diff --git a/.vitepress/config.mts b/.vitepress/config.mts index c2c9fe2..a2a607d 100644 --- a/.vitepress/config.mts +++ b/.vitepress/config.mts @@ -26,6 +26,7 @@ export default defineConfig({ items: [ { text: 'Aspose AI 产品能力分析', link: '/research/aspose-ai' }, { text: 'OfficeCLI：为 AI Agent 而生的 Office 工具', link: '/research/officecli' }, + { text: 'Office AI 技术方案对比', link: '/research/office-ai-tech-comparison' }, ], }, ], diff --git a/research/index.md b/research/index.md index bf7702d..6be4b85 100644 --- a/research/index.md +++ b/research/index.md @@ -6,3 +6,4 @@ - [Aspose AI 产品能力分析](./aspose-ai) — 老牌文档处理公司的 AI 转型之路 - [OfficeCLI：为 AI Agent 而生的 Office 工具](./officecli) — 开源命令行 Office 套件，AI-first 设计 +- [Office AI 技术方案对比](./office-ai-tech-comparison) — OfficeCLI vs Aspose 源码级技术分析 diff --git a/research/office-ai-tech-comparison.md b/research/office-ai-tech-comparison.md new file mode 100644 index 0000000..5e557df --- /dev/null +++ b/research/office-ai-tech-comparison.md @@ -0,0 +1,370 @@ +# Office AI 技术方案对比：OfficeCLI vs Aspose + +> 调研时间：2026 年 5 月 | 作者：沙洲工作室 +> +> 基于源码分析，非黑盒测评 + +## 概述 + +本文从源码层面对比两种"AI + Office"技术方案： + +| 项目 | OfficeCLI | Aspose.Words MCP Server | +|------|-----------|------------------------| +| 开源 | ✅ Apache 2.0 | ✅ MIT（Server 层），核心 SDK 闭源商业 | +| 语言 | C#（.NET 10） | Python | +| 代码量 | 137,827 行 | ~6,628 行 | +| 核心依赖 | OpenXML SDK（开源） | Aspose.Words SDK（商业） | +| AI 集成方式 | CLI 命令 + MCP Server | MCP Server | +| 覆盖格式 | Word + Excel + PPT | 仅 Word | + +两者代表了截然不同的技术路线：**OfficeCLI 自己实现文档引擎**，**Aspose MCP Server 包装商业 SDK**。 + +--- + +## OfficeCLI 技术分析 + +### 架构 + +``` +┌─────────────────────────────────────────────┐ +│ AI Agent / 终端用户 │ +├──────────┬──────────────┬───────────────────┤ +│ CLI 命令 │ MCP Server │ Resident 管道 │ +├──────────┴──────────────┴───────────────────┤ +│ CommandBuilder │ +│ （System.CommandLine 路由） │ +├─────────────────────────────────────────────┤ +│ IDocumentHandler │ +│ ┌──────────┬──────────┬──────────┐ │ +│ │ WordHandler│ExcelHandler│PPTHandler│ │ +│ └──────────┴──────────┴──────────┘ │ +├─────────────────────────────────────────────┤ +│ Core（公式引擎、图表渲染、样式系统、SVG） │ +├─────────────────────────────────────────────┤ +│ DocumentFormat.OpenXML SDK │ +│ （微软开源） │ +└─────────────────────────────────────────────┘ +``` + +### 核心设计决策 + +**1. 基于 OpenXML SDK 自研引擎** + +OfficeCLI 没有依赖任何商业文档处理库，而是直接基于微软开源的 OpenXML SDK 构建了完整的文档操作引擎。这意味着： + +- ✅ 完全开源，无许可费 +- ✅ 可以深度定制每一层行为 +- ⚠️ 需要自己处理 Office 格式的所有复杂性 +- ⚠️ 13.8 万行代码的维护压力 + +总共只有 3 个 NuGet 依赖： +- `DocumentFormat.OpenXml 3.4.1` — 微软 OpenXML SDK +- `OpenMcdf 3.1.3` — OLE 复合文档（处理旧格式 .doc/.xls） +- `System.CommandLine 3.0.0-preview` — CLI 框架 + +依赖极简，是一个非常刻意的设计选择。 + +**2. 三层抽象架构** + +| 层级 | 命令 | 适合场景 | +|------|------|---------| +| L1 语义层 | `view`（text/annotated/outline/stats/issues） | AI 快速理解文档 | +| L2 DOM 层 | `get/query/set/add/remove/move/swap` | 结构化编辑 | +| L3 XML 层 | `raw/raw-set/add-part/validate` | 处理冷门功能 | + +这个分层非常聪明——AI Agent 日常用 L1+L2 就够了，遇到 L2 覆盖不到的功能可以降级到 L3 直接操作 XML。相当于给了 AI 一个"逃生舱"。 + +**3. 驻留进程（Resident Mode）** + +通过**命名管道（Named Pipe）**实现常驻进程模式： + +- 文档只打开/解析一次，后续操作直接在内存中执行 +- 两种模式：自动启动（60 秒空闲退出）和显式 open/close（12 分钟空闲退出） +- 并发安全，支持多个 AI Agent 同时操作不同文档 + +这解决了 CLI 工具的固有性能问题——每次执行命令都要加载 .NET 运行时 + 解析文件，驻留模式把这个开销摊薄到近乎零。 + +**4. 单二进制分发** + +通过 .NET 的 `PublishSingleFile + SelfContained + PublishTrimmed` 编译为单文件二进制： +- 内嵌 .NET 运行时，无需用户安装任何依赖 +- Skills、Schemas、CSS/JS 资源全部作为 `EmbeddedResource` 打入二进制 +- 支持 8 个平台目标（macOS/Linux/Windows × ARM64/x64，Linux 还有 musl 版本） + +对 AI Agent 来说，`curl | sh` 一行安装，立即可用。 + +**5. AI 技能系统** + +`skills/` 目录包含 12 个技能包，每个包含 `SKILL.md` + 参考文件： + +| 技能 | 用途 | +|------|------| +| officecli-docx | Word 文档操作指南 | +| officecli-xlsx | Excel 操作指南 | +| officecli-pptx | PPT 操作指南 | +| morph-ppt | PPT Morph 动画 | +| morph-ppt-3d | 3D Morph 效果 | +| officecli-academic-paper | 学术论文模板 | +| officecli-data-dashboard | 数据仪表板 | +| officecli-financial-model | 财务模型 | +| officecli-pitch-deck | 商业路演 PPT | +| officecli-word-form | Word 表单 | + +`schemas/help/` 目录是 JSON Schema 驱动的帮助系统——运行时从内嵌资源加载，AI 可以查询任何命令的参数说明。 + +### 代码质量观察 + +**优点**： +- 架构层次分明，`IDocumentHandler` 接口统一了三种格式的操作 +- 代码注释包含设计决策理由（不只是"做了什么"还有"为什么这样做"） +- 错误处理完善——`SafeRun` 包装、友好的 XML 异常信息、JSON 错误信封 +- 跨平台细节考虑周到（Windows 句柄继承、macOS 代码签名、UTF-8 输出） + +**风险**： +- **零测试覆盖**——13.8 万行代码没有自动化测试，这是最大技术债务 +- 使用 `System.CommandLine` 的 preview 版本 +- Excel 处理器复杂度极高，大量 partial class 散布在多个文件中 +- 单人开发，bus factor = 1 + +--- + +## Aspose.Words MCP Server 技术分析 + +### 架构 + +``` +┌─────────────────────────────────────────────┐ +│ AI Agent（Claude 等） │ +├─────────────────────────────────────────────┤ +│ FastMCP（MCP 协议框架） │ +├─────────────────────────────────────────────┤ +│ mcp_server.py（70+ 工具注册） │ +│ ↓ tool_xxx() 辅助函数 │ +├─────────────────────────────────────────────┤ +│ core/ 模块 │ +│ ┌────────┬────────┬────────┬────────┐ │ +│ │content │tables │layout │export │ │ +│ │reading │styles │links │notes │ │ +│ │io │comments│watermarks│protection│ │ +│ └────────┴────────┴────────┴────────┘ │ +├─────────────────────────────────────────────┤ +│ Aspose.Words SDK（商业） │ +│ （闭源，需许可证或评估模式） │ +└─────────────────────────────────────────────┘ +``` + +### 核心设计决策 + +**1. 薄包装层设计** + +整个 MCP Server 本质上是 Aspose.Words SDK 的一层薄包装。核心逻辑不到 7000 行 Python，因为重活全部交给了 Aspose.Words 商业库。 + +三层调用链： +- MCP 工具函数（`@mcp.tool` 装饰器注册） +- `tool_xxx()` 辅助函数（可脱离 MCP 独立调用，方便测试） +- `core/` 模块（实际调用 Aspose.Words API） + +这种分离设计意味着换掉 MCP 协议层（比如改成 REST API），只需要改最外层。 + +**2. 文档存储模型** + +使用文件系统 + 内存映射： +- 每个文档用 UUID 标识，保存为 `.docx` 文件在 `./data` 目录 +- `DocumentStore` 是线程安全的内存字典，维护 doc_id → name 映射 +- 支持多文档同时打开和操作 + +这是一个简单但实用的设计——不需要数据库，重启后扫描 data 目录即可恢复状态。 + +**3. 依赖商业 SDK** + +核心依赖 `aspose-words>=26.4.0`（商业库）。这决定了： +- ✅ 文档处理能力经过 20 年打磨，格式兼容性极强 +- ✅ 代码量小，维护负担低 +- ⚠️ 无许可证时有评估限制（水印、页数限制） +- ⚠️ 只覆盖 Word 格式（Excel 有独立的 Aspose.Cells MCP Server） + +**4. 安全考虑** + +- 正则表达式查找替换有安全验证，防止 ReDoS 攻击 +- 文档保护功能支持加密和编辑范围限制 +- 有 `AGENTS.md` 规范 AI Agent 的编码行为 + +### 70+ 工具清单 + +MCP Server 注册了约 70 个工具，覆盖 Word 文档的几乎所有操作： + +| 类别 | 工具数 | 能力 | +|------|--------|------| +| 文档管理 | ~8 | 创建、复制、删除、合并、列表、导入 | +| 内容编辑 | ~10 | 插入文本/标题/段落/HTML/Markdown、查找替换 | +| 表格 | ~8 | 创建、合并单元格、着色、对齐、列宽 | +| 页面布局 | ~8 | 边距、方向、纸张、分栏、分节符、页眉页脚 | +| 样式格式 | ~6 | 自定义样式、文本格式化、列表 | +| 链接注释 | ~8 | 书签、超链接、批注、脚注、尾注 | +| 水印保护 | ~5 | 文字/图片水印、文档保护 | +| 导出读取 | ~10 | 多格式导出、页面渲染、段落读取、统计 | +| 属性 | ~4 | 标题、作者、关键词等文档元数据 | + +### 代码质量观察 + +**优点**： +- 分层清晰，MCP 层 / 工具层 / 核心层职责分明 +- 有测试覆盖（10 个测试文件，含单元测试和功能测试） +- 使用 Ruff 进行代码格式化和 lint +- 版本号与 Aspose.Words SDK 对齐（26.4.0） + +**不足**： +- `mcp_server.py` 单文件 1758 行，70+ 个工具注册在同一个函数里，可读性差 +- 每个工具都是对 `tool_xxx()` 的简单包装，存在大量重复模式 +- 仅覆盖 Word——Excel 和 PPT 需要独立的 MCP Server + +### Aspose 的 AI 开源生态 + +| 仓库 | 说明 | +|------|------| +| aspose-words/Aspose.Words-MCP-Server | Word MCP Server（Python） | +| aspose-cells/Aspose.Cells-MCP | Excel MCP Server（TypeScript） | +| aspose-words/agentic-net-examples | AI 验证的 C# 示例 | +| aspose-cells/agentic-net-examples | AI 验证的 C# 示例 | +| aspose-words/Aspose.Words-for-MarkItDown | 文档转 Markdown 插件 | +| aspose-words/Aspose.Words-for-Docling | 文档转 DoclingDocument 插件 | + +模式很统一：每个产品线 = MCP Server + Agentic 示例 + 生态插件。 + +--- + +## 核心差异对比 + +### 技术栈对比 + +| 维度 | OfficeCLI | Aspose MCP Server | +|------|-----------|-------------------| +| 语言 | C# (.NET 10) | Python | +| 代码量 | 137,827 行 | ~6,628 行 | +| 文档引擎 | 自研（基于 OpenXML SDK） | 商业 SDK（Aspose.Words） | +| 外部依赖 | 3 个 NuGet 包 | 2 个 pip 包 | +| 分发方式 | 单二进制，零依赖 | pip install，需 Python 环境 | +| 测试 | 无 | 有（10 个测试文件） | +| 格式覆盖 | docx + xlsx + pptx | 仅 docx | +| AI 接口 | CLI + MCP | 仅 MCP | +| 许可证 | Apache 2.0（完全免费） | MIT（Server），商业（SDK） | + +### 架构哲学对比 + +| 维度 | OfficeCLI | Aspose MCP Server | +|------|-----------|-------------------| +| 引擎策略 | 自研 13.8 万行 | 包装商业 SDK | +| 设计目标 | AI Agent 的通用 Office 工具 | Aspose 生态的 AI 入口 | +| 性能优化 | 驻留进程 + 批处理 + 实时预览 | 文件级操作，无常驻优化 | +| 抽象层次 | 三层（语义/DOM/XML） | 单层（70+ 扁平工具） | +| 扩展性 | 通过 L3 XML 层"逃生" | 受限于 SDK 暴露的能力 | +| 生态集成 | SKILL.md 技能系统 | MCP 协议标准 | + +### 能力覆盖对比 + +| 能力 | OfficeCLI | Aspose MCP | +|------|-----------|------------| +| Word 基础编辑 | ✅ | ✅ | +| Word 高级功能（表单、内容控件、OLE） | ✅ | 部分 | +| Excel 操作 | ✅（150+ 函数、透视表、图表） | ❌ | +| PPT 操作 | ✅（Morph、3D、动画） | ❌ | +| 文档格式转换 | 有限（同格式内操作） | ✅（docx→pdf/png/html） | +| 内置 AI 能力 | ❌ | ❌（Server 层无，SDK 有） | +| i18n / RTL | ✅ | ✅（SDK 层） | +| 实时预览 | ✅（Watch Mode + HTTP 服务器） | ❌ | + +--- + +## 适用场景分析 + +### OfficeCLI 最适合的场景 + +1. **AI 编辑器集成**（Claude Code、Cursor、Windsurf） + - 原因：CLI 是最自然的集成方式，无需配置 MCP 客户端 + - SKILL.md 让 AI 零学习成本上手 + +2. **需要同时操作 Word + Excel + PPT** + - 原因：一个工具覆盖三种格式，Aspose 需要三个独立 Server + +3. **对成本敏感的团队** + - 原因：完全免费开源，Aspose SDK 起价 $1,199 + +4. **需要交互式文档编辑** + - 原因：Watch Mode 实时预览 + Resident Mode 高性能，适合"边做边看" + +5. **PPT 制作场景** + - 原因：PPT 是 OfficeCLI 的强项（Morph、3D、动画），Aspose MCP 不覆盖 + +### Aspose MCP Server 最适合的场景 + +1. **企业级 Word 文档自动化** + - 原因：Aspose.Words 20 年积累的格式兼容性远超 OpenXML SDK 直接操作 + +2. **需要格式转换**（docx → pdf / png / html） + - 原因：Aspose 的渲染引擎是核心优势，OfficeCLI 不覆盖 + +3. **已有 Aspose 许可证的团队** + - 原因：MCP Server 是免费的，只需要已有的 SDK 许可证 + +4. **对文档正确性要求极高** + - 原因：商业 SDK 经过大量企业验证，边缘情况覆盖更全 + +5. **需要内置 AI 能力**（摘要、翻译、语法检查） + - 原因：通过 Aspose.Words SDK 可直接调用 LLM 处理文档 + +--- + +## 风险评估 + +### OfficeCLI 的风险 + +| 风险 | 严重程度 | 说明 | +|------|---------|------| +| 零测试覆盖 | 🔴 高 | 13.8 万行代码无自动化测试，格式兼容性靠手动验证 | +| 单人开发 | 🔴 高 | 核心开发者 1 人，bus factor = 1 | +| Office 格式复杂性 | 🟡 中 | OpenXML 规范极其庞大，边缘情况无穷，小团队难以穷举 | +| .NET preview 依赖 | 🟡 中 | System.CommandLine 仍是预览版 | +| 商业模式缺失 | 🟡 中 | 纯开源无收入，长期可持续性存疑 | + +### Aspose MCP Server 的风险 + +| 风险 | 严重程度 | 说明 | +|------|---------|------| +| 商业 SDK 锁定 | 🟡 中 | 核心能力依赖闭源商业库，价格由 Aspose 决定 | +| 仅覆盖 Word | 🟡 中 | Excel/PPT 需要独立 Server，集成复杂度高 | +| 代码组织 | 🟢 低 | 1758 行单文件可读性差，但功能正确 | +| MCP 生态成熟度 | 🟡 中 | MCP 协议仍在早期，标准可能变化 | + +--- + +## 总结 + +### 两种路线的本质差异 + +``` +OfficeCLI 路线： + 自研引擎 → 掌控一切 → 代码量大 → 维护压力大 → 但完全自由 + +Aspose 路线： + 包装 SDK → 站在巨人肩上 → 代码量小 → 受制于人 → 但质量有保障 +``` + +这是一个经典的"自研 vs 集成"权衡： + +- OfficeCLI 选择了**自由但艰难**的路——13.8 万行代码、零测试、单人维护，但不依赖任何商业组件 +- Aspose 选择了**省力但受限**的路——6600 行代码、有测试、成熟 SDK，但被锁定在商业生态中 + +### 给技术选型的建议 + +- **如果你是 AI Agent 开发者，想快速给 Agent 加上 Office 能力** → OfficeCLI。一行安装、CLI 直接调用、免费开源 +- **如果你是企业，需要在生产环境中处理大量 Word 文档** → Aspose。格式兼容性、稳定性、技术支持都更可靠 +- **如果你需要做 PPT 或 Excel** → OfficeCLI 是目前唯一选择（Aspose Cells MCP Server 存在但较新） +- **如果你需要 docx → pdf 转换** → Aspose。OfficeCLI 不做渲染 + +### 行业趋势判断 + +OfficeCLI 代表的"CLI-first AI 工具"范式正在兴起——工具不再为人类设计 GUI，而是为 AI Agent 设计命令行接口。这个趋势如果持续，**未来每个生产力软件都需要一个"AI Agent 接口"**，无论是 CLI、MCP 还是其他协议。 + +Aspose 代表的"传统软件 + AI 层"范式则更稳健——不颠覆已有架构，在成熟产品上叠加 AI 能力。风险低但想象空间有限。 + +两条路线未必会合一。更可能的结局是：OfficeCLI 类工具成为 AI Agent 的"默认手"（轻量、快速、免费），Aspose 类产品在需要高保真渲染和企业级兼容性时被调用。