从浏览器插件到本机 Agent：文档 AI 三年形态演进

前几天整理浏览器翻出一个 2023 年装的文档 AI 插件已经吃灰两年多。从浏览器插件到今天跑在本机的 MCP 智能体文档 AI 这三年换了三种形态。这篇不聊参数聊形态把三种形态的差别盘一遍顺便说说为什么 2026 年这个节点本机 Agent 这一步走得关键。形态一浏览器插件/网页侧边栏复制粘贴时代最早的用法大家都熟正文复制出去粘进网页或插件AI 改完再粘回来。三个硬伤一是数据出域整篇文档发到云端敏感材料根本不敢碰二是格式全丢表格、批注、编号体系一粘就没改完还得人工恢复排版三是改不了写回这一步AI 输出的是一段文本落回文档靠人肉搬运。这个形态解决了能不能没解决敢不敢和累不累。形态二办公软件加载项AI 住进文档里第二阶段AI 以加载项形态进驻 WPS。以察元AI文档助手为例装好后在 WPS 文字里直接用29 个内置助手覆盖拼写语法、摘要、翻译、保密检查、AI 痕迹检查这些高频活选中一段文字右键就能跑写回有八式——插入到光标处、替换、添加批注、批注加替换等等AI 的产出直接落进文档格式和锚点都保得住。内置助手的覆盖面比想象中宽保密检查能提示密级标识、涉军涉装、联系方式这类风险点AI 痕迹检查保守评估文本的机器味表单智能提取能从合同、公文里抽字段输出 JSON。还有一批批量能力——表格批量处理、图像批量处理、清理未使用样式这类文档级杂活都是插件时代想都不敢想的操作。更关键的是模型侧加载项支持配置 Ollama、LM Studio、Xinference 这些本机或内网端点推理不出机器数据安全不出域从口号变成了配置项。这一形态解决了敢不敢和累不累短板是能力边界固定——内置助手再多也覆盖不了每个人的奇怪流程。形态三本机 Agent文档变成可编程对象第三步是 MCP 把文档彻底 API 化。察元的 sidecar 服务跑在http://127.0.0.1:62588/mcp46 个文档工具对外输出Claude Code、Codex CLI、Cursor 这些外部智能体接上之后读正文、圈错字、钉批注、插表格行列、多文档交叉校对全部变成可编排的动作。助手生态也跟着长了出来数千个察元助手可检索、可导出定义写 agent 时不必事事从零造轮子。安全上有三道闸dryRun 默认只出问题清单写操作要显式 confirmed锚点校验对不上就报LOCATE_MISMATCH拒绝落盘。批量写回一次最多 200 个操作也是闸门之一。注册给 Claude Code 一行命令claude mcpadd--transporthttp chayuan-wps-mcp http://127.0.0.1:62588/mcpAI Agent 办公落地元年喊了一年多我理解的落地标志恰恰是这种文档变成智能体的操作对象——不是聊天窗口里多了一个文档话题而是智能体真的能在文档里动手且每一步动手都有校验和留痕。三形态对比一张表看清数据去哪形态一全文出域形态二可配本机模型不出域形态三工具链全程本机仅监听 127.0.0.1。写回能力形态一无形态二内置写回八式形态三 46 个工具任意编排。误操作防线形态一靠人眼形态二写回动作可选形态三 dryRun 加 confirmed 加锚点校验三层。可扩展性形态一和二能力固定形态三跟着外部智能体的能力一起涨。协同边界形态一和二都是单人单工具形态三里多个智能体可以并行干活靠锚点校验和 confirmed 闸门维持秩序团队审校场景里这是质变。边界与收尾要说清楚形态二和形态三不是替代关系。改个错别字、出个摘要内置助手点两下就完事犯不上开智能体跨文档交叉核对、批量流水线才轮到 Agent 出场。工具的演进史不是淘汰史是分工史。翻出那个旧插件那天我把它卸了不是它不好是这三年的问题清单早就换了下一页。