Юрист научил ИИ-агента вносить точечные правки в Word в режиме Track Changes
Юрист устал переносить правки из чата с ИИ в договоры и вместо набора жёстких команд дал модели песочницу с Python. Агент сам разбирает XML внутри .docx и вносит точечные правки в режиме Track Changes: меняет «30» на «45», не переписывая абзац. Для файлов с непредсказуемой структурой такая гибкость оказалась практичнее готовых операций.
AI-обработка оригинала Habr AI; редакция Hamidun News
Любой, кто работал с договорами, знает эту рутину: обсудил с ИИ удачную формулировку, а потом вручную ищешь пункт в Word, заменяешь текст, смотришь соседние положения и добавляешь комментарий. Юрист, автор этой истории, решил убрать именно этот шаг. Получилось, но не с первой попытки, и сам путь интереснее результата: он показывает, где проходит граница между заранее написанными операциями и кодом, который агент пишет на лету.
Почему первая версия упёрлась в формат
Сначала автор пошёл по пути строгого контроля. Он сделал MCP-сервер с набором заранее определённых операций над документом. MCP здесь нужен, чтобы подключённая модель могла вызывать инструменты сервера. Модель решает, что менять, а обычный код аккуратно выполняет замену: находит текст, проверяет исходное состояние, вносит правку и следит, чтобы ничего лишнего не задело.
Проблема в том, что .docx — это ZIP-архив с XML-частями. Фраза, которая в Word выглядит одной строкой, внутри часто разбита на несколько фрагментов. Рядом может стоять комментарий, часть текста помечена как вставленная, часть как удалённая, и всё это может лежать в ячейке таблицы. Для юриста это обычный договор после нескольких раундов согласования. Для программы, которая должна заменить пару слов и не сломать чужие исправления, это куча особых случаев.
Каждый новый документ требовал расширять правила и проверки. В какой-то момент автор понял, что пишет всё более сложный редактор Word, хотя задача была скромнее: не переносить правки руками.
Вторая версия: сервер даёт среду, код пишет модель
Тогда он перевернул схему. Современные модели хорошо пишут код, в том числе под разбор конкретного файла, так зачем ограничивать их списком операций, которые успел реализовать человек? Так появился Veqtor Workspace. Сервер даёт доступ к выбранным документам и среду для Python, а агент изучает файл, при необходимости разбирает XML и пишет код под конкретное изменение. Если код упал, агент получает ошибку и исправляет его.
У сервера четыре MCP-инструмента:
- workspace_info объясняет, как устроена рабочая среда;
- document_task создаёт задачу с рабочей копией документа и сохраняет результат;
- run_python выполняет код, который написала модель;
- check_docx сравнивает исходник с результатом и при необходимости делает превью.
Ограничения остались на стороне сервера. Python работает локально, без сети, только с выбранными файлами и отдельной рабочей папкой. Исходная версия сохраняется, а перед записью результата сервер проверяет, не изменился ли оригинал за время работы. Языковой модели в сервере нет: рассуждает та, к которой он подключён, будь то Claude или модель OpenAI.
Что получилось и где подвохи
По словам автора, в проверках с Claude и моделями OpenAI агент читал документы, находил нужный фрагмент и готовил файл с правками в режиме Track Changes. Главное для юриста — как именно выглядят изменения. Если срок меняется с 30 на 45 дней, нужно видеть замену числа, а не удалённый и заново вставленный абзац: иначе другой стороне придётся сравнивать весь текст. Новая схема даёт точечные правки, которые в Word можно просмотреть, принять или отклонить.
Показателен и формат запроса: «замени 30 дней на 45, сохрани остальные формулировки, форматирование, существующие исправления и комментарии, внеси изменение в режиме правок». Одного итогового числа 45 в тексте мало, нужен документ, с которым продолжат работать люди.
Ограничения автор называет сам:
- модель может выбрать неудачный способ правки, затронуть лишний текст или неверно понять старые исправления;
- проверка XML не заменяет просмотр в самом Word;
- сервер работает с сохранённым файлом, несохранённые изменения в открытом окне он не видит;
- код выполняется локально, но при облачной модели прочитанный текст уходит ей через результаты вызова инструментов, и это важно для конфиденциальных договоров;
- гибкость стоит времени и токенов: агенту нужно разобраться в файле, написать код и иногда поправить себя, а готовая функция для известного случая быстрее и предсказуемее.
Практический вывод
Автор делит ответственность так: доступ к файлам, сохранение исходников и запись результата остаются под контролем сервера, способ чтения и редактирования выбирает модель, а финальный результат смотрит человек. Для разработчиков это рабочий шаблон для любых форматов с «грязной» внутренней структурой: Excel, PowerPoint, PDF. Если входы слишком разнообразны, чтобы описать каждый сценарий заранее, дешевле дать агенту песочницу и жёсткие границы доступа, а детерминированные функции оставить для частых и хорошо известных случаев. Сам автор называет себя вайбкодером и просит профессионалов подсказать, где проводить границу между свободой модели и заранее реализованными операциями.
- 19 нояб. 2026 г.RSAC 2026 спустя время: ИИ-помощники выдумали 19,7% рекомендованных пакетов
- 19 нояб. 2026 г.Агенты Codex провели 1700 расследований тормозов ChatGPT и нашли причину в 600
- 19 нояб. 2026 г.Anthropic вышла на биржу и собрала $81,3 млрд — рекорд SpaceX в $75 млрд побит
- 19 нояб. 2026 г.Инфостарт подключил Директ, Метрику и Wordstat к ChatGPT: 6 команд, общий доступ
Вопросы и ответы по материалу
Что известно по теме: почему первая версия упёрлась в формат?
Сначала автор пошёл по пути строгого контроля. Он сделал MCP-сервер с набором заранее определённых операций над документом. MCP здесь нужен, чтобы подключённая модель могла вызывать инструменты сервера. Модель решает, что менять, а обычный код аккуратно выполняет замену: находит текст, проверяет исходное состояние, вносит правку и следит, чтобы ничего лишнего не задело. Проблема в том, что .docx — это ZIP-архив с XML-частями.
Что известно по теме: вторая версия: сервер даёт среду, код пишет модель?
Тогда он перевернул схему. Современные модели хорошо пишут код, в том числе под разбор конкретного файла, так зачем ограничивать их списком операций, которые успел реализовать человек? Так появился Veqtor Workspace. Сервер даёт доступ к выбранным документам и среду для Python, а агент изучает файл, при необходимости разбирает XML и пишет код под конкретное изменение. Если код упал, агент получает ошибку и исправляет его.
Что известно по теме: что получилось и где подвохи?
По словам автора, в проверках с Claude и моделями OpenAI агент читал документы, находил нужный фрагмент и готовил файл с правками в режиме Track Changes. Главное для юриста — как именно выглядят изменения. Если срок меняется с 30 на 45 дней, нужно видеть замену числа, а не удалённый и заново вставленный абзац: иначе другой стороне придётся сравнивать весь текст. Новая схема даёт точечные правки, которые в Word можно просмотреть, принять или отклонить.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.