用Python自动化生成人工智能AI产业链全景图Word文档

简介《人工智能AI产业链全景图》是一份16页的行业研究文档面向人工智能从业者、投资者与产业研究人员帮助读者快速建立对AI产业链的整体认知。文件包内仅含1个docx文档压缩后大小约1.19MB结构完整、便于阅读和标注。报告从产业架构图切入依次拆解基础层的AI芯片、算力基础设施与大数据服务技术层的算法、语音和视觉技术以及应用层的安防、医疗、家居和金融等“AI”场景同时给出2020年核心产业市场规模超1600亿元、带动相关产业超万亿元的预判并提及海天瑞声、科大讯飞、虹软科技等代表企业帮助读者结合具体案例理解各环节价值。目前已有6465人学习下载可作为人工智能产业链分析、赛道梳理及投资研究的基础资料。1. 人工智能AI产业链全景图docx 不是画图是把链条结构做成可检索文档在交付产业研究报告、投标方案或技术规划时“人工智能AI产业链全景图”这个大标题出现频率极高。多数人第一反应是打开作图工具拉出上游、中游、下游几十个节点和几百条连线导出一张长图放进PPT。问题在于图好看但难改评审会上一旦出现把数据要素挪到上游、新增AI Agent工具链这种调整整张图的重绘成本就跑不掉并且最终落地的交付格式通常就是Word文件不是脑图工程文件。我习惯直接把全景图做成docx多级标题承担层级结构表格承担节点属性段落承担趋势判断编号承担交叉引用。第一次成稿的速度未必比画图快但后续每次修订都是改数据而不是重画盘子。内容面向产业研究员、方案架构师和AI产品经理讲从建模到用脚本生成、持续更新docx的完整做法。2. 人工智能AI产业链全景图的建模三层切片与节点属性做产业链全景图docx第一步不是打开编辑器而是先定义结构。只有把“AI产业链”从一句口号切成一棵能被Word大纲识别的标题树后续生成脚本才能顺畅。2.1 上游算力、中游大模型、下游AI应用开发先定切层最常见的划分方式是上游、中游、下游三层这一分层天然适合作为docx的3个一级章节。上游是基础设施包含AI芯片、GPU服务器、智算中心、数据中心运维、数据采集、数据标注、向量数据库以及现在被频繁提及的AI Infra层。凡是“不直接面向业务使用方、但为训练与推理提供供给能力”的环节都归到上游。中游以AI大模型与工具链为主包括基础大模型、行业大模型、训练微调框架、推理引擎、模型评估与安全治理以及近一年在交付项目里出现频率很高的AI Agent框架。AI Agent本身不是模型但它消耗模型又为下游应用提供带记忆、带规划的工具壳放在中游工具链比放在下游应用更符合依赖关系。下游是AI应用开发与场景交付如办公助手、智能客服、医疗、金融、教育垂直方案以及AI视频、AI短剧这类AIGC生产工具。切层的判断标准只有一条这个环节被谁消费。被模型训练消费的算力和数据在上游被应用调度消费的模型和Agent框架在中游直接交给终端业务使用的在下游。2.2 节点定义名称、环节、输入、交付件层定完之后每一层内部要拆节点。产业链图的基本单位不是公司而是可采购或可交付的对象比如AI芯片、训练数据集、模型评估服务。把单位定成交付对象文档时效性会更长某个厂商改名或退出只换名称不动结构。我常用的节点字段如下字段说明示例取值节点编号供正文引用和后续更新定位N2-U-012节点名称可采购或可交付的对象大模型推理服务所属环节上游、中游、下游中游主要输入该节点运行所依赖的资源模型权重、推理算力交付形态对外提供产品和服务的方式API、私有化本地部署依赖节点上游依赖的其他节点编号N1-C-008字段数量宜少不宜多。超过六个维护的人就会想着把字段写成附录而不是正文结构少于三个又表达不清依赖和交付形态。这里最容易被忽略的是节点编号在PPT里编号可有可无在docx里正文一句话要提到多个节点一套稳定编号才能保证跨章节引用可以搜索、可以跳转。2.3 依赖关系在docx里的两种表达在docx里做链路图不意味着必须画箭头。节点少于15个时直接放依赖列表读起来比看图更快N2-U-012 大模型推理服务 上游依赖N1-C-008 推理算力N1-D-003 模型权重 交付对象N3-A-041 智能客服应用这组文本用等宽字体放进正文既保留产业链“图”的观感又方便在Word里全文搜索。节点超过15个时改用表格表达每一行都带“依赖节点”字段并在各层小结处写一段本层主要依赖关系。两条路都避免在Word里手工画线。真正用于概览的完整全景图可以另外用graphviz生成静态图片插入但图片只负责概览细节永远以文字和表格为准。这样选的原因很直接Word长文档的维护瓶颈不在输入而在查找差异文本可以diff图片永远不能diff。2.4 内容块映射从建模结构到docx大纲建模的最后一件事是把产业模型映射成Word内容块一级标题对应“上游、中游、下游”三个分层二级标题对应各层子环节如AI芯片与算力、数据要素、AI大模型、AI Agent工具链、行业应用每个二级标题下的正文是该子环节的趋势判断或风险提示每个二级标题后跟一张节点清单表格覆盖该环节的主要可交付对象。标题级别控制在三级以内Word导航窗格才会清晰。全链条结构在这些标题里能一眼看出来谁是主干、谁是新出现分支、哪一层节点数量异常膨胀。用户最终在Word里看到的往往就是一级章标题、二级节标题和每节末尾的表格这一段编排决定了全景图分层到底站不站得住。3. 用Python生成人工智能AI产业链全景图docx的核心模板结构定好之后剩下的问题就是怎么稳定地把结构写进docx。这里用Python和python-docx。3.1 选型python-docx 与手动排版的取舍从零做产业链全景docx有三条路手工在Word或WPS里排版用对话式AI生成文本再粘贴用脚本生成框架再手工润色。对结构稳定、内容长期迭代的文档我一般直接选python-docx做框架理由很简单表格、标题层级、编号、目录域都能用代码控制全文级别的一致性不会因为修改次数增加而崩坏。脚本交付后后续改节点只是改数据文件。手工排版更适合成稿后的局部润色不适合包办结构性修订。3.2 最小骨架脚本页面、标题与目录域先跑通一个能产出有效docx的最小脚本后续内容都基于这个文件追加from docx import Document from docx.shared import Pt, Cm from docx.oxml.ns import qn doc Document() # 页面设置A4页边距 2.5cm sec doc.sections[0] sec.page_width Cm(21) sec.page_height Cm(29.7) sec.left_margin Cm(2.5) sec.right_margin Cm(2.5) # 正文字体西文 Times New Roman中文宋体 style doc.styles[Normal] style.font.name Times New Roman style.font.size Pt(12) style._element.rPr.rFonts.set(qn(w:eastAsia), 宋体) # 顶层标题 doc.add_heading(人工智能AI产业链全景图修订版, level0) # 插入目录域Word 打开后按 F9 刷新 p doc.add_paragraph() run p.add_run() fld_begin run._r.get_or_add_fldChar() fld_begin.set(qn(w:fldCharType), begin) run2 p.add_run() instr run2._r.get_or_add_instrText() instr.set(qn(xml:space), preserve) instr.text TOC \\o 1-3 \\h \\z \\u run3 p.add_run() fld_sep run3._r.get_or_add_fldChar() fld_sep.set(qn(w:fldCharType), separate) p.add_run(请在Word中全选后按F9更新时间) run4 p.add_run() fld_end run4._r.get_or_add_fldChar() fld_end.set(qn(w:fldCharType), end) doc.save(ai_industry_panorama.docx)这段代码做的事情可以拆成三块。页面设置把节宽度改成A4并把左右上边距设为2.5cm保证后续表格宽度可以按16cm反推列宽而不是按默认Letter纸张算。字体部分同时设置西文字体和eastAsia中文映射只改font.name会在Word里出现西文生效、中文不变的奇怪状态。目录域通过底层XML写入TOC字段指令\o 1-3表示收录大纲级别1到3的标题\u开启超链接索引\z控制页号python-docx本身不渲染目录内容必须由Word或WPS在打开后刷新计算。如果生成的docx打开发现目录空白按F9刷新不是补充操作而是必需的步骤。提示python-docx 写入的目录是域占位不是已经排好的文字目录任何自动目录都必须由 Office 软件打开后重新计算。3.3 从节点数据文件渲染表格节点数据放JSON里字段顺序和上面建模保持一致{ layers: [ { name: 上游, note: 为训练与推理提供算力和数据供给。, nodes: [ {id: N1-C-008, name: AI芯片, input: 晶圆代工, delivery: 算力资源, depends: }, {id: N1-D-003, name: 训练数据集, input: 原始语料, delivery: 清洗后数据集, depends: } ] } ] }配套渲染函数def render_node_table(doc, nodes): table doc.add_table(rows1, cols5) table.style Light Grid Accent 1 headers [节点编号, 节点名称, 主要输入, 交付形态, 依赖节点] for i, name in enumerate(headers): table.rows[0].cells[i].text name for node in nodes: row table.add_row().cells row[0].text node[id] row[1].text node[name] row[2].text node[input] row[3].text node[delivery] row[4].text node.get(depends, ) return table这段渲染逻辑不复杂但有两个参数值得注意。table.style Light Grid Accent 1指定Word内置表格样式决定表格是否自带边框如果换到无边框样式打印出来会看不清表格线。rows1表示先建表头行add_row()每次按当前总列数补齐单元格所以表头定义多少列后面循环写入时下标就不会越界。依赖字段可以直接填逗号分隔的编号串例如N1-C-008,N1-D-003不要在单元格里塞换行搜索和筛选都会麻烦。3.4 按层循环追加标题与表格顺着一份JSON把整份正文串起来import json with open(ai_chain.json, encodingutf-8) as f: data json.load(f) for layer in data[layers]: doc.add_heading(layer[name], level1) doc.add_paragraph(layer[note]) render_node_table(doc, layer[nodes]) doc.add_page_break()每个大循环做三件事写一级标题、写层说明、渲染节点表格然后分页。文档结构上上游、中游、下游各自独立成章目录展开后可以直接跳到具体环节。这里要注意add_page_break插在每层结尾不是开头否则第一页会先出现一个空行再进入层标题成品文档会多出一张白纸。到这里基础脚本已经能产出一份含封面标题、目录域、三层节点表格的docx剩余的问题集中在排版细节和兼容性上。4. 产业链全景图docx的排版参数与兼容性坑点脚本跑通只完成一半。真正常见的翻车现场是表格跑版、中文变成方块字、目录刷新后页码对不上。这一章把这些参数讲透。4.1 中文字体设置只改 font.name 不够python-docx里写style.font.name 黑体只更改w:rFonts的ascii和hAnsi属性。对中文字符Word实际查找的是w:eastAsia属性。如果构造样式时只设置了font.name文档在Windows上可能显示默认宋体换到macOS又变成苹方字体完全失控。正确写法是from docx.oxml.ns import qn style.font.name 黑体 style._element.rPr.rFonts.set(qn(w:eastAsia), 黑体)前提是style._element.rPr不为空python-docx内置的Normal样式已经创建好rPr所以可以直接写。这句话不是偏门写法而是所有中文本地化docx都要补的一步。为了避免标题和正文字体来回切换常见做法是把字体配置封装成一个公用函数标题统一用黑体或思源黑体正文统一用宋体或仿宋。4.2 列宽、合并单元格与重复表头的参数设置表格没有指定列宽时Word会按内容自适应。产业链表格里“依赖节点”内容长短不一一旦长内容把某一列撑开表格就会超出页边界。手动控列宽的套路是列宽和单元格宽度都要写from docx.shared import Cm table.autofit False widths [Cm(2.5), Cm(3.5), Cm(3), Cm(3.5), Cm(3.5)] for col, w in zip(table.columns, widths): col.width w for row in table.rows: for cell, w in zip(row.cells, widths): cell.width wautofitFalse关闭Word的自动列宽列宽才可控。每个单元格重复赋值的原因在于Word表格中tblGrid描述列网格tcPr描述单个单元格宽度两者不一致时Word通常认单元格的tcPr。全部写一遍比只设置一端更稳。表头跨页是另一个高频问题。一个环节下节点超过20个会自动分页第二页默认不显示表头阅读时还要翻回去。给表头行加重复属性from docx.oxml import OxmlElement from docx.oxml.ns import qn def repeat_header(row): trPr row._tr.get_or_add_trPr() el OxmlElement(w:tblHeader) el.set(qn(w:val), true) trPr.append(el)这里直接对Word表格行属性注入一行XML标记tblHeader表示该行在每一页开头重复。上游层节点多、备注文字长重复表头可以让分页后的表格保持可读打印核对也能省不少时间。单元格合并也经常用到比如表头的“所属环节”跨两列或者把层名作为纵向合并单元格放在表格首列。python-docx中直接调用merged table.cell(1, 0).merge(table.cell(2, 0)) merged.text 算力与数据merge方法横向纵向通用传入相邻单元格即可。合并之后再写文本因为原来两个单元格的内容会被清空所以流程是先合并后填内容。注意合并单元格前先确认两个单元格没有被重复写入内容否则被合并的部分会静默丢数据。4.3 Word与WPS打开docx的差异与修复思路产业链全景图docx经常要在两套办公软件间流转。脚本生成的docx理论上兼容实际会遇到三类差异。第一是目录域更新方式不同。Word里全选后按F9WPS里需要在目录区域右键选择“更新目录”菜单路径随版本略有差异。差异不影响文件本身但第一次换环境时一定要确认对方用的是哪个软件。第二是字体渲染差异。WPS对部分中文字体会回退处理比如思源黑体在没有安装字体的机器上会退回默认宋体。对外交付时我会把正文字体固定成宋体、标题固定成黑体这两种字体在Windows系办公环境里存在率最高。第三是文件关联混乱。有时电脑上出现“WPS不能默认新建docx”实际是docx被其它阅读器或者旧版Office抢占了文件关联。常见做法是重新选择打开方式并勾选“始终使用此应用”或者在系统默认应用设置里调整。这一层问题不是脚本能解决的交付文档时要提醒对方先确认打开文件的是哪个软件很多格式跑版最后查下来都是打开软件不对。4.4 插入全链图时的图片尺寸参数如果还需要一张PNG格式的全链总览图注意尺寸doc.add_picture(panorama.png, widthCm(16))16cm是A4纸在2.5cm边距下的正文宽度。图片宽度超过16.5cm右边缘就会溢出页面。图片后面建议加题注写成“图1-1 人工智能AI产业链全景总览”正文里才能写“见图1-1”。图片不要和表格强拼在同一页放不下的图应与上一章表格分页保证导航窗格的标题结构不被图片撑乱。5. 数据驱动维护产业链全景图docx的实用技巧5.1 把产业链节点改到JSON里不改docx原文维护全景图的核心不是打开Word而是编辑JSON。每个节点在数据文件里就是一行记录更新只动对应字段即可。这带来两个实际好处一是可以进git版本管理能看出哪个节点在什么时间点被谁改过二是可以配合脚本做批量校验检查节点编号是否重复、依赖节点是否存在这些检查在手工排版里几乎不可能做。5.2 跑完脚本后的关键校验参数每次生成完用三个维度验证就能拦住大部分问题打开导航窗格应只出现上游、中游、下游以及少量二级子环节标题标题级别超过3级就是拆得过细需要回数据文件合并节点。全选后按F9刷新目录对照目录页码和实际页码是否一致不一致通常是表格或图片被分页挤过需要调整分页符位置。转成PDF预览检查表格线若表格宽过页边距回4.2节缩小列宽参数重新生成。这三步能覆盖90%的交付事故剩下的都是文字内容问题。5.3 用AI编程提示词直接生成维护脚本维护脚本不一定要全部手敲。可以把这个提示词给AI编程助手基于python-docx读取ai_chain.json生成docx一级标题对应layers数组中的name每个节点生成一行表格记录列顺序为节点编号、节点名称、主要输入、交付形态、依赖节点并设置中文字体为宋体。生成后再套上最小骨架脚本验证一遍。这里要专门提醒AI补上qn(w:eastAsia)很多生成结果默认只设置font.name中文环境直接踩字体坑。5.4 文档标题与版本号控制最后在JSON顶层加一个version字段生成时读出来写进封面标题下方。比如“版本V2.3更新于2025年某月”。这样每次修订都能对上交付版本不会出现好几份内容不同的“产业链全景图docx”但文件名完全相同的混乱。每次只需要改JSON和版本号脚本会输出一份新的、包含完整目录结构的三层产业链全景图docx直接可以用于汇报和交付。本文还有配套的精品资源点击获取