AI 整理地方档案，如何保留原始资料的出处与版本
AI 整理地方档案，如何保留原始资料的出处与版本
县档案馆的一本会议记录，封面写着一个年份，内页又有后补的批注。把它扫描后交给模型，几分钟就能得到一份整齐的摘要；麻烦是，摘要里哪句话出自原记录，哪句话来自二十年后的补注？若不说明，这份便利的“新档案”会慢慢压过原件。
地方档案数字化应从编号与版本关系做起。每张扫描图保留馆藏号、页码、拍摄日期、修复动作和保管单位；识别出的文字与图像按页对应。模型自动提取人名、地名、事件时，输出必须带回原页位置，无法辨认的手写字标为存疑。后来新增的口述访谈、报刊剪辑和地方志可以互相参照，却不能被悄悄并入同一段“权威叙述”。
搜索界面也要教人看出处。使用者问“当年这条河为什么改道”，系统可列出不同年代的会议记录和当事人口述，指出说法相同与相悖之处，再允许点开扫描件。若资料只证明有人提出方案，不能写成方案已经实施。对地名改称、机构合并和人名同音等问题，模型可给候选，最终由熟悉地方史的人核定。
版本管理还包括纠错。发现识别错误，管理员应留下旧文本、更正原因和审核人；引用过旧版本的研究者能够查到变更。涉及个人隐私的近现代档案要设置访问层级，公开摘要不应反向暴露完整住址和身份信息。原件保存、数字副本备份和授权使用是同一条链上的工作。
试点不妨从最容易出错的一类资料开始，例如年代久远的竖排手写会议记录。挑一批已由档案员校对的页面，让模型先转写，再逐字比较：日期、人名、地名和否定词错在哪。标注规则由档案员制定，而不是让供应商把“通顺率”当准确率。系统上线后，搜索结果若来自未经校对的机器转写，应明显提示；重要研究引用建议回看原件。目录里还要保留“未识别”页面，让人知道馆藏并非只有被机器读出来的部分。将来算法进步，再回头处理这些页，也比今天随手猜一个字可靠。
一个特别实用的设置是给摘要里的每句话加“跳回原页”。使用者读到某年修桥，点一下就看见手写原文，而不是只看到模型的二次表述。技术团队觉得这会让界面复杂，档案员却知道，少了这一跳，最方便的答案往往最难被核对。
地方档案的价值常在琐碎处。一张收据、一句方言批注，未必会成为大模型眼中的“重点”，却可能是研究者真正需要的线索。馆方可以定期抽查被模型忽略的页，观察不同年代、书写方式和地方语言的识别差异。整理效率固然重要，更重要的是几十年后仍能顺着一句答案，找到那张有折痕的纸。
