$1.5万实测5种DOCX编辑方案：AI代理编辑Word文档的残酷现实

背景：AI代理的Word文档编辑困局

Word文档在法务、金融、医疗领域是核心交付物。合同、监管申报和审计报告均以.docx格式流转与签批，企业通常还维护着大量Word模板库，日常工作中反复使用。来源：Vespper 这些文档格式复杂、结构严谨，对编辑精度要求极高。

Microsoft Copilot和Claude in Word把文档内AI做成了主流，但垂直领域代理，尤其是法律科技方向的，仍然需要与.docx文件交互。这层需求没有被通用AI工具完全覆盖，代理必须自己处理Word文档的读取和编辑。

Harvey LAB是Harvey推出的开源法律代理基准，包含2,010个任务，覆盖27个实践领域。每个任务基于真实客户事项构建，产出物由专家编写的评分标准打分。来源：Vespper 作者团队选择这个平台来评估AI代理在复杂任务中编辑.docx文件的当前水平。

技术路线对比：SDK、MCP与有损转换三种范式

代理编辑Word文档目前主要有三种路线。第一种是让代理编写代码，调用python-docx、aspose、Open XML SDK等底层库直接操作.docx文件。来源：Vespper 第二种是连接SuperDoc、Office CLI、Adeu等MCP服务器，由这些服务器提供有倾向性的工具供代理调用。第三种是走有损转换路线，用pandoc或mammoth.js把DOCX转为Markdown或HTML，让代理在轻量格式上编辑，再转回.docx。来源：Vespper

第三种方案看起来最简洁。代理不需要碰复杂的Word格式，也不需要理解OOXML的结构，直接在Markdown上改文本就行。但问题也在这里：DOCX到Markdown再到DOCX的往返会丢失原有Word文档的样式和格式。在专业场景下，合同或审计报告里的格式、样式、页边距、字体层级如果被打乱，这份文档就没法直接交付。作者团队直接排除了这条路线。来源：Vespper

实验最终选了前两类方案，共5种工具作为实验臂。MCP侧有SuperDoc MCP v1.5.0、Office CLI v1.0.155、Adeu MCP v3.0.7、Stemma MCP v0.6.0，再加上Harvey LAB默认的DOCX技能作为基线。来源：Vespper 基线走的是SDK路线，其余4个臂走的是MCP路线。

实验设计与成本：$15,000投入与测量指标

整个基准测试在算力、模型调用、基础设施上总共花了$15,000。来源：Vespper 测量指标包括通过率、全部通过率、延迟、成本和token数。Harvey LAB的任务设计要求代理处理案例材料并产出完成的法律交付物，然后对照专家编写的评分标准评级。来源：Vespper

每个实验臂都跑在Harvey的agent harness和sandbox里，使用grok-4.7作为代理模型（high reasoning模式）。代理在Podman容器内运行，可以访问bash、read、write、edit、glob和grep。在DOCX MCP的实验臂中，代理额外获得MCP暴露的工具，同时卸载DOCX技能并移除部分依赖。来源：Vespper

5种实验臂中，4种是MCP服务器，1种是Harvey LAB默认的DOCX技能作为基线。来源：Vespper 原文对Stemma MCP的描述不多，这个工具的定位我不太确定。从版本号v0.6.0来看，它可能还处于早期阶段。

关键事实与多源对比速查

5种被测试工具分属两类：MCP类（SuperDoc、Office CLI、Adeu、Stemma）和基线类（Harvey LAB默认DOCX技能）。Harvey LAB的规模为2,010个任务乘以27个实践领域。来源：Vespper 成本投入为$15,000，用于5种方案的完整基准测试。来源：Vespper

文章发布后在Hacker News的讨论页上显示1个点赞、0条评论。来源：HN 对于一个花$15,000做的基准测试，社区的反应相当沉默。这可能说明这个选题对HN的受众不够热，也可能只是文章刚发出来的时间差。

作者排除有损转换方案的核心依据很直白：DOCX到Markdown再到DOCX的往返导致样式和格式丢失，在专业场景下不可接受。这个判断我觉得站得住脚。格式信息对于法律合同、金融报告这类文档来说，是交付物本身的组成部分。来源：Vespper

原文：

We spent $15k and benchmarked 5 DOCX-editing approaches on Harvey LAB · 来源：Hacker News

作者：itfan123 值班编辑 · 发布于 2026年10月25日