Codex 辅助文字办公太强了

背景

在日常办公中，处理超大规模文档（如十万字级别、上百页且包含多个复杂表格的 Word 报告）时的质量检查是一项极其耗时且容易遗漏的工作。传统的人工逐页校对不仅效率低下，面对逻辑性错误（如数值计算矛盾、数据填反、跨上下文格式不一致）时更是难以发现。随着大语言模型（LLM）与 Agent 工具（如 Codex、Claude Code）的成熟，其在代码领域的能力已获广泛认可，但在文字办公场景下的实战效果仍缺乏系统验证。在此背景下，一位用户在 LINUX DO 论坛分享了一次使用 Codex（gpt-5.6-sol）进行长文档错误检测的真实经历，揭示了 AI 在非代码领域的惊人潜力。

核心内容

用户需要人工检查一份十万字级别、上百页且包含多个复杂表格的 Word 报告中的错误。由于文档规模巨大，传统人工方式预计需要数天且难以保证查出明显错误。于是用户尝试使用 Codex（gpt-5.6-sol）进行辅助检查。在短短半小时内，Codex 找出了几十个错误，涵盖以下类型：

1. 简单错误：错别字、符号使用不当等常规问题。
2. 逻辑错误：例如某处数值本应除以 264，却被写成了除以 104，而 104 恰好是上一行表格中的内容——Codex 能根据上下文推理出这个错误及其产生原因。
3. 数据填反：报告中有两段数据被整体互换填错，Codex 也成功识别。
4. 跨长上下文的格式问题：跨越较长篇幅的格式不一致也能被检出。

用户进一步将 Codex 应用于论文检查，包括北大核心期刊级别的论文，同样发现多处问题。作者强调，自己只试用了 Codex，但推测其他类似 Agent 应用也应具备相近能力。同时指出，目前 Codex、Claude Code 等工具主要面向代码领域，在文字办公场景的使用尚不广泛，并期待未来能出现专门针对办公领域特化的 AI 应用。

关键要点

• 效率大幅提升：人工需要数天的检查工作量，Codex 仅用半小时即完成，且发现错误数量远超人工预期。
• 错误检测类型丰富：不仅限于错别字、符号等表层错误，还能基于上下文识别数值逻辑错误、数据填反、跨段落格式问题等深层缺陷。
• 推理能力突出：Codex 能根据表格上下文推理出错误成因（如“除以104”是因为使用了上一行数值），展示了因果推断能力。
• 适用范围扩展：从商业报告延伸到学术论文（包括北大核心期刊），均能检出问题，说明其通用性。
• 与代码工具的特性差异：Codex、Claude Code 本质是为代码场景设计，但文字办公场景同样适用，且效果显著。
• 未来展望：当前专门办公领域的 AI 应用尚属空白，用户期待出现针对性优化产品。

意义与影响

此次实践表明，基于大模型的 Agent 工具（如 Codex）已具备超越传统拼写检查的深度文档审校能力。其对逻辑错误的推理能力，意味着 AI 可在合规审计、学术审稿、报告质检等场景中担任重要的“第二校对员”，显著降低人力成本并提升准确性。该经验也揭示了通用代码 Agent 在跨领域应用中的巨大潜力——即使未针对办公场景优化，其基础能力仍可高效解决真实文本问题。这将对文档质量管理流程产生深远影响：未来企业可能将 AI Agent 作为标准质检环节，而高校及科研机构也可利用其辅助论文自查，减少低级错误。同时，用户呼吁的“办公领域特化 AI 应用”或许会加速发展，催生集成长文档理解、表格解析、跨段推理等功能的一体化工具，进一步促进文字办公自动化。