请求模型审阅一份服务协议,它能完成得相当不错:九十天付款期限、无限责任、没有任何保障的数据传输条款。答案以列表形式出现在聊天窗口中。
随后合同交给同事,他打开后看到的是一份整洁的文档。审阅内容位于另一个应用的对话中,而他们并未参与其中,只能手动在文档中寻找对应的句子。
模型本身不是问题。它没有办法写入文件。本文介绍如何为它提供写入能力——只需约百行 C# 代码和 GroupDocs.Annotation for .NET,即可在服务器端对 PDF、Word、Excel 和 PowerPoint 进行标注,无需 Word 插件或浏览器扩展。
完整示例已上传至 GitHub: ai-document-review-annotations-net。
将与模型的合同保持简短
不要让模型返回坐标。让它返回文本和备注:
[
{
"quote": "pay all invoices within ninety days",
"comment": "Ninety-day payment terms are three times our standard. Ask for thirty days.",
"severity": "high"
}
]
quote 必须原文复制自文档,因为它是锚点:后续步骤会在页面上寻找它。四到十五个词是最佳长度——足够唯一,又不至于跨越半页。
其余一切都基于这三个字段,且不依赖文件格式。这就是同一个提示可以同时适用于 PDF、.docx 和电子表格的原因。
在页面上查找引用
GroupDocs.Annotation 会返回每页文本 以及其几何信息:
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}");
同样的调用适用于 PDF、Word、Excel 和 PowerPoint——而这正是仅限 Word 的工具做不到的部分。
匹配引用会依次尝试三次:首先查找包含该引用的单行;其次查找连续多行拼接后包含该引用的情况,因为页面上的句子可能换行而模型的引用没有;如果两者都失败,则返回空。无法锚定的发现会被报告,而不会随意猜测。比较前请先标准化空白、弯引号和破折号——模型生成的文本排版通常比原文更整洁。
决定标注落点的两条规则
这通常是第一次尝试出错的地方,必须明确说明。
页码计数会出现两次。 GetDocumentInfo() 返回的 PageInfo.PageNumber 是 从 1 开始 的。AnnotationBase.PageNumber 是 从 0 开始 的。若直接把前者传给后者,所有标注都会偏移一页——原本应在最后一页的标注会消失,因为指向不存在页码的标注在保存文档时会被丢弃。没有异常、没有标注、也没有提示。
两个坐标原点。 TextLineInfo 和 AreaAnnotation.Box 的坐标基于页面的 左上 角。文本标注——HighlightAnnotation.Points 及其相关类——则基于 左下 角,这是 PDF 本身采用的约定。设页面高度为 H,某行的 TopIndent = t、高度 h,则该行在左下坐标系中的纵坐标范围为 H - t - h 到 H - t。
| 成员 | 来源 | 页码计数 |
|---|---|---|
PageInfo, TextLineInfo |
左上 | 1 基 |
AnnotationBase.PageNumber |
— | 0 基 |
AreaAnnotation.Box |
左上 | — |
HighlightAnnotation.Points |
左下 | — |
PreviewOptions.PageNumbers |
— | 1 基 |
将发现写入文档
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");
在 Word 中打开结果,它就是一份普通的审阅文档:高亮的短语、页边的备注以及下面的回复等待答复。用 Acrobat 打开则显示为带注释的高亮。除了作者姓名外,文档中没有任何“由机器生成”的痕迹——这正是目标所在。
值得借鉴的两点细节:
- 不要在回复中重复消息内容。 Word 会同时渲染两者,导致同一句话在页边出现两次。让
Message承担发现的描述,回复仅用于开启讨论线程。 - Word 中的颜色是近似的。
BackgroundColor使用0xRRGGBB,PDF 能精确保留,但 Word 只有固定的高亮颜色调色板,会自动取最近的颜色。请选择在“捕捉”后仍能保持区分的严重程度颜色。
让尝试安全的关键部分
每个标注都带有作者信息,因此整段机器生成的标注可以在不影响人工编辑的情况下全部撤回:
annotator.Remove(annotator.Get().Where(a => a.User?.Name == "AI reviewer").ToList());
审阅本身是一层覆盖,而非直接编辑。先在草稿上运行,查看发现的内容,若是噪声则删除,再用更好的提示重新运行。用户添加的回复会保留在同一线程中,并通过 Get() 返回,第二轮运行时即可看到哪些已被接受、哪些被拒绝。
试一试
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
示例自带发现文件,可离线运行;设置 ANTHROPIC_API_KEY 并使用 llm-review 可让模型自行生成发现。提示文件是单个 markdown 文本,切换模型只需更换一次 HTTP 调用。
带有坐标规则完整说明的逐步版本请参见文档:
Write AI review comments into documents。
如果更倾向于通过聊天客户端而非自行编写代码来驱动此功能,可使用
GroupDocs.Annotation MCP server ,它同样支持 Claude、Cursor 或 Copilot 完成标注。