《大话文渊慧典》：外三篇-全世界都在数字化，为什么我们的古籍还在靠王大姐翻相册？

——小菜：“大胖老师，前阵子我看新闻，说哈佛燕京的数字化率都83%了，日本的古籍也差不多认完了，连欧洲都在用AI重建古罗马。怎么轮到咱们，我回老家县图书馆，王大姐还在用老办法：读者要查一句话，她就从铁皮柜里把发黄的书搬出来，一页一页翻，翻到眼花，然后用手机拍张照发过去。这差距也太大了吧？”

——二黑推了推眼镜，从抽屉里掏出三份报告，一份是《全国古籍保护状况调研》，一份是《基层图书馆数字化现状》，还有一份是《王大姐的八小时工作实录》。“问题不在王大姐，在我们。我们把数字化想得太简单了，把技术送到王大姐手上的路，比我们想象中难走得多。”

——大胖老师端起保温杯，看着窗外图书馆的方向：“今天咱们就聊聊这个扎心的问题：全世界的古籍都在跑步进入数字时代，为什么我们的古籍还在靠王大姐翻相册？”

一、王大姐的相册，不是她不想换，是没人给她换

大胖老师先讲了一个故事。

2024年秋天，他去中西部一个县图书馆调研。古籍书库在一栋老楼的顶层，没有电梯，铁皮柜生着锈，窗户关不严，冬天冷夏天潮。管理员刘大姐五十多岁，一个人管着整层书库。大胖老师问她古籍数字化的情况，她从抽屉里拿出一个厚厚的文件夹，里面是她自己做的“电子目录”——其实就是在Excel里手动敲的书名、作者和索书号，一共录了三千多条。大胖老师问她为什么不扫描成电子版，刘大姐说：“扫了呀，前两年用经费买了一台高拍仪，还配了一套软件。可软件要联网认证，我们网速不行，老是验证失败。后来那个公司技术员辞职了，没人来修，就搁那儿了。”

大胖老师走到那台高拍仪旁边，防尘布上落了一层灰，旁边的电脑显示器黑着屏，主机箱上贴着一张便签：勿动，已坏。

“你看，”大胖老师对小菜和二黑说，“刘大姐不是不想数字化，她连Excel都会自己琢磨着用。是没人给她一套真正能用、好用、用得起、坏了有人修的工具。她等了好几年，等来的是吃灰的设备和过期的授权。最后，她还是只能用老办法——翻相册。”

二、第一座山：起步晚了二十年，时间债还没还完

二黑在白板上画了一条时间线，标出几个关键节点。

“哈佛燕京大规模数字化是2000年开始的。谷歌图书计划是2004年。欧洲数字图书馆Europeana 2008年上线。日本国立国会图书馆的大规模古籍OCR也是2010年前后起步的。我们呢？国家图书馆的系统性古籍扫描是2012年以后的事，而OCR真正被当作一件事来抓，要到2018年之后了。这中间差了十几二十年。”

“这二十年，人家不仅攒下了海量的扫描数据，更重要的是攒下了一套成熟的流程：扫描用什么参数、元数据怎么著录、质量怎么检查、数据怎么上网。我们很多馆到现在连扫描参数都没统一，有的扫成300DPI，有的扫成72，有的扫完连文件名都没改，一堆IMG_0001堆在硬盘里。”

小菜叹了口气：“这不就是时间债吗？就像打游戏，人家都满级了，我们还在新手村。”

“对。而且这个债没那么快还完。”大胖老师补充，“但晚有晚的好处。他们起步早，用的技术也老——哈佛到现在还在用谷歌图书二十年前的OCR引擎，准确率感人，升级成本又太高。我们起步晚，可以直接用最新的深度学习模型，一张白纸好画图。这叫后发优势。”

三、第二座山：缺钱缺人缺设备，三座大山压基层

二黑打开那份《基层图书馆数字化现状》报告，念了一组数字。

“全国县一级公共图书馆，有古籍馆藏的大概占六成，但其中拥有专用扫描仪的不超过30%，有恒温恒湿古籍书库的更少。经费方面，县馆一年的数字化专项经费平均不到5万元，有些馆是零。人员方面，有专职古籍管理员的馆不到一半，很多是兼职，或者由临近退休的老大姐一人扛着。”

大胖老师接过话：“你想想，五万块钱能干什么？买一台好点的专业扫描仪都够呛。请公司来数字化？市场价一页几块钱，一万页就好几万，一个馆藏少说几千册，根本做不起。雇专人录入？年轻人在县城图书馆的工资也就两三千，谁愿意来？所以最后就是王大姐一个人，一本书一本书地翻，一个读者一个读者地应付。她不是不想数字化，是真没条件。”

“更扎心的是，”小菜补充，“咱们之前调研的时候，有个馆长说，他们馆最值钱的古籍是一套明版方志，全国就两套。但库房空调坏了三年，夏天温度将近四十度，书页脆得一翻就掉渣。他想数字化，打了好几年报告，每次都卡在经费上。他说，再等下去，书就要成灰了。”

四、第三座山：技术门槛太高，通用工具够不着古籍的“痒处”

“就算有了扫描件，很多馆也卡在OCR这一步。”二黑调出一张对比图，“市面上的通用OCR，哪怕是国际大厂的产品，对古籍竖排繁体的支持都极差。我们测试过，某国际大厂的PDF编辑器，把‘子曰’认成‘子日’，竖排当横排扫，输出全是乱的。开源的呢？Tesseract需要自己写代码调参，王大姐连命令行都没见过。云端的呢？按次收费，一年下来比买软件还贵，而且数据要上传，图书馆根本不敢用。”

“所以，很多馆的状态是：扫了，但等于没扫。”大胖老师说，“硬盘里存着几万张图片，没有OCR，没有索引，没有全文检索。读者想查一个人名，还是得翻相册——只不过从翻纸书变成了翻电子图片。王大姐的工作量一点没减少，只是从搬书变成了拖滚动条。数字化没有让她更轻松，只是让她换了个方式累。”

五、国外也有国外的烦恼：家家有本难念的经

小菜不服气：“可人家国外确实做得比我们好啊。”

二黑推了推眼镜：“看起来好，扒开看，也一堆问题。”他开始列国外同行的短板：

• 美国：钱多但技术债重。哈佛燕京到现在还在用谷歌图书的通用OCR，中文古籍识别准确率只有七成多。而且开放有限制，很多资源仅限校内访问，不是全人类共享。

• 日本：精细但对中文不友好。NDL OCR能认草书假名，但遇到中文异体字就懵。而且他们主攻日文古籍，中国的方志、契约、家谱，不在他们的优化范围。

• 欧洲：标准严但中文边缘。Europeana的元数据标准全球最全，但收录的中文古籍数量还不如我们一个省馆。他们的OCR引擎是拉丁文优先，中文排在队尾。

“所以你看，”大胖老师总结，“不是他们做得好我们差，是大家的赛道不同。他们的人口少、古籍少、需求集中，可以精耕细作。我们是海量古籍、海量需求、分散在全国各地，需要的是能大规模推广、低成本复制的方案。拿他们的精品路线来衡量我们的普惠路线，本身就不公平。”

六、翻相册的困境，本质是技术的“最后一公里”没打通

二黑在白板上写了一个公式：

数字化成果 = 技术 × 推广 × 持续运维

“技术我们有了，PaddleOCR、PPStructure、文渊慧典的流水线，证明开源加轻量化是可行的。推广我们也做了，二十家试点图书馆，微信群口口相传。但持续运维，是目前最大的短板。一个县馆的系统崩了，王大姐不会修，又没有专职技术员，怎么办？之前那台吃灰的高拍仪，不就是因为没人修才废掉的吗？”

大胖老师点头：“这就是为什么我们坚持把文渊慧典做成‘双击就能用’的傻瓜式工具。不是因为我们喜欢做简陋的东西，而是因为王大姐的环境就那样——没有技术员，没有预算，没有培训。我们要做的不是最强大的OCR，而是最皮实的OCR。皮实到什么程度？哪怕系统崩溃，重启一下就能恢复；哪怕电脑是十年前的，也能慢慢跑；哪怕没人管，也能自动更新。做不到这三点，任何先进技术送到基层，最后都会变成下一台吃灰的机器。”

七、我们的底气：不是没有路，是路正在修

小菜问：“那我们离‘让全国王大姐都不再翻相册’还有多远？”

大胖老师想了想，说：“技术上，我们已经走通了。二十家试点图书馆的王大姐，现在用的就是文渊慧典，每天处理几十页古籍，茶还没凉就出结果。但要把这套系统送到全国两千多个县，还需要解决很多问题：怎么让馆长知道有这个免费工具？怎么让王大姐敢尝试？怎么建立一支能远程支持的志愿者队伍？怎么跟各地已有的数字图书馆系统对接？这些不是敲代码能解决的，是需要一个生态。”

二黑补充：“好消息是，开源社区的力量正在起来。我们GitHub上已经有三十多个贡献者，有人帮忙写文档，有人帮忙修bug，有人帮忙做测试。还有王大姐们在圈子里口口相传——一个馆用好了，隔壁馆就跟着装。这种自下而上的扩散，比自上而下的行政推动更扎实、更持久。”

“所以，”大胖老师放下保温杯，“全世界都在数字化，我们的古籍不会永远靠王大姐翻相册。技术已经来了，只是还在路上。我们要做的，是把这条路修得更宽、更平、更近，让最偏远的县馆也能走上数字化的快车道。到了那一天，王大姐只需要坐在电脑前，喝一口茶，点一下鼠标，那些沉睡了几百年的文字，就会在屏幕上亮起来。”

窗外，图书馆的灯次第亮起。小菜看着王大姐每天走过的那条走廊，忽然觉得，那条路并没有想象中那么长。

本文为注水技术版，您看看即可，不必当真，写此文字就是图一乐：-）