影片筆記：【B站AI创造公开赛】Pyword skills V2：告别手动Word编辑和排版

一句話總結

本影片介紹了一款名為 PyWord 的 AI 技能（Skill/Scale），該工具基於 Python 庫開發，旨在通過預編寫的指令碼與 AI Agent 協作，自動化處理 Word 文件的排版、驗證與生成，解決人工操作易錯、重複勞動多的痛點。

核心重點

• 解決痛點：針對 Word 排版中標題、頁眉頁腳、目錄等格式設定繁瑣、易遺漏且重複性高的問題，提供自動化解決方案。
• 技術架構：基於 Python 第三方庫（逐字稿聽作 python.x）構建，核心在於預先編寫大量可複用的 Python 指令碼，而非通用 Python 助手。
• 四階段工作流程：

1. 溝通（Grew me）：AI 與使用者反覆交流以充分理解需求。
2. 任務拆解與指令碼生成：將需求拆解，參考「專家文件」與「錯誤文件」編寫 Python 指令碼。
3. 驗證：對環境、包、文本結構及前後差異進行嚴格驗證。
4. 執行與交付：確認無誤後生成最終 Word 文件。

• 知識庫機制：
• Expert（專家文件）：儲存業務背景與知識，指導 AI 正確操作。
• Errors.markad（錯誤文件）：記錄歷史報錯與解決方法，避免重複消耗 Token。
• 功能範圍：涵蓋文件建立、模板生成、標題列表、目錄、表格、圖片、公式、書圈（疑點）、頁眉頁腳、交叉引用及批註等。

詳細大綱

一、 開發背景與價值

• 日常痛點：
• Word 排版涉及標題、正文、頁面、頁角等多種格式，非經常使用者需反覆學習。
• 設定頁編句（疑點：頁眉/頁腳）、字型、字號、目錄編號等屬於重複性勞動。
• 人工操作在功能量大時容易遺漏或出錯。
• 解決方案：
• 將易錯、重複、規則化的 Word 操作交給 AI Agent 實現。
• 告別手動排版，提升效率與準確性。

二、 PyWord 技術架構

• 基礎依賴：基於 Python 第三方庫 python.x（疑點）實現。
• 核心機制：
• 預先編寫大量現成的 Python 指令碼。
• 通過複用這些指令碼，快速實現 Word 的排版、解析和驗證。
• 定位：
• 不是通用的 Python 助手。
• 是圍繞 Word 自動化場景組織起來的「技能」（Skill）和功能流。

三、 工作流程四階段

1. Grew me（溝通階段）：

• AI 不斷與使用者交流，逐步理解使用者意願。
• 解決使用者請求模糊、AI 無法充分理解需求的问题。

1. 任務拆解與指令碼編寫：

• 將使用者意願拆解為任務。
• AI 查詢 Skill 儲存的資料和指令碼，編寫實現任務的 Python 程式。
• 影片演示中強調「這裡他指令碼已經編寫好了」。

1. 文件生成與驗證：

• 建立 Docs 文件後，運行驗證程式檢查格式是否正確。
• 驗證通過後方可正常使用。

1. 經驗記錄：

• 使用過程中的經驗與錯誤解決方法會被自動記錄，用於後續優化。

四、 核心組件與文件結構

• Expert（專家文件）：
• 儲存使用者平常在 Word 中使用的一些知識或業務背景。
• 例如：數字暗含的意義或知識背景，用於指導 AI 進行正確操作。
• Errors.markad（錯誤文件）：
• 記錄 AI Agent 在使用過程中遇到的報錯及解決方法。
• 目的：避免重複解決報錯，節省 Token 消耗。
• 快速索引與模組：
• 實現指令碼的快速索引。
• 包含具體程式設計時的參數設定（如 open、zrl 檔案等參數目錄）。
• 驗證機制：
• 環境檢驗。
• 包的檢驗。
• Docs 檔案的文本檢驗。
• 結構檢驗。
• 前後差異檢驗。
• 所有驗證通過後才能完成工作。

五、 功能範圍

• 文件建立與模板生成。
• 內容生成與編輯。
• 標題列表與目錄。
• 表格、圖片、公式。
• 書圈（疑點：疑為「書籤」或類似功能）。
• 頁面、頁角、交叉引用。
• 批註與評論。

六、 實戰演示

• 安裝與準備：下載 PyWord Skill 壓縮包並安裝。
• 操作流程演示：

1. 建立 Agent。
2. 提出需求：建立一個「agent 介紹」的 Docs 文件。
3. AI 與使用者互動確認內容（如回答「1 誰」等）。
4. AI 分解任務並編寫指令碼。
5. 生成的 Docs 文件放置於專案目標下。
6. 運行效果驗證：使用 Word 開啟文件，確認一級/二級標題、正文段落、多級列表、參用檔案、頁面頁角設定均成功實現。

工具 / 模型 / 名詞整理

• PyWord / Pyware：影片介紹的自動化 Word 排版工具/技能（Scale/Skill）。
• Python：程式語言。
• python.x：Python 第三方庫（疑點：聽似 python-docx 或類似庫，但逐字稿明確聽作 python.x）。
• AI Agent：人工智慧代理。
• Word / Docs / docus：微軟 Word 文件及生成的 .docs 文件（逐字稿中交替使用）。
• Expert：專家文件（系統組件）。
• Errors.markad：錯誤文件（系統組件，疑點：檔名聽似 errors.markdown 或特定格式）。
• Scale / Skill：指代該工具插件或技能包。
• Grew me：流程第一階段名稱，疑為溝通/理解階段。
• 頁編句：疑為頁眉頁腳或頁邊距的聽寫錯誤。
• zrl 檔案：在提及參數設定時提到的檔案類型，疑為聽寫錯誤。
• 書圈：功能列表中提及的功能，疑為書籤。

操作流程整理

1. 安裝準備：下載並安裝 PyWord Skill 壓縮包。
2. 建立 Agent：在環境中建立對應的 AI Agent。
3. 需求溝通（Grew me）：

• 使用者提出需求（例如：建立一個「agent 介紹」的 Docs 文件）。
• AI 與使用者進行多輪對話，確認細節（如回答「1 誰」等互動）。

1. 任務拆解與指令碼生成：

• AI 將需求拆解為具體任務。
• AI 查詢 Skill 儲存的資料和指令碼。
• AI 編寫實現任務的 Python 指令碼（影片演示中強調指令碼已預先編寫好）。

1. 文件生成：

• 根據指令碼生成 Docs 文件。
• 文件放置於專案目標目錄下。

1. 驗證階段：

• 運行驗證程式檢查格式。
• 檢查項目包括：環境、包、文本結構、前後差異等。

1. 交付與確認：

• 使用 Word 開啟生成的文件。
• 確認一級/二級標題、正文段落、多級列表、參用檔案、頁面頁角設定均成功實現。

值得注意的限制或風險

• 依賴特定庫：工具基於特定的 Python 第三方庫（聽作 python.x）開發，若該庫名稱或版本有變，可能影響兼容性。
• 指令碼預編寫依賴：核心機制依賴於「預先編寫大量現成的 Python 指令碼」，這意味著工具的擴展能力受限于預先定義的指令碼覆蓋範圍。
• 驗證嚴格性：必須通過環境、包、文本結構、前後差異等多重驗證才能完成工作，若驗證失敗則無法交付。
• Token 消耗優化：通過記錄錯誤文件（Errors.markad）來避免重複解決報錯，暗示若無此機制，重複報錯會導致較高的 Token 消耗。

逐字稿辨識疑點

• python.x：逐字稿中多次提及基於「python.x」第三方庫實現，疑為聽寫錯誤或特定內部庫名稱，需查證（通常 Word 操作庫為 python-docx）。
• Grew me：流程第一階段名稱，疑為「Grow me」、「Get me」或「Give me」的聽寫錯誤，意指溝通/理解階段。
• 頁編句：疑為「頁眉頁腳」或「頁邊距」的聽寫錯誤。
• docus / Docs：逐字稿中交替使用「docs」與「docus」，疑為聽寫不一致。
• zrl 檔案：在提及參數設定時提到「open zrl 檔案」，疑為特定函數或文件類型的聽寫錯誤（如 .docx 或其他）。
• 書圈：功能列表中提及「書圈」，疑為「書籤」（Bookmark）的聽寫錯誤。
• pyware：影片後段口語中將 PyWord 聽作或說成「pyware」，需確認是否為同一工具的不同稱呼或口誤。
• 神聯：結尾處「歡迎神聯和關注」，疑為「神鏈」或「評論」的聽寫錯誤。
• Errors.markad：錯誤文件的名稱，疑為 errors.markdown 或其他格式的聽寫錯誤。

可延伸追問

• python.x 具體是指哪個 Python 庫？是否為 python-docx 的內部稱呼或筆誤？
• Errors.markad 文件的具體格式是什麼？如何確保 AI 能正確讀取並應用其中的錯誤解決方法？
• 「Grew me」階段的具體對話邏輯是什麼？如何定義「充分理解需求」的標準？
• 除了影片演示的功能外，PyWord 是否支援更複雜的交叉引用或動態目錄更新？
• 若使用者需要自定義的排版規則，如何修改或新增預編寫的 Python 指令碼？