知识库原型很容易从导入文件跳到“智能问答”。真正决定它是否能长期使用的,是每条结论还能不能找到来源,以及你的个人批注会不会被误当成史料事实。先做一小组可核对的记录,比先铺满功能更有价值。
案例带来的启发
Link分享了史料整理的垂直场景观察。本站从中选择一个更小的起点:用十条有合法使用范围的材料,练习导入、定位、批注和核对。本文不重现案例软件,也不宣称做出了同款产品。
先写清原型要回答什么
给原型一个具体任务,例如“找到关于某项制度的材料,并能跳回出处”。暂时不做论文生成、跨时代推断或自动研究报告。先列出你现在查找材料的步骤,标记最费时间的一步。
选择十条公开可用或你自己的材料,做一次整理。每条都保存标题、来源地址或本地文件名、页码/段落定位、材料日期、摘录和个人批注。原始材料只读,整理后的记录放另一处;缺少来源的内容先进入待补区。
导入时保留两层文本
第一层保存可对照的原文位置,第二层保存你的整理结果。AI可以建议标签和摘要,但不能覆盖第一层。特别是扫描识别出的错字、年代、姓名,先标注待核对,再由人查看原件。
Microsoft的MarkItDown提供文档转Markdown的公开工具。它可以作为本站练习的可选转换环节;转换成功不等于文字正确,也不等于原作者案例使用了这个工具。格式变化后仍应逐条检查定位信息。
查看MarkItDown公开文档给AI的任务要允许“不知道”
让AI只基于这十条材料提出分类建议,要求每个判断附对应记录编号。材料没有出现的事实,输出“材料不足”,不要补出看似合理的年代或人物关系。人工接受建议后,记录接受理由和时间。
分类只是查找入口。一个标签不应改变原文含义,跨时期的同名对象也不能自动合并。先用两条可能混淆的记录检查,确认能看出差异,再考虑扩大数据量。
用三道问题验收
分别查询一条已存在的材料、一条有近似名字但不同对象的材料、一条根本不存在的材料。检查第一条是否定位正确,第二条是否区分对象,第三条是否坦诚说明无依据。
再关闭程序重新打开,确认批注和来源还在;修改个人批注,确认原文没有被改写。交付一份十条记录表和三项检查记录,比只交付“回答看起来不错”的截图更容易复查。
适用条件和下一步
适合材料规模还小、愿意逐条复核的学习或研究整理。会员文章、未公开论文、个人访谈与受限数据库不能因为能导入就对外分享;模型服务会接收什么数据,也要在使用前确认。
只有这批记录的来源、区分和保存都可靠,才增加时间线或专题检索。本文的成功标准是资料可追溯,不是让AI替代史料判断;原案例的具体展示和经历留在对应原文。