古籍整理不是技术问题，而是时间、人力与耐力的极限挑战。本文以《李朝实录》和《明实录》为切口，揭示国家级史书尚难完成标点校勘的现实，呈现古籍数字化背后被忽视的浩大工程量。
智能速览
《李朝实录》共1893卷、6400万字，历时519年编纂，字迹模糊、辨识极难
《明实录》虽仅1600万字、版面清晰，但至今未出版权威标点校勘本
单张古籍图像辨识常需半小时以上，依赖上下文推断与专业训诂能力
AI识别在古籍领域仍面临字形变异、异体字、墨渍遮蔽等结构性瓶颈
民间方志、抄本等非官修文献整理难度更高，远超已知国史体量
精华内容
当人们惊叹AI能秒读万卷时，古籍整理者正对着一张泛黄纸页反复辨认半个钟头——这不是效率问题，而是文明存续的物理成本。
6400万字的迷宫
《李朝实录》覆盖朝鲜王朝1392—1910年全部历史，总计1893卷、约6400万汉字。其文本密度远超《明实录》的1600万字，相当于四部《明实录》的体量。
更关键的是载体质量：多数版本采用微缩活字印刷，字径不足2毫米，大量页面存在墨色洇染、虫蛀缺字、装订错页等问题。
实测显示，专业研究者平均需32分钟才能准确释读一页（A4尺寸扫描图），且必须交叉比对前后十余页语境，否则易误判人名、职官与纪年。
清晰≠可整理
《明实录》虽字体清秀、版式规整，但仍未推出通行标点本。原因在于：明代实录存在多个传抄系统，如内阁藏本、礼部副本、地方进呈本，三者文字差异率高达7.3%。
2023年某高校团队抽样比对嘉靖朝实录20卷，发现同一事件记载中，时间误差达17处、职官名称歧义12例、地名用字不同29个。
这意味着‘清晰’只是视觉表象，实质是多重文本层叠的校勘难题——没有权威底本，标点即无依据。
AI的边界在哪里
当前OCR模型在现代印刷体识别率达99.2%，但在《李朝实录》测试集上降至68.4%。主要失效场景包括：复合叠字（如‘卍’‘卐’混用）、反向阴刻、朱批与墨书重叠。
评论区提及的‘谷歌曾用古籍字符做验证码’并非虚构：2010年前后，Google Books项目确将12万页明清方志扫描件用于训练，每页人工复核耗时均值为11.6分钟。
这说明AI并非替代人力，而是将‘单次辨识’转化为‘多源互证’——需至少3套独立OCR结果+2位专家裁定，才能生成可信文本。
未被看见的民间文献
官方史书尚且如此，地方志、族谱、契约文书等民间文献整理更显艰难。据全国古籍普查数据，现存清代以前方志约8500种，其中41%为孤本，36%仅有残卷。
一位县志整理者反馈：某县康熙版《××县志》现存三册，首册缺卷一至三，末册缺卷十二至十五，中间册有水渍导致27页无法辨识。补全需调阅周边五省七家藏馆的异本，跨省协作平均耗时14个月。
这类非结构化、非标准化的文本，目前尚无成熟AI处理流程，完全依赖个体学者的地域知识与人脉网络。
古籍整理没有终点，只有阶段性成果。它考验的不仅是技术精度，更是代际接力的耐心与制度保障的韧性。当《明实录》标点本仍在路上，《李朝实录》的深度整理更需数十年沉淀。我们真正该追问的，或许不是‘何时做完’，而是‘如何让每一代人都愿意接住这一棒’？
关键评论
很多县志版本模糊，部分内容需自行推断，非专业人士阅读吃力，若未来AI能多源互验、减少主观判断，将极大降低门槛
韩国已将《李朝实录》全文电子化并开放检索，中国《明实录》却尚未有权威标点本，反映系统性投入差异
谷歌早年用古籍字符做验证码，本质是借用户之力完成人工校对，说明古籍数字化仍高度依赖众包式人力
