavra que vemos é anotada de forma trabalhosa com palavras ocultas conhecidas como marcação.12

O que você vê

O que o modelo vê

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. Aluguel</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">O locatário pagará </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>no primeiro dia de cada mês</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Figura 1A mesma cláusula duas vezes. As palavras ocupam 66 caracteres; o XML ao redor delas ocupa 455. Trecho de word/document.xml.

Um LLM não é auxiliado pelo Microsoft Word, LibreOffice ou Pages e deve confiar em sua própria compreensão das marcações. Para editar corretamente, um LLM precisa entender o efeito da marcação original e escrever a nova frase na marcação correta.

02

A saída de LLMs é inerentemente instável

Os modelos podem ter melhorado substancialmente, mas até os mais recentes ainda cometem erros. Em um estudo de 2026 da Microsoft Research com 19 modelos em 52 domínios profissionais, modelos de fronteira como Gemini 3.1 Pro, Claude 4.6 Opus e GPT 5.4 corromperam uma média de 25% do conteúdo dos documentos até o final de longos fluxos de trabalho de edição.4

Em um arquivo do Word, um pequeno erro é suficiente para inutilizar o arquivo. Aqui, o modelo omitiu uma única barra:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">O locatário pagará </w:t></w:r>  <w:r><w:rPr><w:b>1<w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>no primeiro dia de cada mês</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Figura 2Uma barra inclinada ausente deixa a tag de negrito aberta. O XML deixa de estar bem formado e o Word não abrirá o arquivo normalmente.3

O XML não tem tolerância para marcações incorretas. Um arquivo está bem formado ou não está. O Word às vezes pode recuperar um arquivo corrompido, mas a cópia recuperada pode apresentar falta de texto ou de formatação.

Saída mais longa, mais erros

O risco cresce com o comprimento. O LongProc, um benchmark de 2025 de saída estruturada longa, descobriu que modelos de pesos abertos falham em 2.000 tokens de saída e o GPT-4o se degrada significativamente em 8.000.5 Outro estudo constatou que o desempenho cai de 13,9% a 85% à medida que a entrada cresce, mesmo quando o modelo consegue recuperar todos os fatos relevantes.6 Um documento do Word de 10 páginas tem cerca de 10.000 tokens; tentar editar todas as 10 páginas de uma só vez sem erros é uma tarefa quase impossível.

<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.1</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Harlow &1 Pike LLP atua em nome do Locador em todos os assuntos decorrentes deste Contrato de Locação.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24/>2</w:rPr><w:t>5.2</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> O Locatário deve manter o Imóvel em bom e sólido estado de conservação e reparo.</w:t></w:r></w:p><w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.3</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> Qualquer notificação deve ser feita por escrito e entregue no endereço indicado no Anexo 2.</w:t></w:p>3<w:p>  <w:pPr><w:pStyle w:val="ClauseText"/></w:pPr>  <w:r><w:rPr><w:b/><w:sz w:val="24"/></w:rPr><w:t>5.4</w:t></w:r>  <w:r><w:rPr><w:sz w:val="24"/></w:rPr><w:t xml:space="preserve"> O Locador poderá rescindir este Contrato de Lo4
  1. 1Um E comercial (ampersand) solto no texto. O XML exige que ele seja escapado como uma entidade.
  2. 2Uma aspa de fecho ausente. Tudo o que vem depois dela é lido como parte do valor.
  3. 3Um trecho de texto (run) que nunca é fechado antes do término do parágrafo.
  4. 4A saída simplesmente para. Gerações longas podem atingir um limite de comprimento ou expirar o tempo limite no meio de uma tag.
Figura 3Quatro cláusulas de saída do modelo, quatro tipos de falha. Cada uma delas isoladamente torna o arquivo ilegível.

03

Como o resolve isso

Escrevemos programas personalizados que separam a formatação do conteúdo. O modelo recebe as palavras que precisa alterar, juntamente com uma imagem renderizada da página, para obter assistência de um programa do Word. Nosso código insere as palavras editadas de volta nos trechos de texto (runs) originais e deixa o resto do arquivo intacto.

O seu arquivo

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">O locatário pagará </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,400</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>no primeiro dia de cada mês</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

O separa o conteúdo da formatação

Conteúdo extraído

O locatário pagará US$2,400 no primeiro dia de cada mês.

Página renderizada

Ambos vão para o modelo

Modelo de linguagemEdita palavras. Nunca mexe em XML.

O modelo retorna o conteúdo editado

Saída do modelo

O locatário pagará US$2,400US$2,600 no primeiro dia de cada mêsno quinto dia de cada mês.

O reinsere as palavras nos trechos de texto (runs) originais

O seu arquivo, editado

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">O locatário pagará </w:t></w:r>  <w:r><w:rPr><w:b/><w:color w:val="1F4E79"/></w:rPr><w:t>US$2,600</w:t></w:r>  <w:r><w:t xml:space="preserve"> </w:t></w:r>  <w:r><w:rPr><w:i/><w:u w:val="single"/></w:rPr><w:t>no quinto dia de cada mês</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

✓ .docx válido. Negrito, cor e sublinhado estão exatamente como estavam.

Figura 4O pipeline de edição, simplificado. O texto destacado é a única parte do arquivo que foi alterada.

Isto resolve ambos os problemas de uma só vez. O modelo agora vê a formatação que não conseguia ver antes e deixa de escrever a marcação que tinha maior probabilidade de corromper.

Você não encontrará esta camada em um chatbot de uso geral. Os programas de extração, renderização e recompilação são criados e mantidos pelos próprios engenheiros do .

04

Resolvendo o problema de contexto longo

Algumas edições são longas: um parágrafo que se estende por várias páginas ou uma alteração aplicada de forma consistente em centenas. Para esses casos, aprendemos com a engenharia de software. Em março de 2026, a Anthropic publicou acidentalmente o código-fonte do Claude Code, seu agente de IA para programação, dentro de um pacote npm público.7

Esse editor de código vazado traz uma lição simples: para editar algo longo, divida-o. Dividimos um documento em grupos de páginas, uma técnica chamada de processamento em lotes, e dividimos parágrafos longos em frases, para que cada edição seja pequena o suficiente para ser feita corretamente.

Dividir um documento cria um novo problema: o contexto. Como você edita um parágrafo na página 60 usando uma definição na página 2? Aqui, dois anos de experiência em editores de código de IA (Cursor, GitHub Copilot, OpenAI Codex) compensam. A resposta deles é a engenharia de contexto, que reúne informações relacionadas em uma coleção focada e a fornece a subagentes com janelas de contexto limpas.8 Fazemos o mesmo com documentos. Agrupamos informações logicamente relacionadas, como faria um leitor atento, e as enviamos juntamente com o alvo da edição para subeditores que efetuam a alteração real.

1Processar o documento em lote

págs. 1–40págs. 41–80págs. 81–120págs. 121–160págs. 161–200págs. 201–240págs. 241–280págs. 281–300

2Dividir parágrafos longos

Cláusula 18.3 · p. 60
Frase 1Frase 2Frase 3Frase 4Frase 5

3Reunir contexto e, em seguida, editar em paralelo

Termos definidospágs. 2–12

Partes e papéisp. 1

Alterações anterioresp. 34

Subeditor 1pp. 1–40 + coleção

Subeditor 2pp. 41–80 + coleção

Subeditor 3pp. 81–120 + coleção

Figura 5Um documento de 300 páginas, dividido. Cada subeditor recebe um pequeno pedaço do documento mais o contexto de que esse pedaço depende.

Exemplo: tarjar uma sentença

Um advogado quer que o nome de cada testemunha em uma sentença seja tarjado, e uma lista dos casos citados nela para um advogado júnior pesquisar.

  1. Pesquisar. O encontra todos os nomes de pessoas e todas as citações de casos com correspondência de padrões comum. Nenhum modelo é necessário ainda.
  2. Classificar. Cada nome, com a frase ao redor, vai para um modelo que decide: testemunha, advogado ou juiz. As respostas constroem uma coleção de testemunhas.
  3. Coletar. O mesmo método cria uma coleção de casos citados.
  4. Agir. Como sabemos exatamente onde o nome de cada testemunha foi encontrado, nós tarjamos esses locais, e apenas eles, no arquivo original.

NO ALTO TRIBUNAL DE JUSTIÇA

DIVISÃO DO BANCO DO REI

Harrow v Kestrel Logistics Ltd

Antes: Mrs Justice Holloway

SENTENÇA

Mrs Justice Holloway: Esta ação decorre do colapso de uma plataforma de carga no armazém do Réu em 14 de março de 2024. O Autor foi representado por Ms Priya Raman e o Réu por Mr Thomas Whitby. Ouvi as provas orais ao longo de quatro dias.

A principal testemunha ocular, Mr Daniel Okafor, era operador de empilhadeira no turno da noite. Mr Okafor disse ao tribunal que as luzes de aviso da plataforma estavam com defeito havia várias semanas e que havia relatado isso duas vezes. Uma segunda testemunha, Ms Margaret Ellison, uma empreiteira que inspecionou a plataforma em fevereiro, confirmou que seu relatório recomendava reparo imediato. Considerei ambas as testemunhas cuidadosas e confiáveis.

O dever de cuidado de um ocupante para com aqueles legalmente em suas instalações está bem estabelecido, e tomo como ponto de partida o princípio do vizinho em Donoghue v Stevenson [1932] AC 562. Se é justo, correto e razoável impor um dever em circunstâncias inéditas é regido por Caparo Industries plc v Dickman [1990] 2 AC 605, mas estas circunstâncias não são inéditas. Mr Whitby argumentou que as perdas reivindicadas eram excessivamente remotas. Essa argumentação deve ser testada em face de Hadley v Baxendale (1854) 9 Exch 341.

Tendo considerado as provas de Mr Okafor e Ms Ellison juntamente com os documentos, estou convencida de que o Réu tinha conhecimento do defeito e não agiu. A ação procede quanto à responsabilidade. Os danos serão avaliados em uma audiência posterior. Agradeço a Ms Raman e Mr Whitby por suas alegações claras e objetivas.

Figura 6Alterne as visualizações para ver o resultado. A sentença e os nomes são fictícios; os três casos citados são reais.

05

O chatgpt.com, o claude.ai e outros sites de bate-papo podem fazer o mesmo?

Às vezes, sim. Esses sites geralmente incluem um interpretador Python, que permite ao modelo abrir um arquivo do Word ou PowerPoint e editar seu XML com código.

Mas o código ainda é escrito por um modelo instável, e nada verifica o resultado em relação ao original. Em nossos testes internos, frequentemente recebíamos documentos com exclusões e edições inesperadas. Em um caso extremo, um documento de 20 páginas retornou com 10 páginas, sem nenhum aviso.

Site de chat com Python

20 páginas
10 páginas

Pronto! Atualizei seu documento com as alterações solicitadas.

Nenhuma menção às 10 páginas ausentes.

Registro de alterações do

  • p. 4 · Cláusula 2.1

    trinta (30) dias sessenta (60) dias

    Reverter
  • p. 9 · Cláusula 6.3

    o Fornecedor o Empreiteiro

    Reverter
  • p. 17 · Anexo 1

    US$2,400 US$2,600

    Reverter

Gerar novo documento

Figura 7À esquerda: um truncamento silencioso dos nossos testes internos. À direita: cada alteração de IA no OneTurn está listada e pode ser revertida.

Uma omissão ou modificação silenciosa é fatal para qualquer trabalho sério. No , cada alteração que nosso agente de IA faz é registrada. Você pode revisar cada uma delas, reverter qualquer uma e gerar um novo documento.

06

Agentes de uso de computador como OpenClaw ou Manus conseguem fazer isso?

Esses agentes controlam um computador da mesma forma que uma pessoa. Eles abrem o documento no Microsoft Word ou PowerPoint, e então rolam, clicam e digitam.11 Como eles usam os mesmos programas que um ser humano, eles podem editar como um ser humano, e os resultados costumam ser impressionantes.

O preço é custo e velocidade. O agente lê um documento tirando capturas de tela enquanto rola a página, e cada pequeno passo precisa de uma chamada de modelo para decidir o que fazer a seguir. Uma captura de tela em Full HD custa entre cerca de 1.500 e 2.700 tokens por si só.10 No benchmark OSWorld, até os melhores agentes levaram de 2,7 a 4,3 vezes mais passos do que o necessário, e os passos posteriores levaram até 3 vezes mais tempo do que os iniciais.9

Agente de uso de computador

  1. Tirar uma captura de tela
  2. O modelo decide a próxima ação
  3. Rolar, clicar ou digitar
  4. Repetir para cada etapa

  1. Ler o texto uma vez
  2. Editar em lotes
  3. Escrever o arquivo
Contrato de 20 páginas, 30 ediçõesAgente de uso de computador
Chamadas de modelo≈ 180≈ 12
Tokens por chamada≈ 10,000≈ 4,000
Total de tokens≈ 1,800,000≈ 48,000
Diferença≈ 37× mais, ou ≈ 100–160× com as etapas extras medidas no OSWorld
Figura 8Premissas: cerca de 11.000 palavras; 60 capturas de tela para ler o documento; 4 ações por edição; cada chamada carrega uma captura de tela mais o histórico recente. O OneTurn lê o texto uma vez e envia edições em lotes.

De acordo com nossa estimativa, um agente de uso de computador pode usar até 100 vezes mais tokens de LLM do que o para as mesmas edições, e levar muito mais tempo para concluir.

Fontes

  1. Estrutura de um documento WordprocessingMLMicrosoft Learn · Documentação do Open XML SDK
  2. ECMA-376: formatos de arquivo Office Open XMLEcma International · padrão
  3. Validar um documento de processamento de textoMicrosoft Learn · Documentação do Open XML SDK
  4. Os LLMs corrompem os seus documentos quando você delegaLaban, Schnabel e Neville · Microsoft Research · 2026
  5. LongProc: Avaliação de Modelos de Linguagem de Contexto Longo em Geração Procedural LongaYe et al. · COLM 2025
  6. Apenas o comprimento do contexto prejudica o desempenho de LLMs apesar da recuperação perfeitaDu et al. · Findings do EMNLP 2025
  7. Anthropic expõe acidentalmente o código-fonte do Claude Code por meio de arquivo de mapa de código-fonte npmInfoQ · 7 de abril de 2026
  8. Engenharia de contexto eficaz para agentes de IAEngenharia da Anthropic · 29 de setembro de 2025
  9. OSWorld-Human: Avaliando a Eficiência de Agentes de Uso de ComputadorAbhyankar, Qi e Zhang · MLSys 2026
  10. Visão: resolução e custo de tokensDocumentação da Plataforma Claude
  11. Manus da Meta lança aplicativo para desktop para trazer seu agente de IA para dispositivos pessoais em meio à febre do OpenClawCNBC · 18 de março de 2026

As figuras são ilustrações feitas para este artigo. O XML é um WordprocessingML real; os nomes dos arquivos, as pessoas e a sentença são fictícios.

Experimente em um documento que você não pode se dar ao luxo de estragar.

Experimente o gratuitamente →