数智时代的古典文献学 | 社会科学报|古籍|数智时代的古典文献学|汉籍

当前，传统文献学研究正伴随数智技术迎来新变革。数字设施建设与智能技术应用，显著提升了文献研究效率，拓展了学术研究边界。然而，这并不意味着舍弃传统文献学的治学方法。学界应固守传统治学根基，围绕学术问题理性选用前沿智能工具，规避盲目追捧技术的误区，推动传统文献学稳步迈入数智化发展新阶段。

原文：《数智时代的古典文献学》

作者 |北京大学中国古文献研究中心教授杨海峥

图片 |网络

文献学是研究目录、版本、校勘、辑佚、辨伪的专门学问。步入数智时代，技术飞速发展，给文献学带来了深刻改变。一方面，一系列数字设施的建设极大提升了研究的效率；另一方面，智能技术的深度运用也显著拓宽了文献学研究的视域。二者共同推动着传统文献学向数智文献学转型。

数字设施的建设

数据库是文献学研究的基础设施，大致可分为影像数据库、全文数据库和目录数据库三类。影像数据库提供古籍的扫描影像。国内代表性资源有“中华古籍资源库”“大学数字图书馆国际合作计划（CADAL）”“中华再造善本”等。海外多家图书馆也将馆藏古籍扫描成电子影像并在线发布，典型机构有哈佛燕京图书馆、普林斯顿大学东亚图书馆、东京大学东洋文化研究所、早稻田大学图书馆等。全文数据库提供可检索、可编辑的古籍电子文本，主要平台有“中国基本古籍库”“鼎秀古籍全文检索平台”“雕龙中日古籍全文资料库”。近年来，字节公益与北京大学共建的“识典古籍”在线阅读平台已上线，上架古籍超6万部。平台实现了左图右文的功能：右侧文字移动时，左侧古籍影像自动翻页；选中右侧文字，左侧对应影像中的文字随即高亮。另有部分数据库在古籍原文基础上进行整理和校勘，提供古籍整理本电子版，例如中华书局的“中华经典古籍库”、上海古籍出版社的“尚古汇典”。

目录数据库可帮助研究者迅速查询到相关古籍的信息。例如，国家图书馆“全国古籍普查登记基本数据库”汇总了当前全国古籍普查数据，著录信息十分详细；京都大学“日本所藏中文古籍数据库”汇集了当前日本所藏中文古籍的信息；上海图书馆建设的“中文古籍联合目录及循证平台”整合了史志目录、官修目录与私家目录，可供检索某种古籍在历史上的相关记录；中华书局“中华古籍书目数据库”汇集了《中国古籍总目》《中国古籍善本书目》《日藏汉籍善本书录》《海外中文古籍总目》等多部书目。唐宸研发的“全球汉籍影像开放集成系统”聚合海内外古籍影像网站资源，通过关键词就能查询古籍在世界各地的收藏情况，并提供了古籍影像的直达链接。

随着古籍数据库日渐完善，学者更多地依托其开展文献考证。只需输入关键词，便能检索词语、典故、史实在历代文献中的全部记录，进而排比归纳、考辨源流，得出可靠结论。这不仅大幅提升考据效率，也拓宽了史料搜集范围。数据库收录的古籍文本已从单一版本走向多个版本并存，为古籍校勘创造了便利条件。在传统校勘中，学者需逐字逐句对读比勘不同版本，工作量巨大，极易出现疏漏。依托数据库算法，系统可自动聚合不同版本的相关段落，标注各版本文字的差异，生成初步的校勘结果。研究者在此基础上审定取舍，便能实现事半功倍的校勘效果。数据库同样有力支撑了亡佚文献的辑录工作：研究者只需检索亡佚材料的书名、作者名或者别名，并搭配恰当的符号规则与检索策略，短时间内就能搜集到大量相关的征引材料，显著提高辑佚工作的效率与完整度。

智能技术的应用

智能技术的兴起给文献学研究带来巨大变革。命名实体识别技术可识别文本中的人名、地名、官职等实体，实现古籍文本的实体系统标注，并将这些实体与外部知识库建立连接。识别出实体后，可以进一步抽取实体之间的关系。例如，研究者能够系统提取《史记》《汉书》《三国志》等典籍中的人物信息，梳理人际交往、亲属关系、学术师承及政治关联网络，再运用社会网络分析方法，发掘人工阅读难以发现的群体结构与互动规律。文本向量化技术则为文献溯源开辟了新路径。将古籍文本转化为高维向量后，通过余弦相似度等指标测算篇章间的关联程度，能够在海量文献中快速锁定同源文本，为厘清文本的生成脉络与版本流变提供客观数据支撑。例如，学界既可用这一方法分析《汉书》与《史记》的传承关系，又能研究《诗经》《论语》《周易》等典籍在后世的引用情况。

数据可视化用图形化的方式呈现和探索数据，便于研究者发现内在规律、发展趋势和异常信息。2023年，北京大学中文系古典文献学团队与智能学院袁晓如团队联合研发“典籍之路——中日汉籍流传可视化”系统。以日本宫内厅所藏66部宋元本汉籍为例，设置了抽象图、时间线和地图三类视图。用户可以选择某部或某几部古籍，查看其流传轨迹；可以选定某一地点，统计曾流转于此的古籍；可以选定某段时间，考察该时段内古籍流传的整体态势。2026年，该系统将古籍流传的数据扩充到一万余条，数据源涵盖“中华再造善本”、哈佛燕京图书馆、普林斯顿大学图书馆等海内外权威馆藏，后续将向学界开放。

大语言模型的快速发展，为文献学研究提供了全新的方法与工具。用户使用自然语言向模型提问，模型根据其知识库或联网检索，汇总信息予以回答。然而，这种一问一答的方式只检索一轮信息就输出结果，很难应对需要层层深入、反复求证的复杂问题，结论往往不够全面可信。深度研究技术能够引导大模型模拟人类研究过程，进行多次深度的信息检索，根据每次检索结果不断迭代论证过程，最终生成专业的研究报告。智能体技术是当下讨论的热点，它推动大模型从被动应答升级为主动规划与自主执行：可依据既定目标分解任务，选择调用相关工具，并根据工具反馈的结果持续修正后续行动，打通原本割裂、需人工衔接的各项研究环节。多智能体协同运作，或将贯通底本数字化、文本校勘、问题研究等全流程，势必在不远的未来给文献学带来深刻变革。

转型时期应注意的问题

数智时代的文献学重视数字设施建设与智能技术应用，但这并不意味着舍弃传统文献学的治学方法。学界应警惕“为技术而技术”的倾向，确保技术服务于具体学术问题。数字技术长于文本整体分析，这容易使部分研究者忽略原始资料的精细研读，既难以选用合适的数字工具进行分析，又无法对分析结果作出深刻解读。检视当前已有研究成果，大多仍聚焦经典问题，鲜有突破性结论，利用数字技术发掘新问题的研究成果也较为稀缺。

数智时代的文献研究以大量结构化数据为前提，随之而来的是体量庞大的标注工作，耗费研究者大量时间和精力。这类标注工作偏向机械化，很难助力研究者提升自身学养。同时，人文学科数字化研究的团队合作模式尚处于发展阶段：标注工作如何分工、如何设置中间检查环节，学界尚未形成通行方案。此外，很多研究项目或者平台互通性不足，不同的数据规范加大了不同项目间的数据复用难度，催生出大量重复性工作。不同项目的呈现形式和使用方式整体上表现出零散化状态。虽然已有学者尝试构建统一的数据模型标准，但受研究场景和项目周期差异制约，又缺少配套协作机制，相关标准往往难以落实推行。

实现技术手段与学术研究的有机融合，关键在于人才培养。我们要培养兼具文献学素养与智能技术能力的复合型人才，打破学科壁垒，构建贯通文献学和计算机科学的人才培养模式。注重数字人文与古籍数字化项目的开展，引导学生在实践中夯实文献功底，锤炼技术本领。积极推进跨学科交流，组建联合研究团队：文献学者通晓文献、议题和学术传统，计算机学者精通算法、软件设计和数据处理，双方只有充分沟通协作，才能造就高质量研究成果。跨学科合作不能止步于简单分工，即一方提供数据、一方提供技术，而要在问题设计、标准制定、软件开发等诸多环节共同参与。

此外，智能技术迭代速度极快，研究者必须持续关注技术前沿。短短数年间，从命名实体识别、文本向量化到大语言模型、智能体技术，新方法几乎每一两年便有显著突破。技术飞速发展，一方面为文献学持续提供更强大、更易用的研究工具，另一方面也促使研究者保持对前沿动态的敏感，及时了解人工智能领域的最新进展，主动把新工具、新方法运用到文献整理与研究之中。关注前沿不等于盲目追求技术热点，必须以学术问题为导向，审慎评估新技术的适用范围与可靠程度，确保技术真正服务于文献学研究的实际需求。唯有在持续学习中保持清晰判断，文献学研究才能在技术变革浪潮中行稳致远。

文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第2009期第5版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。

本期责编：狄书一