AI-alapú .docx dokumentumszerkesztő rendszer

A dokumentumszerkesztés látszólag egyszerű feladat — de a valóság ennél jóval összetettebb. A meglévő eszközök, mint a keresés-csere funkció, csak pontos egyezés esetén működnek, és képtelenek kezelni azt, ha a módosítás a szövegkörnyezethez kell igazodjon, a törlés után a megmaradó szöveg értelmetlen marad, vagy ugyanaz a kifejezés a dokumentum különböző pontjain különböző jelentéssel bír. Ezen felül a .docx formátum belső szerkezete — ahol egy bekezdés akár több, eltérő formázású szövegrészből is állhat — tovább bonyolítja a helyzetet: egy rossz szerkesztés azonnal tönkreteheti a dokumentum vizuális megjelenését. A legnagyobb kihívást azonban az jelentette, hogy a szerkesztendő részek sokszor szétszórtan helyezkednek el a dokumentumban, és hagyományos kereséssel nem, csak teljes szövegkontextus alapján azonosíthatók megbízhatóan.

A megoldás középpontjában egy nagy nyelvi modell (LLM) áll, amely nemcsak végrehajtja a szerkesztési utasításokat, hanem érti is azok kontextusát. A fejlesztés során két megközelítést vizsgáltunk. Az első körben a dokumentumokat kisebb egységekre bontva indexeltük és vektoradatbázisban tároltuk — ez gyors volt, de pontatlanságokhoz vezetett szétszórt módosítások esetén. A végleges megoldásban elhagytuk a darabolást: a teljes dokumentum szövegét egyszerre adjuk át a modellnek, számozott bekezdésekre bontva. Az LLM elvégzi az elemzést, azonosítja a módosítandó részeket, majd strukturált formátumban visszaadja a szükséges változtatások listáját. Ezt egy külön lépésben dolgozzuk fel és hajtjuk végre a dokumentumon — úgy, hogy a formázás minden esetben változatlan marad. A táblázatok kezelésére egy részletes indexelési rendszert vezettünk be, amely minden cellát és azon belül minden bekezdést egyedi azonosítóval lát el. A beágyazott táblázatok feldolgozását rekurzív módszerrel oldottuk meg.

A teljes dokumentum egyszerre történő feldolgozása lényegesen megbízhatóbb eredményt ad, mint a darabolt megközelítés — különösen olyan esetekben, ahol a módosítandó részek nem egybefüggően helyezkednek el a szövegben. A rendszer sikeresen kezeli a négy alapvető szerkesztési műveletet: - a szövegcserét, - a törlést, - az átfogalmazást - és a bekezdések beszúrását — mindezt az eredeti formázás megőrzése mellett. A táblázatokban lévő szövegek szerkesztése és törlése szintén működik, beleértve a beágyazott táblázatok kezelését is. A fejlesztés ugyanakkor rámutatott arra is, hogy a rendszer pontossága nagymértékben függ a szerkesztési utasítás minőségétől. Pontatlan, hiányos vagy félreérthető leírás esetén az LLM nem a kívánt módosítást hajtja végre — ezért a felhasználóknak egyértelmű, konkrét utasításokat kell megfogalmazniuk. A következő fejlesztési irányok között szerepel a képkezelés, a táblázatok beszúrása és törlése, valamint a vektoradatbázis automatikus szinkronizálása a manuálisan módosított dokumentumokkal.