За редактором

Почему так хорош в редактировании документов?

Языковая модель способна написать хорошее предложение, но встроить его обратно с сохранением форматирования — это совсем другая задача. Мы объясняем, почему ИИ до сих пор с трудом справлялся с редактированием документов и что мы создали, чтобы это исправить.

9 мин чтения3 октября 2026 г.

Обзор

Если вы просите чат-бота исправить пункт в файле Word, вы поручаете ему сразу две задачи: изменить слова и переписать формат файла, в котором они хранятся. Языковые модели хороши в первой задаче и ненадёжны во второй.

освобождает модель от выполнения второй задачи. В этой статье объясняется, почему это важно, как это работает с длинными документами и чем отличается от сайтов-чатов и агентов для работы с компьютером.

  1. 01Языковая модель читает документ как разметку, а не как страницу.
  2. 02Один неверный символ может сделать файл нечитаемым, а при длинном выводе вероятность появления неверных символов возрастает.
  3. 03 отделяет контент от форматирования: модель правит слова, наш код записывает файл.
  4. 04Длинные документы обрабатываются пакетами, разбиваются на части и получают контекст, как это делают современные агенты программирования.
  5. 05Чат-сайты могут редактировать файлы с помощью Python, но изменения могут незаметно пропадать.
  6. 06Агенты для работы с компьютером вносят правки как человек, но во много раз дороже.

01

Языковая модель видит только текст, а не форматирование

Откройте договор в Word, и вы увидите страницу: заголовок в фирменном стиле, выделенная жирным шрифтом сумма, подчеркнутый крайний срок. Программа Word создает это форматирование, чтобы мы могли редактировать визуально. Под файлом Word (.docx) скрывается сложная система XML, где каждое видимое нами слово скрупулезно аннотировано скрытыми служебными словами, известными как разметка.12

То, что вы видите

Что видит модель

<w:p>  <w:pPr><w:pStyle w:val="Heading2"/></w:pPr>  <w:r><w:t>4. Аренда</w:t></w:r></w:p><w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Арендатор обязуется выплатить </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>в первый день каждого месяца</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Рисунок 1Один и тот же пункт дважды. Слова занимают 77 символов; окружающий их XML-код занимает 466. Выдержка из файла word/document.xml.

Языковая модель не получает помощи от Microsoft Word, LibreOffice или Pages и должна полагаться исключительно на собственное понимание разметки. Чтобы выполнить редактирование правильно, языковая модель должна понимать эффект исходной разметки и написать новое предложение с использованием корректной разметки.

02

Вывод языковой модели по своей сути нестабилен

Модели могли существенно улучшиться, но даже самые последние по-прежнему совершают ошибки. В исследовании Microsoft Research 2026 года, охватившем 19 моделей в 52 профессиональных областях, передовые модели, такие как Gemini 3.1 Pro, Claude 4.6 Opus и GPT 5.4, портили в среднем 25% содержимого документов к концу длинных рабочих процессов редактирования.4

В файле Word достаточно одной маленькой ошибки, чтобы сделать файл непригодным для использования. Здесь модель пропустила один слэш:

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Арендатор обязуется выплатить </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>в первый день каждого месяца</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>
Рисунок 2Одна пропущенная косая черта оставляет тег жирного шрифта незакрытым. XML перестаёт быть корректно сформированным (well-formed), и Word не сможет открыть файл как обычно.3

XML не терпит ошибок в разметке. Файл либо правильно сформирован, либо нет. Word иногда может восстановить поврежденный файл, но в восстановленной копии могут отсутствовать текст или форматирование.

Длиннее вывод — больше ошибок

Риск возрастает с увеличением длины. В LongProc, бенчмарке длинных структурированных выводов 2025 года, было обнаружено, что модели с открытыми весами дают сбои при 2000 выходных токенах, а GPT-4o существенно ухудшает показатели при 8000.5 Другое исследование показало, что производительность падает на 13,9–85% по мере роста объема входных данных, даже если модель способна извлечь каждый релевантный факт.6 10-страничный документ Word содержит около 10 000 токенов, и пытаться отредактировать все 10 страниц одновременно без ошибок — задача практически невыполнимая.

<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 действует от имени Арендодателя во всех вопросах, возникающих в рамках настоящего Договора аренды.</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"> Арендатор обязан поддерживать Помещение в хорошем и надлежащем техническом состоянии.</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"> Любое уведомление должно быть составлено в письменной форме и доставлено по адресу, указанному в Приложении 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"> Арендодатель может расторгнуть настоящий Договор 4
  1. 1Одиночный амперсанд в тексте. XML требует экранировать его как сущность.
  2. 2Пропущенная закрывающая кавычка. Все, что идет после нее, считывается как часть значения.
  3. 3Диапазон стиля, который не закрывается до конца абзаца.
  4. 4Вывод текста просто прекращается. Длинные генерации могут достигать лимита длины или прерываться по таймауту посреди тега.
Рисунок 3Четыре пункта вывода модели, четыре вида сбоя. Каждый из них по отдельности делает файл нечитаемым.

03

Как решает эту проблему

Мы пишем пользовательские программы, которые отделяют форматирование от контента. Модель получает слова, которые нужно изменить, вместе с отрендеренным изображением страницы, получая помощь от программы Word. Затем наш код возвращает отредактированные слова обратно в исходные фрагменты и оставляет остальную часть файла нетронутой.

Ваш файл

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Арендатор обязуется выплатить </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>в первый день каждого месяца</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

отделяет контент от форматирования

Извлеченное содержимое

Арендатор обязуется выплатить US$2,400 в первый день каждого месяца.

Отображенная страница

Оба отправляются модели

Языковая модельРедактирует слова. Никогда не касается XML.

Модель возвращает отредактированный контент

Вывод модели

Арендатор обязуется выплатить US$2,400US$2,600 в первый день каждого месяцав пятый день каждого месяца.

записывает слова обратно в исходные блоки

Ваш файл после правок

<w:p>  <w:pPr><w:jc w:val="both"/></w:pPr>  <w:r><w:t xml:space="preserve">Арендатор обязуется выплатить </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>в пятый день каждого месяца</w:t></w:r>  <w:r><w:t>.</w:t></w:r></w:p>

✓ Валидный .docx. Жирный шрифт, цвет и подчеркивание остались точно такими же.

Рисунок 4Конвейер редактирования (упрощённо). Выделенный текст — это единственная часть файла, которая изменилась.

Это решает обе проблемы одновременно. Модель теперь видит форматирование, которое раньше не могла увидеть, и больше не пишет разметку, которую она чаще всего ломала.

Этот слой вы не найдете в универсальном чат-боте. Программы извлечения, рендеринга и перекомпоновки создаются и поддерживаются собственными инженерами .

04

Решение проблемы длинного контекста

Некоторые правки бывают длинными: абзац, простирающийся на несколько страниц, или одно изменение, последовательно применяемое на сотнях страниц. Для этого мы почерпнули опыт из программной инженерии. В марте 2026 года компания Anthropic случайно опубликовала исходный код Claude Code, своего агента для программирования на базе ИИ, в составе публичного npm-пакета.7

Этот утёкший редактор кода преподаёт простой урок: чтобы отредактировать длинный текст, разбейте его на части. Мы делим документ на группы страниц (этот метод называется пакетной обработкой) и разбиваем длинные абзацы на предложения, чтобы каждое изменение было достаточно небольшим и его можно было выполнить правильно.

Разделение документа порождает новую проблему: контекст. Как отредактировать абзац на странице 60, используя определение со страницы 2? Здесь окупается двухлетний опыт работы с редакторами кода на базе ИИ (Cursor, GitHub Copilot, OpenAI Codex). Их ответом является инженерия контекста, которая собирает связанную информацию в целевую подборку и передает ее субагентам с чистыми контекстными окнами.8 Мы делаем то же самое с документами. Мы группируем логически связанную информацию, как это сделал бы внимательный читатель, а затем отправляем её вместе с целевым объектом правки младшим редакторам, которые вносят реальные изменения.

1Разбить документ на пакеты

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

2Разбить длинные абзацы

Пункт 18.3 · стр. 60
Предложение 1Предложение 2Предложение 3Предложение 4Предложение 5

3Собрать контекст, затем редактировать параллельно

Определенияс. 2–12

Стороны и ролис. 1

Предыдущие поправкис. 34

Младший редактор 1с. 1–40 + подборка

Младший редактор 2с. 41–80 + подборка

Младший редактор 3с. 81–120 + подборка

Рисунок 5300-страничный документ, разбитый на части. Каждый младший редактор получает небольшую часть документа вместе с контекстом, от которого она зависит.

Пример: скрытие данных в судебном решении

Юрист хочет, чтобы в судебном решении были скрыты все имена свидетелей, а также составлен список цитируемых дел для изучения младшим специалистом.

  1. Искать. находит каждое личное имя и каждую ссылку на судебное дело с помощью обычного поиска по шаблону. Модель пока не требуется.
  2. Классифицировать. Каждое имя вместе с окружающим предложением отправляется модели, которая определяет: свидетель, адвокат или судья. Ответы формируют подборку свидетелей.
  3. Собрать. Тот же метод формирует подборку цитируемых дел.
  4. Действовать. Поскольку мы точно знаем, где было найдено имя каждого свидетеля, мы скрываем эти места и только их в исходном файле.

В ВЫСОКОМ СУДЕ ПРАВОСУДИЯ

ОТДЕЛ КОРОЛЕВСКОЙ СКАМЬИ

Harrow v Kestrel Logistics Ltd

До: Mrs Justice Holloway

СУДЕБНОЕ РЕШЕНИЕ

Mrs Justice Holloway: Настоящий иск вытекает из обрушения погрузочной платформы на складе Ответчика 14 марта 2024 года. Истец был представлен Ms Priya Raman, а Ответчик — Mr Thomas Whitby. Я заслушала устные показания в течение четырёх дней.

Главный очевидец, Mr Daniel Okafor, работал оператором вилочного погрузчика в ночную смену. Mr Okafor сообщил суду, что предупредительные огни на погрузочной площадке не работали в течение нескольких недель и что он сообщал об этом дважды. Второй свидетель, Ms Margaret Ellison, подрядчик, инспектировавший площадку в феврале, подтвердила, что в ее отчете рекомендовался немедленный ремонт. Оба свидетеля показались мне аккуратными и заслуживающими доверия.

Обязанность владельца помещения проявлять заботу о тех, кто находится на его территории на законных основаниях, хорошо установлена, и в качестве отправной точки я беру принцип соседа из Donoghue v Stevenson [1932] AC 562. Вопрос о том, справедливо, обоснованно и разумно ли возлагать обязанность в новых обстоятельствах, регулируется Caparo Industries plc v Dickman [1990] 2 AC 605, но эти обстоятельства не являются новыми. Mr Whitby утверждал, что заявленные убытки были слишком отдаленными. Это утверждение должно быть проверено на соответствие Hadley v Baxendale (1854) 9 Exch 341.

Рассмотрев показания Mr Okafor и Ms Ellison наряду с представленными документами, я прихожу к выводу о том, что Ответчик знал о дефекте и не принял мер. Иск в части установления ответственности подлежит удовлетворению. Размер ущерба будет определён в ходе отдельного судебного заседания. Я признательна Ms Raman и Mr Whitby за их чёткие и аргументированные выступления.

Рисунок 6Переключите режим отображения, чтобы увидеть результат. Судебное решение и имена вымышлены; три упомянутых дела являются реальными.

05

Могут ли chatgpt.com, claude.ai и другие сайты для чата делать то же самое?

Иногда да. Такие сайты часто включают в себя интерпретатор Python, который позволяет модели открыть файл Word или PowerPoint и отредактировать его XML с помощью кода.

Но код по-прежнему пишется нестабильной моделью, и ничто не проверяет результат на соответствие оригиналу. В ходе нашего внутреннего тестирования мы часто получали документы с непредвиденными удалениями и правками. В одном крайнем случае 20-страничный документ вернулся сокращённым до 10 страниц без каких-либо предупреждений.

Чат-сайт с Python

20 страниц
10 страниц

Готово! Я обновил ваш документ в соответствии с запрошенными изменениями.

Никаких упоминаний о 10 недостающих страницах.

Журнал изменений

  • с. 4 · Пункт 2.1

    тридцать (30) дней шестьдесят (60) дней

    Отменить
  • с. 9 · Пункт 6.3

    Поставщик Подрядчик

    Отменить
  • с. 17 · Приложение 1

    US$2,400 US$2,600

    Отменить

Создать новый документ

Рисунок 7Слева: незаметное усечение по результатам нашего внутреннего тестирования. Справа: каждое изменение ИИ на сайте OneTurn фиксируется и может быть отменено.

Молчаливый пропуск или изменение фатальны для любой серьезной работы. На каждое изменение, сделанное нашим ИИ-агентом, записывается. Вы можете просмотреть каждое из них, отменить любое и сформировать новый документ.

06

Могут ли агенты для работы с компьютером, такие как OpenClaw или Manus, сделать это?

Эти агенты управляют компьютером так же, как человек. Они открывают документ в Microsoft Word или PowerPoint, после чего прокручивают страницы, кликают и вводят текст.11 Поскольку они используют те же программы, что и человек, они могут редактировать текст как человек, и результаты часто впечатляют.

Цена вопроса — это стоимость и скорость. Агент читает документ, делая снимки экрана по мере прокрутки, и каждый маленький шаг требует обращения к модели для принятия решения о дальнейших действиях. Скриншот в формате Full HD сам по себе обходится примерно в 1500–2700 токенов.10 В бенчмарке OSWorld даже лучшие агенты делали в 2,7–4,3 раза больше шагов, чем необходимо, а поздние шаги занимали до 3 раз больше времени, чем ранние.9

Агент для работы с компьютером

  1. Сделать снимок экрана
  2. Модель принимает решение о следующем действии
  3. Прокрутить, кликнуть или ввести текст
  4. Повторить для каждого шага

  1. Прочитать текст один раз
  2. Редактировать пакетами
  3. Записать файл
20-страничный договор, 30 правокАгент для работы с компьютером
Вызовы модели≈ 180≈ 12
Токенов за вызов≈ 10,000≈ 4,000
Всего токенов≈ 1,800,000≈ 48,000
Разница≈ в 37 раз больше или ≈ в 100–160 раз больше при выполнении дополнительных действий, измеренных на OSWorld
Рисунок 8Предположения: около 11 000 слов; 60 скриншотов для чтения документа; 4 действия на одно исправление; каждый вызов передает скриншот вместе с недавней историей. OneTurn читает текст один раз и отправляет исправления пакетами.

По нашим оценкам, агент для работы с компьютером может расходовать до 100 раз больше токенов LLM, чем , для выполнения тех же правок, и тратить на это значительно больше времени.

Источники

  1. Структура документа WordprocessingMLMicrosoft Learn · Документация по Open XML SDK
  2. ECMA-376: Форматы файлов Office Open XMLEcma International · стандарт
  3. Проверить документ текстового процессораMicrosoft Learn · Документация по Open XML SDK
  4. Языковые модели портят ваши документы при делегировании задачLaban, Schnabel и Neville · Microsoft Research · 2026
  5. LongProc: Тестирование языковых моделей с длинным контекстом на задачах генерации длинных процедурYe и др. · COLM 2025
  6. Одна лишь длина контекста ухудшает производительность языковых моделей несмотря на идеальный поискDu и др. · Findings of EMNLP 2025
  7. Anthropic случайно обнародовала исходный код Claude Code через файл исходной карты npmInfoQ · 7 апреля 2026 г.
  8. Эффективная инженерия контекста для агентов ИИИнженерный отдел Anthropic · 29 сентября 2025 г.
  9. OSWorld-Human: Оценка эффективности агентов для работы с компьютеромAbhyankar, Qi и Zhang · MLSys 2026
  10. Зрение: разрешение и стоимость токеновДокументация платформы Claude
  11. Manus от Meta выпускает настольное приложение, чтобы перенести своего ИИ-агента на персональные устройства на фоне повального увлечения OpenClawCNBC · 18 марта 2026 г.

Рисунки созданы специально для этой статьи. XML является реальным WordprocessingML; имена файлов, люди и судебное решение являются вымышленными.

Попробуйте на документе, который нельзя испортить.

Попробуйте бесплатно →