辦公軟件這塊被 WPS 和 Office 的彈窗廣告、會(huì)員訂閱、隱私策略勸退過的人不在少數(shù)。想用 AI 寫文檔、改表格、潤色排版又不想被“AI 會(huì)員”二次收費(fèi)更不想去下載來路不明的破解版。這次我們就把目光放到 GitHub 上有沒有開源方案能組合出一套“干凈無廣告、數(shù)據(jù)可控、帶 AI 能力”的 Office 辦公套件先給結(jié)論這條路完全走得通。GitHub 上主流的開源辦公套件比如 LibreOffice、OnlyOffice基礎(chǔ)能力早已覆蓋 Word、Excel、PPT 的大部分日常使用場景。再加上開源的本地大模型服務(wù)比如 Ollama 或 vLLM就能給文檔和表格接上 AI 寫稿、潤色、翻譯、排版建議、公式生成這些能力。組合起來以后對標(biāo) WPS AI 一點(diǎn)不虛核心優(yōu)勢是免費(fèi)、無廣告、數(shù)據(jù)留在本機(jī)還能批量處理文檔。這篇文章會(huì)按實(shí)際部署順序展開先看這套組合的規(guī)格和適用邊界再講環(huán)境準(zhǔn)備、安裝啟動(dòng)、功能測試、接口 API、批量任務(wù)、資源占用和常見排錯(cuò)。如果你不想裝破解、又希望本地辦公套件具備 AI 能力建議先收藏備用。1. 核心能力速覽先給規(guī)格。下面的表格把整套組合的關(guān)鍵能力列清楚方便你快速判斷適不適合自己。能力項(xiàng)說明項(xiàng)目形態(tài)GitHub 開源辦公套件LibreOffice / OnlyOffice 等 開源本地大模型服務(wù)Ollama / vLLM 等組合主要功能文檔寫作、表格處理、演示文稿、PDF 轉(zhuǎn)換、AI 潤色改寫、內(nèi)容生成、批量格式轉(zhuǎn)換AI 能力獲取通過本地模型或任意 OpenAI 兼容 API 接入不需要依賴某個(gè)商業(yè)軟件的 AI 會(huì)員廣告情況開源套件本身無廣告不彈會(huì)員不強(qiáng)制登錄數(shù)據(jù)隱私本地部署時(shí)文檔和模型請求均在本機(jī)完成數(shù)據(jù)不出內(nèi)網(wǎng)硬件門檻辦公套件部分 CPU 即可本地 AI 模型建議 8G 以上內(nèi)存有 NVIDIA 獨(dú)顯體驗(yàn)更好顯存占用取決于模型參數(shù)規(guī)模和量化方式?jīng)]有固定值需按實(shí)際模型測試支持平臺(tái)Windows / Linux / macOS啟動(dòng)方式辦公套件圖形界面或命令行啟動(dòng)AI 服務(wù)通過命令行啟動(dòng)是否支持 API支持文檔轉(zhuǎn)換有命令行接口AI 層走 OpenAI 兼容接口是否支持批量任務(wù)支持可以批量轉(zhuǎn) PDF、批量潤色、批量生成表格數(shù)據(jù)適合場景個(gè)人辦公、小微企業(yè)、高校實(shí)驗(yàn)室、內(nèi)網(wǎng)文檔處理流水線如果你只想要一個(gè)“點(diǎn)擊就能用”的開箱即用整合包這套方案需要自己花半小時(shí)搭建但只要搭好一次后面無論是寫作、改表、批量轉(zhuǎn)格式都能復(fù)用。2. 適用場景與使用邊界2.1 這套組合適合誰第一類人是個(gè)人內(nèi)容創(chuàng)作者和辦公人員。每天要寫周報(bào)、方案、會(huì)議紀(jì)要手頭有大量 Word 和 Excel 文件受夠了廣告彈窗也不想把內(nèi)容傳到第三方平臺(tái)。把辦公套件和本地大模型裝在自己電腦上數(shù)據(jù)不出本機(jī)AI 潤色和改寫隨叫隨到。第二類是高校和科研團(tuán)隊(duì)。論文初稿潤色、實(shí)驗(yàn)數(shù)據(jù)整理、批量轉(zhuǎn)換 PDF、整理參考文獻(xiàn)摘要這些工作用開源工具加腳本非常好使而且完全符合學(xué)術(shù)場景對數(shù)據(jù)合規(guī)的要求。第三類是企業(yè)內(nèi)網(wǎng)用戶。內(nèi)網(wǎng)環(huán)境不能訪問外部 AI 服務(wù)也不允許裝商業(yè)辦公軟件的云功能。這時(shí)用開源辦公套件加內(nèi)網(wǎng)模型服務(wù)可以撐起一套基礎(chǔ)的“企業(yè)級 AI Office”。2.2 不適合什么場景如果你需要的是極致兼容微軟 Office 復(fù)雜宏、復(fù)雜排版、多人實(shí)時(shí)協(xié)同那 LibreOffice 這類開源套件在個(gè)別場景下仍不如原版 Office 順手OnlyOffice 的協(xié)同體驗(yàn)也和企業(yè)版商業(yè)軟件有差距。另外如果你完全不會(huì)命令行也不想看日志只想雙擊一個(gè) EXE 就得到全套 AI 功能那這套方案的上手成本可能超出預(yù)期。2.3 合規(guī)與安全邊界這里必須說清楚開源辦公套件不是“破解版”的替代品而是獨(dú)立的合法軟件。不要下載任何打著“WPS 破解版”“Office 免激活”旗號(hào)的來源不明安裝包更不要安裝來路不明的激活工具——這類東西捆綁廣告、竊取文檔、植入木馬的風(fēng)險(xiǎn)極高。GitHub 上正規(guī)開源項(xiàng)目的代碼和安裝包都是公開的但下載時(shí)也要認(rèn)準(zhǔn)官方倉庫和 release 頁面避免第三方轉(zhuǎn)存包被投毒。使用 AI 處理文檔時(shí)如果調(diào)用云端 API公司內(nèi)部文檔、客戶信息、個(gè)人隱私數(shù)據(jù)必須脫敏更穩(wěn)妥的做法是使用本地模型讓數(shù)據(jù)完全留在本機(jī)。另外AI 生成的內(nèi)容不能直接作為最終交付物尤其是合同、公文、論文、財(cái)務(wù)報(bào)表這類關(guān)鍵材料人工復(fù)核是必須的。3. 環(huán)境準(zhǔn)備與前置條件先列一份通用檢查清單具體版本以你的操作系統(tǒng)和所選項(xiàng)目為準(zhǔn)。準(zhǔn)備項(xiàng)說明操作系統(tǒng)Windows 10/11、Ubuntu 22.04/24.04、CentOS Stream、macOS 均可Python不需要裝辦公套件但如果做批量任務(wù)腳本建議 Python 3.10 以上辦公軟件LibreOffice 或 OnlyOffice 的桌面版 / 服務(wù)版本地大模型服務(wù)Ollama 或 vLLM用于提供 AI 接口模型文件根據(jù)你的硬件選擇參數(shù)規(guī)模常見 7B、14B 模型量化后體積從幾 GB 到十幾 GB 不等磁盤空間辦公套件約 1-2GB模型文件另算內(nèi)存辦公文檔處理要求不高本地推理建議 16GB 起步GPU可選NVIDIA 顯卡優(yōu)先用于本地大模型推理加速端口Ollama 默認(rèn) 11434自定義服務(wù)建議避開 80、443 等常用端口確認(rèn)環(huán)境時(shí)重點(diǎn)看兩件事第一你準(zhǔn)備跑多大的模型第二你的機(jī)器是 CPU 還是 GPU。這決定了 AI 能力是“能用”還是“好用”。4. 安裝部署與啟動(dòng)方式下面給出一個(gè)通用部署流程具體命令需要按你選擇的發(fā)行版和版本號(hào)微調(diào)。4.1 安裝辦公套件以 LibreOffice 為例在 Ubuntu / Debian 系系統(tǒng)上sudo apt update sudo apt install libreoffice在 CentOS / RHEL 系系統(tǒng)上sudo dnf install libreofficeWindows 用戶直接去 LibreOffice 官方網(wǎng)站下載安裝包一路點(diǎn)下一步即可。OnlyOffice 也可以從官網(wǎng)或 GitHub 倉庫的 release 頁面下載對應(yīng)平臺(tái)的安裝包。安裝完成后可以用命令行先驗(yàn)證一下核心轉(zhuǎn)換功能是否正常libreoffice --version如果看到版本號(hào)說明辦公套件已就緒。4.2 安裝本地大模型服務(wù)本地模型服務(wù)推薦先用 Ollama它把模型下載和 API 啟動(dòng)都封裝成了極簡命令對新手最友好。安裝腳本以官網(wǎng)為準(zhǔn)Linux 上是curl -fsSL https://ollama.com/install.sh | shWindows 和 macOS 可以直接下載安裝包。裝完后拉取一個(gè)通用中英文模型這里以 7B 參數(shù)的通用模型為例ollama pull qwen2.5:7b模型文件較大首次下載需要一段時(shí)間。下載完成后啟動(dòng)服務(wù)ollama serve默認(rèn)情況下Ollama 會(huì)在11434端口啟動(dòng)一個(gè)服務(wù)。看到類似Listening on 127.0.0.1:11434的日志本地 AI 服務(wù)就跑起來了。4.3 驗(yàn)證 AI 接口新開一個(gè)終端直接用 curl 測試接口curl http://localhost:11434/v1/chat/completions \ -H Content-Type: application/json \ -d { model: qwen2.5:7b, messages: [ {role: user, content: 用一句話介紹開源辦公套件} ] }返回內(nèi)容里包含choices和message字段說明接口可通。這個(gè)接口是 OpenAI 兼容格式后面寫文檔潤色腳本、接入辦公流程都會(huì)用到。4.4 Windows 下的啟動(dòng)注意點(diǎn)Windows 上最常見的坑是端口被占用或者 Ollama 服務(wù)沒有真正啟動(dòng)。建議在系統(tǒng)托盤或任務(wù)管理器里確認(rèn) Ollama 進(jìn)程是否存在如果端口沖突可以改端口set OLLAMA_HOST127.0.0.1:11435 ollama serve改完端口后所有腳本和 curl 測試中的地址也要同步修改。5. 功能測試與效果驗(yàn)證部署完成后不要急著直接處理重要文檔先按下面的測試流程把功能跑一遍確認(rèn)每個(gè)環(huán)節(jié)穩(wěn)定后再接入真實(shí)工作。5.1 文檔寫作測試測試目標(biāo)驗(yàn)證 AI 能根據(jù)主題自動(dòng)生成可編輯的文檔內(nèi)容。先寫一個(gè)最簡單的 Python 腳本調(diào)用本地模型生成一段周報(bào)# ai_office_demo.py import requests url http://localhost:11434/v1/chat/completions payload { model: qwen2.5:7b, messages: [ {role: system, content: 你是一個(gè)辦公助手輸出簡潔的中文周報(bào)。}, {role: user, content: 請寫一份關(guān)于開源辦公套件調(diào)研的本周工作進(jìn)展包含已完成、待辦、風(fēng)險(xiǎn)。} ], temperature: 0.3 } resp requests.post(url, jsonpayload, timeout300) content resp.json()[choices][0][message][content] print(content)運(yùn)行python ai_office_demo.py判斷標(biāo)準(zhǔn)能正常返回結(jié)構(gòu)化文字沒有報(bào)錯(cuò)內(nèi)容包含“已完成、待辦、風(fēng)險(xiǎn)”等關(guān)鍵要素文字通順不是生硬的關(guān)鍵詞堆砌。失敗排查如果請求超時(shí)看模型文件是否還在加載如果返回內(nèi)容為空先手動(dòng)運(yùn)行ollama run qwen2.5:7b確認(rèn)模型可用如果返回 404檢查接口地址是否寫成了/v1/chat/completions。5.2 文檔潤色與修改測試測試目標(biāo)驗(yàn)證 AI 能對已有文本做改寫、潤色、擴(kuò)寫或摘要。把上面的腳本擴(kuò)展成函數(shù)def refine_text(text: str, instruction: str 潤色使表達(dá)更正式) - str: url http://localhost:11434/v1/chat/completions payload { model: qwen2.5:7b, messages: [ {role: system, content: 你是資深文字編輯請根據(jù)指令處理用戶文本。}, {role: user, content: f{instruction}\n\n{text}} ], temperature: 0.2 } resp requests.post(url, jsonpayload, timeout300) return resp.json()[choices][0][message][content] test_text 我們今天測試了一下開源辦公軟件感覺還是可以用的雖然沒有廣告但功能要自己研究。 print(refine_text(test_text, 潤色使表達(dá)更正式并壓縮到50字以內(nèi)))常用指令模板“潤色使表達(dá)更正式”“改成小紅書風(fēng)格口語化”“提取要點(diǎn)不超過 5 條”“擴(kuò)寫補(bǔ)充數(shù)據(jù)支撐建議”“檢查錯(cuò)別字和病句”這些指令完全可以沉淀成模板后續(xù)在批量任務(wù)里復(fù)用。5.3 表格生成與公式測試測試目標(biāo)驗(yàn)證 AI 能生成表格數(shù)據(jù)并且能輸出可粘貼進(jìn) Excel 的內(nèi)容。提示詞示例生成一張 5 行 3 列的表格內(nèi)容是本周項(xiàng)目進(jìn)度情況列名分別是項(xiàng)目、進(jìn)度、備注。 輸出格式用 Markdown 表格。把返回內(nèi)容復(fù)制到編輯器里再粘貼到 LibreOffice Calc 或 OnlyOffice 表格中。也可以用 Python 的openpyxl直接把結(jié)果寫入 xlsx 文件import openpyxl wb openpyxl.Workbook() ws wb.active ws[A1] 項(xiàng)目 ws[B1] 進(jìn)度 ws[C1] 備注 rows [ [文檔模塊, 80%, 接口已通], [表格模塊, 50%, 公式測試中], [批量轉(zhuǎn)換, 30%, 待聯(lián)調(diào)], ] for r in rows: ws.append(r) wb.save(project_status.xlsx) print(已生成 project_status.xlsx)判斷標(biāo)準(zhǔn)xlsx 文件能正常打開中文不亂碼單元格內(nèi)容正確。5.4 排版與格式轉(zhuǎn)換測試測試目標(biāo)驗(yàn)證開源辦公套件的排版能力和轉(zhuǎn)換穩(wěn)定性。先用 LibreOffice 圖形界面打開一個(gè) docx 文檔調(diào)整標(biāo)題、字體、行距后保存。然后測試命令行批量轉(zhuǎn)換libreoffice --headless --convert-to pdf test.docx --outdir ./outputlibreoffice --headless --convert-to docx test.md --outdir ./output第二個(gè)命令需要先確認(rèn)系統(tǒng)里有對應(yīng)的 Writer 過濾器部分發(fā)行版需要額外安裝libreoffice-writer包。判斷標(biāo)準(zhǔn)PDF 輸出排版與屏幕顯示一致中文字體正常顯示轉(zhuǎn)換過程無報(bào)錯(cuò)退出碼為 0。6. 接口 API 與批量任務(wù)辦公自動(dòng)化真正值錢的地方在于接口調(diào)用和批量任務(wù)。下面給一套通用方案。6.1 AI 潤色接口封裝把前面寫的潤色函數(shù)封裝成一個(gè)本地 HTTP 服務(wù)這樣其他工具也能調(diào)用# server.py from flask import Flask, request, jsonify import requests app Flask(__name__) OLLAMA_URL http://localhost:11434/v1/chat/completions MODEL qwen2.5:7b app.route(/refine, methods[POST]) def refine(): data request.get_json() text data.get(text, ) instruction data.get(instruction, 潤色使表達(dá)更正式) payload { model: MODEL, messages: [ {role: system, content: 你是資深文字編輯。}, {role: user, content: f{instruction}\n\n{text}} ], temperature: 0.2 } resp requests.post(OLLAMA_URL, jsonpayload, timeout300) result resp.json()[choices][0][message][content] return jsonify({result: result}) if __name__ __main__: app.run(host127.0.0.1, port8001)啟動(dòng)服務(wù)pip install flask requests python server.py調(diào)用接口curl http://127.0.0.1:8001/refine \ -H Content-Type: application/json \ -d {text: 今天的會(huì)議討論了項(xiàng)目進(jìn)度下一步要加快測試。, instruction: 改成正式會(huì)議紀(jì)要風(fēng)格}返回 JSON{ result: 今日會(huì)議就項(xiàng)目當(dāng)前進(jìn)展進(jìn)行了討論并明確下一步需加大測試推進(jìn)力度。 }6.2 批量 Word 轉(zhuǎn) PDF用一個(gè) Python 腳本把inputs目錄下所有 docx 批量轉(zhuǎn)成 PDFfrom pathlib import Path import subprocess input_dir Path(inputs) output_dir Path(output) output_dir.mkdir(exist_okTrue) for f in input_dir.glob(*.docx): cmd [ libreoffice, --headless, --convert-to, pdf, str(f), --outdir, str(output_dir) ] proc subprocess.run(cmd, capture_outputTrue, textTrue) if proc.returncode 0: print(fOK: {f.name}) else: print(fFAIL: {f.name}) print(proc.stderr)這個(gè)腳本加到 crontab 或 Windows 計(jì)劃任務(wù)里就能做定時(shí)批量轉(zhuǎn)換。6.3 批量潤色任務(wù)給批量潤色加一個(gè)輸入輸出目錄的約定處理時(shí)先讀取文本文件再調(diào)用 AI 接口最后寫到 output 目錄mkdir inputs outputsPython 腳本from pathlib import Path from server import refine # 復(fù)用上面的函數(shù)或直接 requests 調(diào)用本地服務(wù) input_dir Path(inputs) output_dir Path(outputs) output_dir.mkdir(exist_okTrue) for f in input_dir.glob(*.md): text f.read_text(encodingutf-8) result refine(text, 潤色保持原意使表達(dá)更專業(yè)) output_dir.joinpath(f.name).write_text(result, encodingutf-8) print(f已完成: {f.name})批量任務(wù)注意兩點(diǎn)一是加錯(cuò)誤重試因?yàn)楸镜啬Ｐ团紶枙?huì)超時(shí)二是加延遲或限速避免同時(shí)發(fā)出大量請求把顯存打爆。7. 資源占用與性能觀察這部分是本地部署最值得關(guān)心的地方。辦公套件本身資源占用很低打開文檔或轉(zhuǎn) PDF 時(shí) CPU 短時(shí)間波動(dòng)內(nèi)存基本在幾百 MB 到 1GB 左右。真正占用大頭是本地的 AI 模型。7.1 顯存與內(nèi)存怎么看在 Linux 下用nvidia-smi觀察實(shí)時(shí)顯存nvidia-smiWindows 下打開“任務(wù)管理器 - 性能 - GPU”查看“專用 GPU 內(nèi)存”。最直觀的判斷方式是模型加載后顯存穩(wěn)定在一個(gè)值附近請求進(jìn)來時(shí)顯存會(huì)短暫爬升請求結(jié)束后回落到加載時(shí)水位。7.2 CPU 推理和 GPU 推理的差異GPU 推理的速度優(yōu)勢非常明顯。同一個(gè) 7B 模型GPU 生成一句 50 字的內(nèi)容可能是幾秒純 CPU 推理多半要十幾秒甚至更久具體取決于 CPU 性能和上下文長度。如果你只有 CPU建議選擇量化程度更高的模型控制輸入文本長度把并發(fā)數(shù)降到 1設(shè)置更長的請求超時(shí)時(shí)間。7.3 如何降低占用使用更小的模型或量化版本減少上下文長度潤色時(shí)只傳需要修改的段落不要傳整篇文檔關(guān)閉多路并發(fā)一次只處理一條請求不使用時(shí)直接關(guān)掉 Ollama 服務(wù)釋放顯存。8. 常見問題與排查方法問題現(xiàn)象可能原因排查方式解決方案AI 接口返回 404接口路徑寫錯(cuò)或 Ollama 版本不支持/v1接口用瀏覽器訪問http://localhost:11434確認(rèn)服務(wù)在線改用/api/chat或升級 OllamaAI 接口超時(shí)模型首次加載慢或 CPU 推理過慢觀察是否第一次請求后才超時(shí)先用ollama run預(yù)加載模型增大 timeout文檔轉(zhuǎn) PDF 中文亂碼系統(tǒng)缺少中文字體檢查/usr/share/fonts下是否安裝了中文字體安裝fonts-noto-cjk或 Windows 字體LibreOffice 啟動(dòng)報(bào)錯(cuò)缺少組件包或權(quán)限異常運(yùn)行l(wèi)ibreoffice --version看報(bào)錯(cuò)補(bǔ)裝libreoffice-writer、libreoffice-calc等組件端口被占用其他服務(wù)占用了 11434 或 8001Windows 用 netstat -anofindstr 11434Linux 用ss -lntp批量任務(wù)中部分文件轉(zhuǎn)換失敗文件損壞或加密單獨(dú)對失敗文件執(zhí)行一次轉(zhuǎn)換修復(fù)文件或跳過并記錄日志顯存不足模型過大或并發(fā)過高nvidia-smi 查看顯存換量化模型降低并發(fā)還有一個(gè)高頻問題GitHub 倉庫訪問慢。辦公套件和 Ollama 的安裝包不一定要在 GitHub 直接下載很多開源項(xiàng)目有官網(wǎng)或國內(nèi)鏡像源安裝依賴用系統(tǒng)自帶的包管理器也可以避免反復(fù)超時(shí)。9. 最佳實(shí)踐與使用建議第一先小參數(shù)跑通再上生產(chǎn)。第一次部署時(shí)用最小模型、最短文本、單條請求驗(yàn)證鏈路不要一上來就批量處理幾百個(gè)文件。第二保持一套最小可運(yùn)行配置。把下面的內(nèi)容寫進(jìn) README 或筆記里模型名稱、啟動(dòng)命令、接口地址、幾個(gè)關(guān)鍵腳本路徑。這樣換機(jī)器或者換環(huán)境時(shí)不用重新摸索。第三目錄分層管理。建議統(tǒng)一為inputs、outputs、scripts、logs四個(gè)目錄輸入文檔、輸出結(jié)果、腳本、日志互不污染。第四批量任務(wù)必須加日志和失敗重試。AI 服務(wù)偶爾會(huì)超時(shí)或返回空內(nèi)容批量腳本里要記錄每個(gè)文件的處理狀態(tài)失敗后單獨(dú)重試而不是整個(gè)任務(wù)重跑。第五接口服務(wù)要限制訪問范圍。如果 AI 服務(wù)只在本機(jī)使用讓服務(wù)監(jiān)聽127.0.0.1不要監(jiān)聽0.0.0.0如果在局域網(wǎng)內(nèi)共享加上簡單的 token 校驗(yàn)或把服務(wù)放在內(nèi)網(wǎng)網(wǎng)關(guān)后面。第六涉及人臉、聲音、版權(quán)素材、公司內(nèi)部文檔時(shí)先確認(rèn)授權(quán)邊界。開源工具不等于可以隨便處理所有數(shù)據(jù)關(guān)鍵交付物必須人工復(fù)核。10. 總結(jié)與下一步這套“GitHub 開源辦公套件 本地大模型”的組合最值得嘗試的點(diǎn)是用一個(gè)完全可控、無廣告、不付費(fèi)的辦公環(huán)境拿到接近商業(yè)軟件 AI 助手的核心能力。數(shù)據(jù)留在本機(jī)意味著你可以放心理文檔接口標(biāo)準(zhǔn)化意味著它能接入你自己的批量處理和自動(dòng)化流程。最先應(yīng)該驗(yàn)證的是本地模型接口能不能通以及 LibreOffice 的批量轉(zhuǎn) PDF 是否穩(wěn)定。這兩件事跑通了后面的文檔潤色、表格生成、格式排版就都是順?biāo)浦鄣氖?。最容易踩的坑是模型顯存估算錯(cuò)誤和批量任務(wù)并發(fā)設(shè)置過大。記住一個(gè)原則先小后大先單條后批量先短文本后長文本。下一步可以擴(kuò)展的方向很多把潤色接口接入飛書或釘釘機(jī)器人做成群里的文檔助手把批量轉(zhuǎn)換和定時(shí)任務(wù)結(jié)合做成自動(dòng)匯報(bào)流水線或者在團(tuán)隊(duì)內(nèi)網(wǎng)部署一臺(tái)帶 GPU 的服務(wù)器大家都走同一個(gè) AI Office 接口。開源辦公的價(jià)值不在于某一個(gè)軟件的界面多漂亮而在于你能把它真正接到自己的工作流里。