本文解析DeepSeek接入Word的三种方案：VBA宏、插件加载项与API配置，涵盖操作步骤、提示词设计及常见问题排查。 DeepSeek 在中文理解、逻辑推理和长文本处理上表现稳定，许多 AI 指导老师希望直接在 Word 里调用它完成教案撰写、作文批改和文档润色。但 Word 本身没有内置 DeepSeek 接口，必须通过 API、宏或加载项建立连接。理解这些接入的差异，能帮助教师和技术人员选择更合适的落地方案。
1. 接入路径与核心原理
DeepSeek 对外提供与 OpenAI 兼容的 HTTP API，默认对话接口地址为 ，常用模型包括 deepseek-chat 和 deepseek-reasoner。Word 作为本地文档编辑器，不能直接理解大模型协议，因此接入的本质是让 Word 获取当前选中文本或整篇文档内容，按 JSON 格式封装成请求，发送到 DeepSeek 服务器，再把返回结果解析并插入文档。这个过程中，API Key 是身份凭证，必须妥善保存，不能直接写在共享文档的可见区域。
从实现路径看，目前主要有三类。第一类是 VBA 宏方案，利用 Word 自带的 Visual Basic 编辑器调用 WinHTTP 或 XMLHTTP 对象，适合不安装额外插件、希望深度定制的用户。第二类是 Office 加载项方案，也就是 Web Add-in，通过 manifest 清单把网页任务窗格嵌入 Word，使用 JavaScript 的 fetch 或 axios 发起请求，界面更友好，支持流式输出。第三类是第三方桥接工具，例如某些 AI 助手插件、Power Automate 流程或 Python 脚本配合 Word 对象模型。三类方案各有门槛，宏方案最轻量，加载项方案最接近商业产品体验。
无论选择哪种路径，核心配置都围绕几个参数展开：请求头中的 Authorization 必须写成 Bearer 加 API Key，Content-Type 设为 application/json，请求体包含 model、messages、stream 等字段。messages 通常由 system 角色设定身份和输出要求，user 角色放入选中文本或指令。DeepSeek 按输入和输出 token 计费，deepseek-chat 价格较低，适合日常文档处理；deepseek-reasoner 在复杂推理任务上更强，但返回内容可能包含 reasoning_content，需要在代码中单独处理，避免把推理过程直接写进 Word 正文。此外，API 存在超时和限流，建议在宏或加载项中设置 30 秒以上超时并捕获 401、429 等状态码。
2. 基于VBA宏的零插件接入方案
VBA 宏方案的最大优势是零安装插件，只要 Word 启用宏即可使用。操作前先到 DeepSeek 开放平台创建 API Key，并确认账户有余额。打开 Word 后按 Alt+F11 进入 VBA 编辑器，在“插入”菜单中新建模块。由于需要发送 HTTPS 请求，应在“工具”菜单的“引用”中勾选 Microsoft WinHTTP Services 或 Microsoft XML, v6.0。随后编写一个函数，用 CreateObject 创建 WinHttpRequest 对象，将 Open 方法设置为 POST，目标地址指向 DeepSeek 的对话接口，再通过 SetRequestHeader 写入 Content-Type 和 Authorization 两个请求头。
代码主体需要构造 JSON 字符串。可以把选中文本赋值给变量，再拼接成类似 {“model”:”deepseek-chat”,”messages”:[{“role”:”system”,”content”:”你是一位AI指导老师，负责润色和批改”},{“role”:”user”,”content”:”请处理以下内容：”}]} 的结构。实际编写时要注意转义双引号和换行符，否则 JSON 解析会失败。发送请求后，用 responseText 获取返回内容。DeepSeek 返回的是 JSON 对象，其中 choices 数组第一个元素的 message.content 字段就是生成文本。VBA 原生没有 JSON 解析器，可以引入 VBA-JSON 库，或者用 InStr 和 Mid 做简单提取。提取完成后，通过 Selection.Range.Text 或 Selection.InsertAfter 把结果写回文档。如果希望替换原文，先记录 Selection.Range 的起点和终点，再赋值即可。
宏方案需要重点处理稳定性和安全问题。网络请求可能超时，建议在 Send 之前设置 WinHttpRequest 的 SetTimeouts 参数，并在错误处理中给出提示。API Key 不要硬编码在宏里长期使用，可以放在文档的自定义属性中并配合简单加密，或者每次运行时用输入框让用户填写。保存文档时必须选择启用宏的 .docm 格式，否则代码会丢失。Word 的宏安全设置可能阻止运行，需要在信任中心添加受信任位置。对于 deepseek-reasoner 模型，返回 JSON 中可能多出 reasoning_content 字段，代码应只取 message.content，不要误取推理过程。若处理长文档，建议分段落循环调用，避免单次请求超过模型上下文限制。
3. 插件加载项与办公生态整合
Office 加载项是另一种更现代的接入。它的本质是一个托管在服务器上的网页，通过 manifest.xml 清单文件注册到 Word，运行时以任务窗格形式出现在右侧。用户点击按钮或输入指令后，网页中的 JavaScript 调用 DeepSeek API，把返回文本插入当前文档。与 VBA 宏相比，加载项不依赖本地宏权限，支持 Windows、Mac 和 Word 网页版，界面可以做得更美观，还能实现流式输出，让生成内容像打字一样逐步显示。对于需要多人使用的 AI 指导老师团队，加载项可以集中部署，统一管理提示词模板和模型参数。
自建加载项通常从 Yeoman 生成器开始，选择 Office Add-in Task Pane 模板，然后用 npm 安装依赖，在 taskpane.js 中编写请求逻辑。前端直接调用 DeepSeek API 可能遇到跨域限制，因为浏览器环境受同源策略约束，而 DeepSeek 接口未必允许任意来源的网页直接访问。稳妥做法是搭建一个轻量后端，例如用 Node.js 或 Python FastAPI 做代理，前端请求自己的后端，后端再携带 API Key 访问 DeepSeek。这样 API Key 不会暴露在客户端，也方便做用量统计、敏感词过滤和超时重试。代理层还可以对返回内容做格式化，去掉 Markdown 标记或转换成 Word 样式。
如果不想自建，也可以选择市面上已有的 Word AI 插件。部分插件支持自定义 API 端点，在设置中填入 DeepSeek 的接口地址和 Key 即可使用。选择插件时要关注三点：数据是否上传到第三方服务器、是否支持本地保存 Key、是否允许关闭历史记录。企业或学校部署时，还应确认插件符合数据安全规范，避免学生作文、内部教案等敏感内容被无关方获取。AI 指导老师使用加载项时，可以把常用功能做成按钮，例如“生成教案框架”“批改作文并写批注”“把选中内容翻译成英文”“提炼本节要点”，让任务窗格成为备课和批改的快捷入口。加载项还能与 Word 的审阅、批注、样式功能结合，例如自动为每段生成批注，或把返回内容套用“标题 1”“正文”等样式。
4. 提示词设计与典型场景实操
在 Word 中调用 DeepSeek 的效果，很大程度上取决于提示词质量。一个可复用的提示词应包含角色、任务、输入范围、约束条件和输出格式。例如，在宏或加载项中预设 system 消息：“你是一位有十年经验的 AI 指导老师，擅长将复杂概念转化为面向初中生的解释，语言简洁，保留关键术语，不编造事实。” user 消息则放入选中文本和具体指令：“请把以下内容改写成三段课堂讲解稿，每段不超过一百字，并在段末提出一个思考问题。”这种结构化提示能显著减少反复修改。对于批改场景，可以要求模型先指出问题类型，再给出修改建议，最后输出润色后的版本。
典型实操场景包括教案生成、作文批改、文档摘要、翻译和表格处理。教案生成时，选中教材段落，让 DeepSeek 输出教学目标、重难点、导入活动、探究问题和分层作业，再一键插入文档。作文批改时，把学生作文放在文档中，调用宏逐段分析，要求模型按“内容、结构、语言、书写”四个维度给出评分和评语，并通过 Word 的 Comments.Add 方法写入批注，避免直接覆盖原文。文档摘要适合处理长报告，可以先让模型提取各级标题，再逐节总结，最后合并成摘要。翻译场景要指定术语表和语气，例如“保持学术风格，专有名词首次出现时附英文”。表格处理则需要遍历单元格，把每行内容单独发送，防止模型混淆行列。
性能和成本也需要在实操中控制。长文档不要整篇发送，应按段落或章节切分，每段控制在模型上下文限制以内，deepseek-chat 的上下文窗口足够应对大多数教学文档。如果同一段内容需要多次处理，可以利用 DeepSeek 的上下文缓存降低费用。遇到 401 错误时检查 API Key 是否失效，遇到 429 时降低请求频率或增加重试间隔，遇到返回内容为空时检查 JSON 字段是否取错。对于需要严格推理的数学题、编程题或复杂逻辑分析，可以切换 deepseek-reasoner，但要注意它的响应时间更长，且推理内容不应直接写入 Word。把提示词模板保存在加载项或宏的配置区，AI 指导老师就能在备课、批改、出题和文档整理中反复调用，形成稳定的工作流。
