Ask a model to review a services agreement and it does a decent job: ninety-day payment terms, unlimited liability, a data-transfer clause with no safeguards. The answer arrives as a list in a chat window.
Pak smlouva putuje ke kolegovi, který ji otevře a vidí čistý dokument. Recenze je v jiné aplikaci, v konverzaci, které nebyl součástí, a je přiřazena k větám, které nyní musí najít ručně.
Model není problém. Nemá žádný způsob, jak zapisovat do souboru. Tento příspěvek se zabývá tím, jak mu takový způsob poskytnout — pomocí asi sta řádků C# a GroupDocs.Annotation for .NET, takže stejný kód označuje PDF, Word, Excel a PowerPoint na serveru, bez doplňku pro Word a bez rozšíření pro prohlížeč.
Úplný příklad je na GitHubu: ai-document-review-annotations-net.
Udržujte smlouvu s modelem stručnou
Nepožadujte od modelu souřadnice. Požádejte ho o text a poznámku:
[
{
"quote": "pay all invoices within ninety days",
"comment": "Ninety-day payment terms are three times our standard. Ask for thirty days.",
"severity": "high"
}
]
quote musí být zkopírováno doslovně z dokumentu, protože je to kotva: další krok ho hledá na stránce. Čtyři až patnáct slov je ideální – dostatečně dlouhé, aby bylo jedinečné, a dostatečně krátké, aby se nepřekrývalo přes polovinu stránky.
Všechno ostatní vyplývá z těchto tří polí a nic z toho nezávisí na formátu souboru. Proto jeden prompt funguje pro PDF, .docx i tabulku.
Najděte citát na stránce
GroupDocs.Annotation vrací text každé stránky s její geometrií:
using Annotator annotator = new Annotator("service-agreement.docx");
IDocumentInfo info = annotator.Document.GetDocumentInfo();
foreach (PageInfo page in info.PagesInfo)
foreach (TextLineInfo line in page.TextLines)
Console.WriteLine($"{line.Text} @ {line.LeftIndent},{line.TopIndent} {line.Width}x{line.Height}");
Stejný volání funguje pro PDF, Word, Excel i PowerPoint – což je část, kterou nástroje jen pro Word nedokážou.
Porovnání citátu vyžaduje tři pokusy v tomto pořadí: jedna řádka, která jej obsahuje; řada po sobě jdoucích řádků, jejichž spojený text jej obsahuje, protože věta na stránce se zalamuje tam, kde citát modelu ne; a pokud ani to neuspěje, vůbec nic. Nález, který nelze ukotvit, je nahlášen, nikdy se neumisťuje na odhad. Před porovnáním normalizujte mezery, složené uvozovky a pomlčky – modely reprodukují text s úhlednější typografií než dokument.
Dvě pravidla, která rozhodují, kam se značení umístí
Zde se první pokus obvykle pokazí, takže je dobré to jasně uvést.
Čísla stránek se počítají dvakrát. PageInfo.PageNumber z GetDocumentInfo() je od 1. AnnotationBase.PageNumber je od 0. Pokud první předáte přímo druhému, každá anotace skončí o stránku dál — a anotace určené pro poslední stránku zmizí, protože anotace odkazující na neexistující stránku je při uložení dokumentu zahozena. Žádná výjimka, žádné značení, žádná zpráva.
Dva výchozí body. TextLineInfo a AreaAnnotation.Box měří od levého horního rohu stránky. Textové značení — HighlightAnnotation.Points a související — měří od levého dolního rohu, což je konvence, kterou používá samotné PDF. Řádek s TopIndent = t a výškou h na stránce výšky H tedy zasahuje od H - t - h do H - t.
| Člen | Počátek | Číslování stránek |
|---|---|---|
PageInfo, TextLineInfo |
top-left | 1-based |
AnnotationBase.PageNumber |
— | 0-based |
AreaAnnotation.Box |
top-left | — |
HighlightAnnotation.Points |
bottom-left | — |
PreviewOptions.PageNumbers |
— | 1-based |
Zapište nález do dokumentu
User reviewer = new User { Id = 1, Name = "AI reviewer", Role = Role.Editor };
float top = (float)(page.Height - box.Y);
float bottom = (float)(page.Height - box.Y - box.Height);
annotator.Add(new HighlightAnnotation
{
PageNumber = page.PageNumber - 1,
BackgroundColor = 0xFFE699,
Opacity = 0.5,
Message = finding.Comment,
CreatedOn = DateTime.Now,
User = reviewer,
Points = new List<Point>
{
new Point(left, top), new Point(right, top),
new Point(left, bottom), new Point(right, bottom)
},
Replies = new List<Reply>
{
new Reply
{
Comment = $"Severity: {finding.Severity}. Reply to accept or reject this remark.",
RepliedOn = DateTime.Now,
User = reviewer
}
}
});
annotator.Save("service-agreement.reviewed.docx");
Otevřete výsledek ve Wordu a je to běžný revidovaný dokument: fráze je zvýrazněna, poznámka v okraji, odpověď pod ní čeká na odpověď. Otevřete jej v Acrobat a je to zvýraznění s poznámkou. Nic na tom neříká „vyrobeno strojem“ kromě jména autora – což je podstata.
Dva detaily, které stojí za to převzít:
- Nereplikujte zprávu v odpovědi. Word zobrazí obojí, takže by se stejná věta objevila dvakrát v okraji. Nechte zprávu nést nález a odpověď otevře vlákno.
- Barvy jsou ve Wordu přibližné.
BackgroundColorje0xRRGGBBa PDF jej zachová přesně, ale Word má pevnou paletu zvýrazňovacích barev a přichytí se k nejbližší. Vyberte závažnosti, které zůstanou odlišné i po přichytění.
Část, která dělá pokus bezpečným
Každá anotace nese autora, takže celý strojově vytvořený průchod lze stáhnout, aniž by se dotklo slova napsaného člověkem:
annotator.Remove(annotator.Get().Where(a => a.User?.Name == "AI reviewer").ToList());
Recenze je vrstva, ne úprava. Spusťte ji na konceptu, podívejte se, co najde, smažte to, pokud je to šum, spusťte ji znovu s lepším promptem. Odpovědi, které lidé přidali, zůstávají ve stejných vláknech a vrací se přes Get(), takže druhý průchod může vidět, co bylo přijato a co odmítnuto.
Vyzkoušejte to
git clone https://github.com/groupdocs-annotation/ai-document-review-annotations-net.git
cd ai-document-review-annotations-net
dotnet run --project src/AiReview -- review samples/service-agreement.docx
Příklad obsahuje soubor s nálezy, takže běží offline; nastavte ANTHROPIC_API_KEY a použijte llm-review, aby model vytvořil nálezy místo toho. Prompt je jeden markdown soubor a výměna modelu je výměna jednoho HTTP volání.
Verze krok za krokem, s vypsanými pravidly pro souřadnice, je v dokumentaci: Write AI review comments into documents. Pokud byste raději ovládali toto z chatovacího klienta než z vlastního kódu, GroupDocs.Annotation MCP server dělá stejnou práci přes Claude, Cursor nebo Copilot.