AI 生成书目摘要时如何避免误解原著

AI 生成书目摘要时如何避免误解原著

一本小说的 AI 摘要写“主人公最终原谅父亲”，读者读到最后才发现原著从未给出这样的结论。书目摘要看似小事，却会影响读者选择和作品被怎样理解。图书馆可让模型先提取作者、体裁、核心主题和明确情节，再由馆员抽查，特别检查结局、人物动机和涉及少数文化的描述。

摘要应区分出版社提供的简介、馆员撰写和机器生成。对小说不过度剧透，对争议性非虚构作品注明观点与资料范围，避免把作者主张写成图书馆认可的事实。读者可提交“此摘要误读”反馈，馆员回到原著核对。版权限制下，模型处理全文的许可也需确认。

书目摘要的首要作用是帮助选书，不是替读者读完。馆员可以为不同体裁设不同要求：小说不轻易揭结局，历史书说明时空范围，争议性非虚构作品区分作者观点与已有证据。模型生成后抽查是否加入原书没有的人物关系、日期或结论。

一些馆藏没有全文许可，系统只看到出版社简介和书评。此时应说明摘要依据有限，不能装作读过全书。地方语言作品需请熟悉背景的人复核译名与习俗描述。读者报告“摘要误读”时，把原句与改后版本保存，形成可学习的纠错库。

评价不仅看摘要是否短，还看读者读完后是否觉得被误导。地方语言和小众作品优先请熟悉背景的人审校，不因缺少训练资料而被写成刻板故事。

评价可请读者借阅后回访：摘要是否让他选到合适的书，是否造成误导。点击多不一定好，吸引人却失真的简介会损害图书馆信任。

馆方可以建立摘要纠错的短流程。读者指出某本书介绍“把作者观点写成史实”，馆员回到原文核对，标明原摘要、修订理由和日期；相似类型书目也抽查。机器生成的摘要与出版社文案应有不同标识，读者知道自己看到的是什么。读后体验调查能检验简介有没有误导，而不只看它吸引了多少点击。

摘要发布前可以请两个人分别看：馆员查事实，目标读者看是否有帮助。过于平淡的摘要可能找不到书，过于精彩的摘要可能歪曲原著。对争议主题标明作者主张，别让机器把观点写成馆方认证事实。读者反馈与修订记录会让简介越来越可靠。

对儿童读物，摘要还应避免暗示未经核实的教育效果；对专业书，说明版本和适用读者。不同书需要不同写法，不能用同一套“精彩故事”模版覆盖所有馆藏。

摘要纠错后，馆方还要检查同一模型写的相似主题书目，防止错误成批存在而只修了被投诉的一本。

好摘要为读者打开一本书，不替这本书把话说完。