數智時代的古典文獻學 | 社會科學報

當前，傳統文獻學研究正伴隨數智技術迎來新變革。數字設施建設與智能技術應用，顯著提升了文獻研究效率，拓展了學術研究邊界。然而，這并不意味著舍棄傳統文獻學的治學方法。學界應固守傳統治學根基，圍繞學術問題理性選用前沿智能工具，規避盲目追捧技術的誤區，推動傳統文獻學穩步邁入數智化發展新階段。

原文 ：《數智時代的古典文獻學》

作者 |北京大學中國古文獻研究中心教授 楊海崢

圖片 |網絡

文獻學是研究目錄、版本、校勘、輯佚、辨偽的專門學問。步入數智時代，技術飛速發展，給文獻學帶來了深刻改變。一方面，一系列數字設施的建設極大提升了研究的效率；另一方面，智能技術的深度運用也顯著拓寬了文獻學研究的視域。二者共同推動著傳統文獻學向數智文獻學轉型。

數字設施的建設

數據庫是文獻學研究的基礎設施，大致可分為影像數據庫、全文數據庫和目錄數據庫三類。影像數據庫提供古籍的掃描影像。國內代表性資源有“中華古籍資源庫”“大學數字圖書館國際合作計劃（CADAL）”“中華再造善本”等。海外多家圖書館也將館藏古籍掃描成電子影像并在線發布，典型機構有哈佛燕京圖書館、普林斯頓大學東亞圖書館、東京大學東洋文化研究所、早稻田大學圖書館等。全文數據庫提供可檢索、可編輯的古籍電子文本，主要平臺有“中國基本古籍庫”“鼎秀古籍全文檢索平臺”“雕龍中日古籍全文資料庫”。近年來，字節公益與北京大學共建的“識典古籍”在線閱讀平臺已上線，上架古籍超6萬部。平臺實現了左圖右文的功能：右側文字移動時，左側古籍影像自動翻頁；選中右側文字，左側對應影像中的文字隨即高亮。另有部分數據庫在古籍原文基礎上進行整理和校勘，提供古籍整理本電子版，例如中華書局的“中華經典古籍庫”、上海古籍出版社的“尚古匯典”。

目錄數據庫可幫助研究者迅速查詢到相關古籍的信息。例如，國家圖書館“全國古籍普查登記基本數據庫”匯總了當前全國古籍普查數據，著錄信息十分詳細；京都大學“日本所藏中文古籍數據庫”匯集了當前日本所藏中文古籍的信息；上海圖書館建設的“中文古籍聯合目錄及循證平臺”整合了史志目錄、官修目錄與私家目錄，可供檢索某種古籍在歷史上的相關記錄；中華書局“中華古籍書目數據庫”匯集了《中國古籍總目》《中國古籍善本書目》《日藏漢籍善本書錄》《海外中文古籍總目》等多部書目。唐宸研發的“全球漢籍影像開放集成系統”聚合海內外古籍影像網站資源，通過關鍵詞就能查詢古籍在世界各地的收藏情況，并提供了古籍影像的直達鏈接。

隨著古籍數據庫日漸完善，學者更多地依托其開展文獻考證。只需輸入關鍵詞，便能檢索詞語、典故、史實在歷代文獻中的全部記錄，進而排比歸納、考辨源流，得出可靠結論。這不僅大幅提升考據效率，也拓寬了史料搜集范圍。數據庫收錄的古籍文本已從單一版本走向多個版本并存，為古籍校勘創造了便利條件。在傳統校勘中，學者需逐字逐句對讀比勘不同版本，工作量巨大，極易出現疏漏。依托數據庫算法，系統可自動聚合不同版本的相關段落，標注各版本文字的差異，生成初步的校勘結果。研究者在此基礎上審定取舍，便能實現事半功倍的校勘效果。數據庫同樣有力支撐了亡佚文獻的輯錄工作：研究者只需檢索亡佚材料的書名、作者名或者別名，并搭配恰當的符號規則與檢索策略，短時間內就能搜集到大量相關的征引材料，顯著提高輯佚工作的效率與完整度。

智能技術的應用

智能技術的興起給文獻學研究帶來巨大變革。命名實體識別技術可識別文本中的人名、地名、官職等實體，實現古籍文本的實體系統標注，并將這些實體與外部知識庫建立連接。識別出實體后，可以進一步抽取實體之間的關系。例如，研究者能夠系統提取《史記》《漢書》《三國志》等典籍中的人物信息，梳理人際交往、親屬關系、學術師承及政治關聯網絡，再運用社會網絡分析方法，發掘人工閱讀難以發現的群體結構與互動規律。文本向量化技術則為文獻溯源開辟了新路徑。將古籍文本轉化為高維向量后，通過余弦相似度等指標測算篇章間的關聯程度，能夠在海量文獻中快速鎖定同源文本，為厘清文本的生成脈絡與版本流變提供客觀數據支撐。例如，學界既可用這一方法分析《漢書》與《史記》的傳承關系，又能研究《詩經》《論語》《周易》等典籍在后世的引用情況。

數據可視化用圖形化的方式呈現和探索數據，便于研究者發現內在規律、發展趨勢和異常信息。2023年，北京大學中文系古典文獻學團隊與智能學院袁曉如團隊聯合研發“典籍之路——中日漢籍流傳可視化”系統。以日本宮內廳所藏66部宋元本漢籍為例，設置了抽象圖、時間線和地圖三類視圖。用戶可以選擇某部或某幾部古籍，查看其流傳軌跡；可以選定某一地點，統計曾流轉于此的古籍；可以選定某段時間，考察該時段內古籍流傳的整體態勢。2026年，該系統將古籍流傳的數據擴充到一萬余條，數據源涵蓋“中華再造善本”、哈佛燕京圖書館、普林斯頓大學圖書館等海內外權威館藏，后續將向學界開放。

大語言模型的快速發展，為文獻學研究提供了全新的方法與工具。用戶使用自然語言向模型提問，模型根據其知識庫或聯網檢索，匯總信息予以回答。然而，這種一問一答的方式只檢索一輪信息就輸出結果，很難應對需要層層深入、反復求證的復雜問題，結論往往不夠全面可信。深度研究技術能夠引導大模型模擬人類研究過程，進行多次深度的信息檢索，根據每次檢索結果不斷迭代論證過程，最終生成專業的研究報告。智能體技術是當下討論的熱點，它推動大模型從被動應答升級為主動規劃與自主執行：可依據既定目標分解任務，選擇調用相關工具，并根據工具反饋的結果持續修正后續行動，打通原本割裂、需人工銜接的各項研究環節。多智能體協同運作，或將貫通底本數字化、文本校勘、問題研究等全流程，勢必在不遠的未來給文獻學帶來深刻變革。

轉型時期應注意的問題

數智時代的文獻學重視數字設施建設與智能技術應用，但這并不意味著舍棄傳統文獻學的治學方法。學界應警惕“為技術而技術”的傾向，確保技術服務于具體學術問題。數字技術長于文本整體分析，這容易使部分研究者忽略原始資料的精細研讀，既難以選用合適的數字工具進行分析，又無法對分析結果作出深刻解讀。檢視當前已有研究成果，大多仍聚焦經典問題，鮮有突破性結論，利用數字技術發掘新問題的研究成果也較為稀缺。

數智時代的文獻研究以大量結構化數據為前提，隨之而來的是體量龐大的標注工作，耗費研究者大量時間和精力。這類標注工作偏向機械化，很難助力研究者提升自身學養。同時，人文學科數字化研究的團隊合作模式尚處于發展階段：標注工作如何分工、如何設置中間檢查環節，學界尚未形成通行方案。此外，很多研究項目或者平臺互通性不足，不同的數據規范加大了不同項目間的數據復用難度，催生出大量重復性工作。不同項目的呈現形式和使用方式整體上表現出零散化狀態。雖然已有學者嘗試構建統一的數據模型標準，但受研究場景和項目周期差異制約，又缺少配套協作機制，相關標準往往難以落實推行。

實現技術手段與學術研究的有機融合，關鍵在于人才培養。我們要培養兼具文獻學素養與智能技術能力的復合型人才，打破學科壁壘，構建貫通文獻學和計算機科學的人才培養模式。注重數字人文與古籍數字化項目的開展，引導學生在實踐中夯實文獻功底，錘煉技術本領。積極推進跨學科交流，組建聯合研究團隊：文獻學者通曉文獻、議題和學術傳統，計算機學者精通算法、軟件設計和數據處理，雙方只有充分溝通協作，才能造就高質量研究成果。跨學科合作不能止步于簡單分工，即一方提供數據、一方提供技術，而要在問題設計、標準制定、軟件開發等諸多環節共同參與。

此外，智能技術迭代速度極快，研究者必須持續關注技術前沿。短短數年間，從命名實體識別、文本向量化到大語言模型、智能體技術，新方法幾乎每一兩年便有顯著突破。技術飛速發展，一方面為文獻學持續提供更強大、更易用的研究工具，另一方面也促使研究者保持對前沿動態的敏感，及時了解人工智能領域的最新進展，主動把新工具、新方法運用到文獻整理與研究之中。關注前沿不等于盲目追求技術熱點，必須以學術問題為導向，審慎評估新技術的適用范圍與可靠程度，確保技術真正服務于文獻學研究的實際需求。唯有在持續學習中保持清晰判斷，文獻學研究才能在技術變革浪潮中行穩致遠。

文章為社會科學報“思想工坊”融媒體原創出品，原載于社會科學報第2009期第5版，未經允許禁止轉載，文中內容僅代表作者觀點，不代表本報立場。

本期責編：狄書一

《社會科學報》2026年征訂

點擊下方圖片網上訂報↓↓↓