方志学：ASI与AGI如何让方志学的地方叙事获得全局参照？
从AGI到ASI，方志学正在经历一次从"存史"到"算史"、从"地方记述"到"全域时空参照"的双重跃迁。这一跃迁最核心的意义是：方志中那些原本被困在"一邑一志"框架里的地名、人物、事件、山川，第一次能够被放到全国乃至跨文明尺度的时空坐标与知识图谱中重新理解——地方叙事不再只是"本地人写本地事"，而是"在全球知识空间中定位本地"。但方志作为"资料性文献"的史实属性，决定了机器只能做"副驾驶"，方志领域对幻觉零容忍，底本核验与价值判读始终不能让渡。下面分四层说清楚。
一、AGI阶段：让方志第一次"可被计算"传统方志学的根本瓶颈是——方志虽浩如烟海，但字符可见、语义不可达。一套府志几十卷，人物、舆地、职官、科举、艺文分门别户，学者要做一个"明清长江中游市镇网络"的题目，往往需要在几十上百部方志间手工翻检、抄录、比对，耗时经年。AGI阶段的大模型正在系统性地拆掉这道墙。
🗺️ 地理信息的坐标化：静态方志图变为动态历史图层
广东省情网2026年8月的最新论述给出了标准路径：GIS在方志数字化中的应用价值，"不仅仅是把古地图扫描上传"，真正有价值的是将方志中浩繁的地理信息——地名、山川、道路、卫所、祠庙、市集等——在现代地理坐标系统上一一标记，使之可检索、可量算、可叠加分析。"经过这三步处理，一幅静态的明代海防图就变成了可以缩放、可以筛选、可以与当代行政区划叠加的动态历史信息图层"。
扬州大学学者提出的"基于AI的地方志地图数据自动落点"技术路径，已经把这套方法工程化：涵盖地方志文献的数字化与语料库构建、利用NLP模型提取时空信息、构建古今地名知识图谱及历史地图的数字化校准四个环节，并由此构建从"点—线—面"整合数据到搭建交互式可视化平台的空间叙事编研模式。
🎙️ 方言口述资料的数字化抢救
AGI阶段一个被低估的突破是：主流ASR（自动语音识别）工具对方言（粤语、客家话、潮汕话）的识别能力近年来大幅提升，"这使得数量庞大的方言口述资料有了长期数字化保存的技术可能"——广东省情网直言"这是一个具有深远文化意义的变化"。操作者在进行访谈时将录音导入工具，几分钟内即可获得初步转录文本，再输入大语言模型进行语义润色和结构化整理，"使口述成果直接达到可供采用的成稿标准"。
🕸️ 领域知识图谱的构建：从"文献仓库"到"智慧知识体"
陕西省地方志办公室2026年8月的文章给出了当前最系统的方法论框架：新方志知识库需将人工智能、大数据、知识图谱深度融入方志资源处理全链条，"推动知识库从可读的文献仓库向可算、可联、可感的智慧知识体演进"。具体而言：
基于此图谱，检索系统可升级为具备语义理解能力的知识发现引擎，支持人物社会网络分析、历史事件共现分析、地理变迁模拟、特定词汇历时性统计分析等功能。
📝 编修工作流的智能化升级
成都市2025年9月印发的《成都市地方志信息化建设指导意见》部署得很具体：到2028年实现新编志鉴地情文献100%数字化、98%全文可查，珍贵古籍旧志数字化率力争达60%；通过AI技术辅助编修生成初稿、智能纠错，上线"方志AI助手"与"智慧地图"。广东省则以"一地创新、各地复用"模式，利用"粤复用"平台全面推动市级地情信息系统集约化建设。
二、地方叙事如何获得"全局参照"：三个具体机制所谓"全局参照"，不是把方志上传到云端那么简单，而是让地方叙事在三个维度上获得超越本地的坐标系。
🌐 机制一：空间参照——本地地名在更大的地理框架中对位
通过GIS与古今地名知识图谱，方志中"某县某乡某里"这样的本地表述，可以自动对位到现代行政坐标系、历史政区沿革坐标系、以及CHGIS（中国历史地理信息系统）等宏观框架中。研究者因此可以回答此前难以回答的问题："这个明代巡检司，在当时的海防体系中处于什么位置？与相邻州县如何联动？"——地方叙事由此获得了"全国尺度"的空间参照。
🕸️ 机制二：网络参照——本地人物/事件在跨区域网络中的定位
基于知识图谱的人物社会网络分析，可以让方志中原本孤立的"乡贤传""选举表"获得全局意义。例如：某部清代府志记载的进士，通过知识图谱关联到其师承、同年、仕宦轨迹，就能在"全国科举流动网络"中定位；某次本地民变，通过事件共现分析关联到同时期周边州县的类似事件，就能在"全国社会动荡谱系"中定位。陕西省方志办的框架中明确把"人物社会网络分析、历史事件共现分析"列为知识图谱的核心应用场景。
📜 机制三：时间参照——本地变迁在长时段脉络中的定位
"特定词汇历时性统计分析"让方志中反复出现的概念（如"屯田""灶户""客民""教堂"）的兴衰曲线被自动绘制，并与更大尺度的社会史脉络对照。地理变迁模拟则能把"某河改道""某湖淤塞""某镇兴起"放到长时段环境史框架中理解。
上海市地方志办公室研究室副主任陈畅等人将上述转变概括为方志学的范式重构：方志被重新界定为全域性、全时空的高置信度地情数据要素，依托视觉语言模型与图检索增强生成技术，方志可被重构为可计算的三维知识空间，时间轴、地理坐标、语义网络在其中交织贯通。
三、ASI推演：从"全域知识图谱"到"反事实方志推演"ASI（人工超级智能）尚未到来，但基于现有轨迹可以审慎推演两个方向的质变。
🔮 推演一：覆盖全域、融通古今的超大规模动态知识服务网络
陕西省方志办文章已经明确把这一目标列为方志知识库建设的方向：构建"覆盖全域、融通古今的方志领域知识图谱"，"形成一个数据驱动、语义互联的超大规模动态知识服务网络"。若ASI到来，这一网络有望自主融合：
由此形成的，将是一个真正意义上的"中国地情操作系统"——任何本地叙事都能在其中找到全局坐标。
🔮 推演二：反事实方志与长时段文明模拟
自贡市地方志系统关于DeepSeek的研究提出了一个前瞻性的设想：利用生成式AI的平衡能力，"通过'反事实推演'模型模拟不同记述方式的影响，辅助编纂者决策"。若ASI到来，这种反事实推演有望从"记述方式"层面上升到"历史进程"层面：
这种推演的价值不在"还原真实"，而在生成可供检验的研究假设——让方志学第一次具备"反事实实验"的能力。
但必须清醒：自贡文章同时也强调，方志作为"资料性文献"的史实特性可能失真，如果没有可控的业务生命周期作为"栅栏"，AI便可能成为脱缰的野马。方志领域对幻觉零容忍——ASI给出的"最可能历史版本"，必须由人类方志学者判断它是否符合已知的制度、地理、社会语境。
四、不可逾越的边界：方志学的四条底线⚠️ 底线一：数据质量是AI生效的前提
业内专家的警告一针见血："没有高质量、成体系的数据，AI就如同在真空中运行；没有可控的业务生命周期作为'栅栏'，AI便可能成为脱缢的野马"。传统的信息化整体架构是职能体系的"承重墙"，AI只是在此之上的"精美装饰与智能家居"——没有坚实的数据根基，AI无从落地。
⚠️ 底线二：方志对"幻觉"零容忍
澎湃新闻刊发的上海方志数智化研究明确指出："方志领域对幻觉零容忍"。广东省情网也同样警示：正如大语言模型存在"幻觉"一样，智能体的自主执行环节越多，其过程的"黑盒"效应也越明显，"操作者对最终提取和生成的史料成果进行严格的学术把关尤为关键"。
⚠️ 底线三：编修主体性不可让渡
AI可以辅助生成初稿、列出参考提纲、整理碎片化思考，但方志作为"全面、系统地记述本行政区域自然、政治、经济、文化和社会的历史与现状的资料性文献"，其编纂主体责任、史实核验责任、价值判断责任，必须由人类方志学者承担。成都市《指导意见》特别强调"地方志数字人才"培养，提出打造兼具方志业务能力与数字技术素养的复合型人才队伍——这本身就是对方志学者主体性不可让渡的体制性确认。
⚠️ 底线四：地方性视角不可被"全局"吞没
这是最具方志学方法论意味的一条边界。当所有地方叙事都被放到全局知识图谱中参照时，存在一个隐性风险：方志特有的"在地视角"可能被全局统计平均掉。一部方志的价值，恰恰在于它从本地人的眼睛看本地——它的偏狭、它的自豪、它的避讳、它的地方记忆，都是方志学之所以为方志学的根本。ASI时代的"全域图谱"如果反过来压制了这种在地性，那就不是方志学的进步，而是方志学的消解。
五、未来方志学者的画像在AGI/ASI时代，方志学者需要具备三种复合能力：
1. 人机协同工作流的设计能力
能够运用智能编修辅助系统、地情知识库问答系统、方志地理信息系统等工具，让机器处理翻检、转录、结构化、初步比对等机械性工作，自己聚焦于价值研判。
2. 全域图谱的导航与验证能力
能够在"覆盖全域、融通古今"的知识图谱中，为自己的地方研究对象定位全局坐标，同时对AI生成的关联与推演进行学术验证。
3. 方志学核心判断的坚守能力
在底本选择、史实核验、敏感记述权衡等关键节点，保持学者的主体性——知道机器会出错，且能够在具体情境中识别具体错误。正如业内专家所言，AI是"得力助手"而非"飞行员"。
回到问题的核心：AGI让方志第一次"可被计算"——通过GIS坐标化、方言ASR转录、领域知识图谱构建，地方叙事中的地名、人物、事件被拆解为可计算的时间轴、地理坐标与实体关系网。ASI推演中的全域图谱则让方志学从"一邑一志"走向"全域融通"——覆盖全域、融通古今的超大规模动态知识服务网络，加上反事实方志推演的可能，让地方叙事在全局时空坐标中获得前所未有的参照系。
但升级的是能力，不是权威。机器能把"明万历年间某县涝灾"自动关联到同期相邻州县的类似记载、全球季风系统的异常、以及该知县后续仕途的波动；但它不能替我们回答：这次涝灾在本县方志中为何被如此记述？方志作者的避讳与张扬何在？这部方志在其所处编纂传统中究竟代表什么？——这些判断构成了方志学者的学术尊严，也构成了研究者主体性不可让渡的底线。
未来的方志学者，不是被AI替代的"翻检者"，而是"人机协同工作流的驾驭者+全域图谱的导航者+方志史实与在地性的责任人"。正如上海市方志办的研究所揭示的——AI的预读与预处理，目的是"将专家从繁琐的翻检工作中解放出来，使其更专注于价值研判"。
马尔库塞的话放在这里依然有效：在算法的确定性逻辑与方志地方性的开放性之间保持张力。AGI/ASI让方志学"看见"更宏大的全局，但方志背后"本地人如何记述本地"的终极价值，最终要靠人的方志学素养来锚定——而这一锚定，在ASI时代比以往任何时候都更关键，因为当全局图谱让所有地方叙事都变得"可比、可联、可算"时，守护方志"在地性"的责任就完全落到了人类学者肩上。方志学从"存史"走向"算史"，但"算"的最终目的，是为了让"存"更有依据、让"地方"在"全局"中更清晰地看见自己。 |
GMT+8, 2026-9-1 13:16 , Processed in 0.051146 second(s), 21 queries .
Powered by Discuz! X3.5
© 2001-2026 Discuz! Team.
