如何让AI读到志书?

一

志书卷帙浩繁，一部志书少则数卷，多则数十卷，各类史料分散于全书各个篇目。开展专题编纂、地情挖掘、资料整理等工作，传统方式只能依靠人工逐卷查阅检索，不仅耗时费力，效率低下，也容易遗漏散见于不同卷次、篇目的关键史料。

如果AI能够精准读取志书文本，便可承担大量基础性、重复性工作，按主题归集零散史料，梳理人物事件脉络，摘录整合文献素材，让从业者集中更多精力进行史实考订、史料辨析等核心工作。但目前AI在方志领域的应用，普遍面临“看得见、读不到、用不了”的现实困境。

二

本文所说“AI读到志书”，并非指模型训练阶段学习到的部分志书片段，而是指使用阶段实时调取志书内容，输出能够溯源核验的史料文本。不少从业者存在认识误区：既然在线上平台可以浏览志书，人工智能也应能直接读取调用志书内容。事实上，人工网页阅读与人工智能获取，是两套完全不同的运行逻辑。人工网页阅览是逐页浏览、按需摘抄；人工智能获取是依靠程序批量抓取、自动解析，二者的访问机制、数据获取方式完全不同。

目前，地方志机构数字化平台上线的历代旧志，大多为扫描图片，未经OCR（光学字符识别）处理，无可复制的电子文本，AI无法从纯图片中提取有效文字内容。

前两轮地方综合志书虽已形成电子文本，前端阅览页面不再采用扫描图片展示，部分平台后端依托完整电子文本搭建内部全文检索数据库，但仅限平台内部业务检索使用，没有对外开放批量获取、数据导出、模型调用接口。平台仅向普通用户开放网页查阅权限，限制机器批量读取与智能解析，AI依然无法调取志书资源。

三

要让AI读取、利用志书，一般需要先加工生成机器能够识别、调用的文本资源，大体可分为三种途径。

第一，片段摘抄输入模式。在地方志数字化平台，人工查阅志书，并完成检索、筛选、摘抄志书原文，输入大模型开展相关辅助工作。该模式技术门槛低、风险可控。短板在于无法实现全书智能检索，史料筛选、甄别归集仍高度依赖人工。

第二，图片识别加工模式。大量现存旧志仅有扫描图片，没有形成电子文本。需借助OCR技术将图片转化为可供机器识别、复制的文字。图片自动识别生成的文字容易存在错字、漏字等问题，不能直接使用，必须进行人工校核勘误，再交由大模型后续处理。该模式适合旧志活化利用的业务场景。识典古籍是此类模式的代表，由北京大学数字人文研究中心与字节跳动合作建设，已形成大批可供复制、检索的旧志文本资源。

第三，本地化知识库模式。有条件的地方志机构，可开展第三方合作，借助算力资源，将经过人工校勘整理的方志文献，建设本地化知识库，对接大模型，实现志书智能检索、辅助编纂等功能。杭州正在打造的“杭小志”数智编纂系统属于此类模式的代表。该模式是实现方志智能化的重要方向，但人力、经费投入较大，目前多数地方志机构尚不具备这一条件。

无论采取哪种模式，都必须恪守地方志“存真求实”的基本原则。AI仅能承担地方志业务的辅助工作，本身不具备辨别史料真伪、价值取舍等核心能力。凡是AI生成的文稿，均不能直接采信，必须人工逐条复核，坚决避免由于AI“幻觉”带来史实失真的风险。

国家“十五五”规划纲要明确提出“加强和改进地方志工作”。推动人工智能与地方志事业深度融合，正是落实这一要求的重要举措。实现人工智能对方志资源的有效读取、活化利用，是地方志数字化发展的必然趋势。方志工作者应当主动拥抱数字新技术，立足实际，积极探索，严守底线，规避风险，以人工智能技术赋能地方志事业高质量发展。

作者：王欣（成都市地方志工作办公室）

编辑：龙昱丹 

校对：高赛琦

审核：郫都区史志办