一位用户在Linux.do论坛分享使用AI生成Word文档的经历，引发关于大模型Token消耗成本的讨论。该用户通过Codex接入DeepSeek生成Word文档，排版和内容质量令人满意，但一份9000字、16页的文档在闲时时段消耗约一元费用，Token开销明显偏高。为控制成本，用户转而尝试千问办公，虽然生成质量有所下降，但每日免费积分基本能满足其不大的文档需求量。用户进而提出疑问：docx文档制作是否存在节省Token的方法，还是这类任务本身就容易让AI反复返工？AI的反馈是，docx文档格式极易出现问题，导致AI不得不反复修改、重复生成，从而放大Token消耗。该话题吸引了论坛多位用户参与讨论。这一现象揭示了AI办公应用落地中的现实问题：docx基于XML的复杂排版体系对大模型输出精度要求较高，格式校验失败引发的返工循环使实际成本远超内容生成本身所需，如何优化此类任务的Token效率正成为AI用户群体关注的焦点。
事件分析
技术上，docx本质是打包的XML文档集合，格式规范严格，大模型直接生成时易出现标签错位、样式失效等问题，触发多轮修复循环，Token消耗随之成倍放大。可行的优化路径包括先输出Markdown再经工具链转换、调用OpenXML SDK等结构化生成方案，或以模板约束输出格式。产业层面，该案例反映出AI办公场景的成本敏感度：单份文档一元的开销对个人尚可接受，但规模化应用下成本将迅速累积。千问等免费积分模式与Codex按量计费模式并存，显示国内AI办公市场的竞争焦点正从生成质量延伸至性价比。后续可关注厂商是否针对文档生成场景推出专门的格式优化与Token控制策略，以及Agent工作流与结构化输出工具的结合能否降低此类任务的返工率。
核心观点：AI文档生成的成本瓶颈不在写作而在格式，docx严格的排版规范迫使模型反复返工，结构化输出能力仍是大模型的短板。
原文链接：Linux.do
