第一批用AI「偷懶」的人，搶救了13億字古籍

作者/何偉

編輯/劉暮

近期，哈佛燕京圖書館的古籍珍藏在“識典古籍”平臺上線。在這批海量數據中，人們得以一睹宋刻《十誦律》、元刻《隋書》、明抄《永樂大典》、清抄《杜詩》等稀世典籍的高清書影，還能檢索到齊思和、顧頡剛、容庚、鄭德坤等學者留下的校勘痕跡與研究路徑。

哈佛燕京圖書館素以館藏豐富、孤本眾多聞名，現藏古籍總數達13300余部（約15萬冊），包含宋元明清各代刻本及稿抄本。其中，善本數量約4000部，學術價值極高。

館藏的一大亮點是地方志與叢書：3000余部方志約占中國大陸現存總量的39%，1400余部叢書則涵蓋了半部《中國叢書綜錄》。此外，館內還珍藏有《永樂大典》兩卷、毛氏汲古閣抄本以及大量明清禁書，皆為難得一見的文獻珍品。

〓 識典古籍哈佛燕京數據庫網頁截圖

這批數據的上線，不僅實現了中西文獻資源的合璧，更讓這筆知識遺產以最高清、最完整的姿態重回中文世界的視野。

為了讓這些沉睡的古籍真正活起來，2024年，由全國高等院校古籍整理研究工作委員會、字節跳動公益與北大數字人文中心聯合發起“我用AI校古籍”行動。依托技術與平臺的力量，將哈佛燕京圖書館7000部珍貴古籍轉化為可檢索的數字資源，免費向公眾開放。

〓 參與校正古籍任務可獲得的紀念品

這一盛大的古籍數字化工程背后，是一段跨越百年的學術因緣。2023年，哈佛燕京館方將全部善本影像無償捐贈給北大圖書館。而這一舉動，是上世紀二十年代“文獻雙生”制度的跨時空回響。

1928年，燕京大學與哈佛燕京圖書館之間建立了一項特殊的藏書機制：凡由學社經費購置的中文文獻皆一式兩份，一份留存燕京，一份寄送哈佛。同時，雙方藏書建設分工鮮明：燕京側重西文參考書、西方漢學著作和近代期刊，哈佛則側重宋元善本、罕見稿本和地方志，以此實現中西文獻資源的互補 。

遺憾的是，隨著戰火燃起，這座跨越太平洋的學術之橋一度中斷。諸多版本精良的古籍善本，帶著未竟的學術使命，留在了大洋彼岸 。直到今天，通過數字化的方式，這段跨越百年的裂隙才得以彌合。

然而，單純的“文獻合璧”并不是終點，如何讓這浩如煙海的史料真正為人所用，才是更深層的命題。在這個意義上，“識典古籍”平臺上所能檢索到的每一段文字、每一個條目，不僅是數據的展示，也在賡續著一條更古老、更具奠基意義的學術脈絡——“索引”的傳統。它讓浩瀚如海的典籍可檢、可證，讓知識從分散的卷帙中煥發新生。

而在中國近現代學術史上，第一個以系統、嚴謹的方式為古籍建立現代索引體系的人，正是當年推動“文獻雙生”制度的洪業。他提出：“索引，是古籍之鑰” 。

洪業，1893年生于福州。青年時期，他遠赴美國求學，先后在哥倫比亞大學等學府深造。1922年，洪業受校長司徒雷登邀請，回國擔任燕京大學歷史學助理教授。

〓 洪業（左一）司徒雷登（左三）在燕京大學

當時的燕京大學，正如彼時中國的學術界：設備簡陋，師資匱乏。圖書館除四書五經外，學術參考書寥寥無幾。

洪業深感燕京大學需要大量基本參考書而沒錢買，便向美國友人募集資金，又爭取女院及霍爾遺產的資助，加上校長司徒雷登籌款，燕京圖書館藏書量迅速增長，成為當時全國最完善的學術圖書館之一。

然而，比起購書，洪業更關注知識體系的重建。當時，洪業放眼北京，京師圖書館和琉璃廠的舊書店藏書雖多，但缺乏系統編排，難以查閱。他意識到，如果知識如同散落的珍珠般無法被串聯和利用，學術的進步將受到阻礙。他開始思考一個更關鍵的問題：應該如何把中國古人積累的知識組合起來，讓未來的科學家、歷史學家能夠輕易索取？

他通過各種檢字方法，做了幾千張卡片，創立了“中國字庋擷法”（“庋擷（guǐ xié）”取“放進、抽出”之意）。這套方法不是簡單的查字法，而是洪業將西方現代信息科學理念與中國古典文獻學結合的產物。

〓 在美國時期的洪業

1928年，哈佛燕京學社在美國成立，洪業被聘為學社中國區的主要執行人。他在北平創立“引得編纂處”，并參照哈佛大學圖書館的工作流程，制定了一套嚴苛的編纂制度：卡片統一規格、編纂校對分離、設互校、復審與排印三道工序。他強調，編纂并非抄錄，而是一種“整理學的訓練”，要求學者在摘引時具備高度的判斷力與準確度。

洪業在《引得編纂計劃書》中寫下：“凡學術之進步，必賴材料之可檢。材料可檢，則學術可積。”至今仍被視為中國現代目錄學與信息學的思想源頭。

〓 識典古籍網頁截圖

洪業的工作并不局限在書齋。他在圖書館制度、課程設置、人才培養等方面也有深度參與：他要求后輩“頭腦清楚且獨立”，重視外語能力與版本意識；對可造之才，推薦出國深造、再回國主持學科。許多后來在考古、歷史、語文學領域卓有成就的學人，都受過這套“引得式訓練”。在編撰索引之余，洪業與同事推動了燕京與哈佛之間藏書的互補與共享，使“文獻雙生”的理念真正落地。

自1930年起，《引得叢刊》出版，累計達64種81冊，涵蓋經史子集，如《周易》《禮記》《杜詩》等。洪業將自己的理論與經驗匯集成專著《引得說》，系統闡述索引理論。他憑借《禮記引得序》厘清兩漢禮學淵源，于1937年獲得了法蘭西儒蓮獎（Prix Stanislas Julien）。

抗戰勝利后，洪業赴美，擔任哈佛燕京學社秘書，兼任講學與出版策劃工作。

1946年，洪業自美國回國，辭去燕京大學行政職務，重建引得編纂處。此后十年，是他學術生涯的第二個高峰。1946至1956年間，他與團隊完成了《二十四史引得》《資治通鑒引得》《漢書引得》等大型索引，又陸續推出地名、人名、制度等專題索引，出版總數逾三十種、八十余冊，幾乎覆蓋經、史、子、集諸部，成為 20 世紀上半葉中國文獻學史上最系統的工具書系列。每一部《引得》收錄十萬至二十萬條索引，洪業與同事以手抄卡片記錄字詞、頁碼與出處。

這些在常人眼中繁瑣的勞動，卻在當時搭建起了中國近代學術體系中最早的“數據邏輯”。

這些書的直接影響，是讓討論必須“就章有據”，不再停留于印象式轉述；更長遠的價值，則是把“可檢索、可驗證、可復用”變成學術交流的基礎。洪業常說：“引得不是結論，是入口。”有了這入口，后來的研究者才能沿著清晰的坐標回到原典，完成比對與復演。

〓 識典古籍網頁截圖

《哈佛亞洲學報》刊登了洪業的著作表，列出他在這一時期完成的四十一種學術成果，其中大多為中文，也有英文著作。可以說，洪業創辦的引得編纂體系，是二十世紀上半葉研究中國文化最重要的一系列參考書——它以現代方法重新整理古籍，用索引重建了學術秩序。自此之后，討論中國人物、典章與制度，不能再含糊帶過，必須指明出處；而那些歷經千百年沉積的語義與史實，也因“引得”而逐漸澄明，“歷史真理”的標準被重新提升。

洪業在學社年報中提出“引得編纂處經驗應為中西目錄學互通之范”，強調“標準化與國際合作的重要性”。他認為，學術必須被視為“公共基礎設施”，不是某個學者的個人事業，而是社會應共同維護的知識系統。他多次在報告中指出：“學問若失其證據，終將淪為意見之爭。”

值得慶幸的是，洪業“共同維護”與“保留學問證據”的理念，在今天得以延續。

2022年，字節跳動公益與北京大學數字人文研究中心共建“北京大學——字節跳動數字人文開放實驗室”，新一輪古籍數字化合作從這里啟動。同年10月，“識典古籍”平臺上線，整合古籍影像、文本與智能檢索工具，成為國內首個覆蓋古籍整理全流程的開放系統，正是延續了洪業倡導的“可檢索、可驗證、可復用”。

截至目前，平臺已收錄四萬三千余部古籍，支持全文檢索、注釋、標點與比對，讓古籍從“束之高閣”真正走向公眾。

2024年，“我用AI校古籍”項目啟動。三萬四千名高校師生與社會志愿者參與OCR識別與校勘，累計整理古籍一萬九千余部，修訂文本超十三億字。他們在AI識別的基礎上逐字比對、補錄殘缺，使洪業當年的“整理學訓練”以新的方式傳承下來。

AI改變了工作流程，讓古籍整理的門檻大幅降低。一部傳統古籍需要幾個月才能整理完成，而現在只要幾周時間。

〓 大眾可領取古籍校正任務

華東師范大學古典文獻學博士生劉帥便是一個典型案例。劉帥曾對古籍整理軟件頗為懷疑。然而，2024年9月，他聽說“我是‘校書官’”項目，一個月便整理出五千多萬字的古籍，感到震驚：“我之前一年能整理幾十萬字就很了不起了。”

使用識典古籍，勘校速度的提升十分驚人：劉帥頭一個月初步整理出200萬字的古籍，這是他過去速度的20倍。接下來的三個月里，他校點、標注、排版、審閱的書目達到191種，總字數超500萬。劉帥說：“AI在閱讀大量人類成果后，對古文具備了相當的‘語感’。”

這種效率的飛躍，源于技術的更新迭代。

目前，平臺文字識別準確率超96%，自動標點準確率達94%，命名實體識別（人名、地名、職官）接近98%。AI會用不同顏色標記識別不確定的“疑難字”，提示志愿者對照底本進行修改。

北京大學數字人文中心副主任楊浩指出，現在有了機器學習，AI先初步整理古籍，逐字校對，再由大眾志愿者來校對，最后把難點提交給專家。“AI改變了工作流程，分包制度降低了門檻，傳統的手工作坊變成流水線工廠了。”

不只是專家學者，普通人同樣可以在古籍校對中做出貢獻。

九衛是一位機場的調度員。白天，他在機場做安全調度，到了夜晚便走進書房，一頭扎進古籍。他從小熱愛古籍，雖然聽從家人建議選了民航運輸專業，但一直沒有放棄自己的愛好。成為“校書官”后，他對著古本核對，發現古籍中有些錯字代代相傳。能揪出這些錯誤，讓他很有成就感。在識典古籍這個精神世界中，九衛得以將世俗壓力拋之腦后。同時，在完成多項古籍校勘任務后，他加入了“進階組”，可以和專家學者們一起探討、校正。

〓 九衛在參與校對中

“識典古籍”以“智能+眾包”的模式，使古籍整理從孤立的學者書齋，轉化為可協作的公共行動，真正實現了洪業“共同維護知識系統”的理想。

為了激發公眾持續的參與熱情，平臺設計了一套激勵機制：志愿者可通過校對貢獻，領取不同等級的獎勵。前期的獎勵是可拼在一起的冰箱貼，象征著知識的累積和協作。最高的榮譽，則是被稱為“金典典”的獎杯——貢獻需投入1000小時以上。這樣高的要求，還是有50人完成了任務。同時，每一個參與校正的人，都會在識典古籍中留下自己的名字。這種將貢獻度與獎品掛鉤的設計，成功將嚴謹的學術工作，轉變為一場每個人都能參與的文化活動。

〓 根據不同勘校貢獻度可領取不同獎勵

如果說洪業當年的“引得編纂處”，是學者以筆為器、以紙為田的工坊，那么今天的數字平臺，正是對這種精神的現代化延續。不同的是，昔日十余人伏案抄錄，如今，數萬名志愿者與AI模型并肩完成同樣的工作。

在這條從紙端到云端的道路上，技術并未取代學術，而是回到了洪業的原點——讓知識能夠被檢、被證、被繼。

1979年秋，洪業去世前一年，他與幾位老友聚談，提起故人，他嘆道：“過世了，都過世了。杜甫有句詩說，訪舊半為鬼，我現在是相知多為鬼。”朋友笑著說：“咱們也老了。”洪業答：“不久都過去了。”

但一切并沒有過去。那些他寫下的一張張卡片，如今化為數據庫里的索引，那些散佚殘缺的典籍，在無數人手中被重新點亮。學術的傳承不僅只是專家的工作，而是依靠系統的可證與眾人的協作——沒有儀式，也不喧嘩，它只是在人與古籍之間，靜靜地延續。