GRACE-DOCX pro úpravu velkých .docx v LLM

GRACE-DOCX: Efektivní správa velkých .docx souborů pro LLM bez degradace kontextu

Jazykové modely (LLM) často selhávají při úpravách velkých .docx souborů: ztrácejí sekce, narušují synchronizaci a způsobují iterační posun. GRACE-DOCX to řeší vestavěním mapy modulů, kontraktů a verifikace do dokumentu. Jediný prompt přemění soubor na samospravovaný – agent se řídí vestavěnými pravidly, čímž snižuje chyby až o 80 % podle tokenů.

Degradace kontextu v transformerech: Proč se velké dokumenty špatně upravují

Transformery degradují s rostoucím kontextem. Studie Chroma (2025) na 18 pokročilých modelech ukázala pokles přesnosti >30 % pro informace uprostřed kontextu (Stanford). BABILong od AIRI/MFTI potvrzuje: GPT-4.1, Claude Opus 4, Gemini 2.5 trpí stejným problémem.

V .docx se to projevuje dvěma způsoby:

• Jednorázové selhání: model přeskočí potřebný odstavec mezi tisíci.
• Iterační posun: po 3–5 úpravách agent přepíše nevyžádané části, poškodí tabulky, ztratí odkazy.

Standardní pipeline pro práci s .docx:

• Rozbalení ZIP.
• Extrakce word/document.xml.
• Načtení všeho do kontextu.
• Hledání místa.
• Generování úpravy.
• Zabalení.

Problémy:

• Navigace bez mapy.
• Absence pravidel (nelze dotýkat sloupců tabulky).
• Žádná verifikace XML/struktury.

RAG nebo šablonovače (docxtpl) fungují, ale jsou složité pro jednorázové úkoly.

GRACE-DOCX: Kontraktová editace založená na grafu

Adaptace GRACE (Graph-RAG Anchored Code Engineering) pro .docx. Dokument sám učí agenta:

• Struktura: moduly s ID (M-PROC, M-APP-A).
• Pravidla: co dotýkat/synchronizovat.
• Verifikace: invarianty.

Metodologie GRACE-DOCX (Governed, Recoverable, Autonomous, Contract-based Editing) vkládá znalosti do XML částí .docx.

Proces aktivace – jeden prompt:

Krok 1. Analýza: parsing document.xml, fixace H1/H2, tabulek, cross-linků.

Krok 2. Mapa: Module ID pro sekce, rozsahy odstavců.

Krok 3. Metadata: 5 XML souborů (manifest, graf, kontrakty, instrukce, verifikace).

Krok 4. Záložky: w:bookmarkStart/End v H1.

Krok 5. Registrace: [Content_Types].xml, _rels.

Krok 6. Balení.

Krok 7. Zpráva: N modulů, záložek, odkazů.

Agent nyní čte manifest, dodržuje kontrakt, kontroluje invarianty. Chování je reprodukovatelné mezi sezeními/modely.

Výhody a omezení

Řeší:

• Chirurgické úpravy v 200+ stránkách.
• Posun: úpravy jsou izolované.
• Synchronizace (aktualizované prahy – dosazeny všude).
• Úspora tokenů až 80 %, menší kontextové okno.

Neřeší:

• Sémantiku (za to zodpovídá LLM).
• Správu verzí obsahu (ale loguje změny).

Otevřené úkoly:

• .xlsx (listy jako moduly).
• .pptx (snímky/objekty).
• Obrázky, složité tabulky.
• Integrace jako nástroj (MCP).

Co je důležité

• Vkládá mapu a pravidla do .docx – agent není slepý.
• Snižuje degradaci kontextu a posun bez velkých oken.
• Univerzální pro Office formáty (ZIP+XML).
• Repozitář je otevřený: github.com/xronocode/grace-docx.

— Editorial Team