史记知识库 - 让两千年的文字活过来

两千年来我们读《史记》，现在让机器帮我们"看见"隐藏的知识网络。

在线阅读（GitHub Pages）: https://baojie.github.io/shiji-kb | Wiki: https://baojie.github.io/shiji-kb/wiki/

在线阅读（自有域名 · 备用/国内更快）: https://shiji.memify.wiki/ | Wiki: https://shiji.memify.wiki/wiki

报告问题: 提交Issue （推荐截屏+paste） 许可证: CC BY-NC-SA 4.0

学术文献请引用：鲍捷，史记知识库，2026，在线发布于https://github.com/baojie/shiji-kb

---

这是什么？

一句话介绍：用AI将《史记》57万字转化为可交互、可探索的知识图谱，让两千年前的文字像代码一样可以语法高亮、跳转、搜索、推理。

核心成果（2026-05-14）：

• 14,065 个实体，126,441 次标注（18 类名词 + 4 类动词，共 22 类）
• 3,198 个历史事件，98.7% 标注公元纪年
• 7,637 条事件关系（9 种类型）
• 130条交互式时间线（"史记地铁图"）
• 2本PDF方法论书籍（425页元技能+438页管线技能）

近期里程碑（2026-05-14）：

• Wiki 突破 20,000 页：三周内从 5,600 页增长至 20,830 页（含 1,246 篇 premium + 686 篇 featured 精品页），知识量 K ≈ 810,000
• 首页 Hero 区大改版：星空背景图 + 篆刻印章 + 渐变遮罩，全断点响应式布局
• Butler 累计运行 12,000+ 轮：从 R121→R12,000，涵盖 stub 新建、精品扩写、引文核验、断链修复、premium 升级、地名配图等全类型 wiki 维护操作
• 五级质量评估体系：stub→basic→standard→featured→premium 自动化管线
• 谭其骧《中国历史地图集》地名配图：600+ 地名页自动裁切历史地图截图
• 实体全类型导入：20 类实体 ~6,290 页 + 458 篇故事 + 202 邦国页全量导入
• 20 国君主世系表：全量重建，含无年代/无页面君主
• 史源推理实验室扩展：12 个深度案例（107,000 字），含长平之战财政计算、冯谖烧券买义经济学分析

适合谁？

• 📖 历史爱好者：语法高亮阅读、一键跳转、人物关系图谱
• 🎓 学术研究者：矛盾检测、史料溯源、系统化推理
• 🎮 内容创作者：历史素材引擎、二次创作工具库
• 🤖 AI工程师：古籍知识工程方法论、Agent工作流参考

---

快速体验

在线阅读器

精选章节（两个站点均可访问）:

• 五帝本纪 - 上古神话与帝王传说
• 项羽本纪 - 西楚霸王的兴衰
• 秦楚之际月表 - 交互式历史年表
• 孔子世家 - 儒家圣人的一生
• 刺客列传 - 专诸、聂政、荆轲传奇

核心功能

• 22 类实体语法高亮：18 类名词（人名/地名/官职/身份/时间/邦国/氏族/名物/族群/器物/天文/神话/生物/数量/典籍/礼仪/刑法/思想）+ 4 类动词（军事/刑罚/政治/经济）
• 语法高亮开关：右上角齿轮按钮，可关闭高亮专注阅读（持久化保存偏好）
• 知识索引跳转：14,065 个实体词条（126,441 次标注），别名 3,489 条（variants），章内消歧 11,514 处
• Purple Numbers段落编号：每个段落可精确引用和分享（致敬Doug Engelbart）
• 史记地铁图：130条线路×3,197站点，支持缩放/拖拽/搜索/时间线 (app/metro)

阅读器演进五层次

从原始文本到全功能知识库：

原文 → 专名标注 → 语法高亮 → 语义排版 → 关系连线

查看完整演进过程 | 语义排版技术细节

---

三大突破

🎯 Agentic Ontology：AI时代的知识工程新范式

核心转变：2001年的难点是"设计本体"，2026年的难点是"反思/进化AI提取的本体"。本体不再是专家预先设计的蓝图，而是从数据中生长出来、由人类修剪和校准的有机结构。

详见方法论对标文档：Agentic Ontology 101（英文，对标Noy & McGuinness 2001经典）

📚 可复用方法论：从一部书到整个文库

总控SKILL - 完整管线操作指南

• 九步管线的执行顺序、依赖关系、质量检查点
• → SKILL_00_管线总览 | 完整SKILL索引 | 📊 管线大图 pipeline.svg

14个元技能（Meta-Skills） - 通用知识工程方法论

• OTF+JIT+Bootstrap、反思循环、冷启动、柳叶刀方法、质量控制、SKILL优化与演化……
• → 下载PDF合集（发布日期：2026-03-18，425页，2.35MB，包含14个元技能）

89个管线技能（Pipeline Skills） - 古籍处理完整技术栈

• 校勘→结构分析→实体构建→事件构建→关系构建→本体构建→逻辑推理→知识库管驭→应用→项目管理
• → 下载PDF合集（发布日期：2026-03-19，438页，3.01MB，包含40个管线SKILL）
• 注：当前SKILL体系已扩展至103个（14元技能 + 89管线技能），PDF为2026-03-19版本快照

技术文章 - 方法论实战解读

• 《从历史书中探索知识图谱》（2026-03-19）：项目缘起、核心成果、技术架构、元技能体系的完整呈现
• → 下载PDF（14页，1.5MB）

为什么是SKILL而非代码？

四个关键原因：

1. 灵活性：每个研究问题都不同。传统代码需要重写，SKILL只需调整提示词。当发现新的错误模式（如"单锚点塌缩"），直接写入SKILL文档，所有后续章节自动获益——无需修改代码逻辑。

2. 可读性：学者能直接阅读和验证方法论。事件年代反思的26条错误模式、12条推理逻辑，用自然语言表达比正则表达式或if-else分支更清晰。史学研究者可以挑战、改进这些规则，而不需要懂编程。

3. 普适性：同一套SKILL架构可直接迁移。《史记》的实体标注SKILL稍作调整即可用于《汉书》《资治通鉴》；年代推断SKILL可复用到任何编年史料。代码往往与具体数据格式强耦合。

4. 可演进性：知识工程本身可以自举。系统从李开元《秦崩》学会30+种史源溯源方法 → 提炼成SKILL → 用这个SKILL分析新案例 → 发现8种新方法 → 更新SKILL。这个闭环用传统代码难以实现。

这套管线的执行，没有人从头写过一行传统程序。每一步对应一份SKILL文档——用结构化自然语言写清楚：输入是什么、处理逻辑是什么、输出是什么、怎么验证。AI读SKILL，执行SKILL，产出结果。

🔍 从数据中涌现的洞见

语法高亮是认知辅助的第一步。更深层的突破是：当实体、事件、关系被结构化后，机器能发现人力不可能完成的模式——跨130篇的矛盾检测、跨越2600年的规律归纳、从57万字中自动推断治乱兴衰的深层逻辑。

知识图谱在构建过程中发现了20+个跨章洞见（详见 eureka.md）：

• 征服-治理倒转：打天下的手段恰恰是治天下的障碍
• 边缘优势：成功王朝一致从边缘地区起源
• 宽恕悖论：对下属的宽恕创造忠诚，对敌国的宽恕制造灾难
• 冯谖烧券买义的经济学：首次用现代财政分析解读战国债务免除——年利率推算、债务规模估算、免除成本效益分析，揭示孟尝君如何通过3000金换取薛地民心，开创战国贵族财政史研究（详见案例12）
• 沙丘之谋的四层传播链：追溯"赵高-李斯-胡亥密谋"故事从前210年到司马迁时代的百年传播路径，揭示官方史料、野史传说、儒家叙事如何层层叠加，最终形成《史记》版本（详见案例04）

这证明：当知识被充分结构化后，机器辅助的推理能发现人类难以通过线性阅读察觉的深层模式。

---

🎨 应用与实验

史记是个巨大的宝库，知识图谱是产生创见的浓缩咖啡。 它能让我们更快、更自动化地创作出更多更好的播客、短视频、小说、电影、游戏。当然，也能帮我们发现历史真相，进行学术研究。

最新好玩的实验（都是刚刚开始的在进行中的半成品）：

• 太史公曰 - AI学太史公写作：三层SKILL架构，把乔布斯、葛底斯堡演说改写成《史记》文风
• 太史公怎么知道 ✨NEW - 史源溯源与历史推理：整合李开元30+种方法 + 《安史之乱》8种新方法，12个深度案例（107,000字）
  • 案例11：长平之战财政计算，揭示赵王换将真因
  • 案例12：冯谖烧券买义经济学分析，开创战国贵族财政史研究
• 矛盾分析 - 130篇里谁说了假话：AI跨篇章矛盾检测，基于史记常识库发现10个反常案例
• 史记常识库 - 10大类普适性规律知识（108+条目），支持反常检测与真实性推理，首轮反思迭代提取8个高质量常识
• 语义排版 - 文本也能像代码一样高亮：句间关系可视化

→ 更多实验见 labs/ 目录

应用场景

详见：史记阅读器重构与语义排版

• 文艺二次创造：历史小说/电影/短剧素材引擎，快速检索人物关系、事件脉络、场景细节
  • 播客案例：EP02 AI侦探：荆轲死了，秦始皇不说，那谁说的 - 从知识图谱到音频叙事的创作实践
• 游戏化：SKU→技能卡，事件→剧情，实体→角色。一个知识库支撑一百款不同游戏
• 历史探案：年龄/婚姻/家庭一致性自动检验，矛盾自动浮现
• 学术研究：矛盾检测、史料溯源、系统化推理（详见北大考古学生反馈）
• 跨语言历史：波斯文/蒙古文/阿拉伯文史料融合中文知识图谱，边疆史多视角呈现
• 考古应用：16万份甲骨拓片系统性分析，单字研究逻辑并行化

---

史记 Wiki

在线地址:

• GitHub Pages: https://baojie.github.io/shiji-kb/wiki/
• shiji.memify.wiki: https://shiji.memify.wiki/wiki

《史记》结构化知识的百科式入口——把标注数据、知识图谱、史源分析整合为人可阅读的 wiki 页面网络。

规模（2026-05-14）

页面类型

• person：人物页，含生平、事件时间线、原文引证、横向对照
• event：事件页，精品事件附五维评分与引文核验
• chapter：130 章节索引页，链接原文阅读器
• state：邦国页（秦/汉/楚/赵/燕/魏/韩/越…），含兴亡脉络
• place：地名页（黄河/咸阳/番禺/鸿门…）
• story：成语典故页（附史记出处与原文）
• concept：政治地理与思想概念页（天下/中国/三秦…）
• sanwen：诏令、辩论、誓词等散文体知识单元

Butler Agent

wiki 由 butler（自主 AI agent）按轮次维护：每轮执行一个原子操作（新建 stub、深化精品页、引文核验、类型整理），每 23 轮批量提交一次。

agent 配备三层反思机制：

详见：wiki/doc/butler-reflections.md — 所有反思记录总览

本地运行

python3 wiki/server/serve.py wiki/public 8000
# 浏览器打开 http://localhost:8000

---

核心数据

标注质量里程碑

事件时间反思（5轮Agent迭代，累计修正~2,100处）：

• 第1轮：1,010处（消除系统性错误，建立26条错误模式）
• 第2轮：431处（精细调校，确定性升级）
• 第3轮：465处（收敛验证，格式清理）
• 第4轮：167处（终态验证，仅9%为实质性年份修正）
• 第5轮：21处（跨章节交叉验证，强收敛）

实体标注反思（4 轮按章审查，累计修正 ~20,000 处）：

• 第 1 轮（2026-03-15）：~1,913 处（类型边界修正，官职→身份等 650+ 处）
• 第 2 轮（2026-03-17）：~9,955 处（刑法、礼仪等遗漏补充）
• 第 3 轮（2026-03-21）：~890 处（时长消歧 A8 批量 770+，A70 动词格式红线封堵）
• 第 4 轮（2026-04-16 至 04-18）：~8,684 处（B7 邦国+人名总则批量升级、A110 主人公消歧无豁免、E3 半角引号全库扫描）
• 规律库：134 条（A 类型判断 116 + B 邦国氏族 7 + C 单字消歧 5 + D 领域专项 15 + E 格式残留 5）

其他质量保障：

• ✅ CSS渲染升级v5.4：身份标注符号语义修复（8,774处）
• ✅ 文本完整性验证：原文与标注文件逐字相同，100%通过
• 📊 详见 doc/events/ | doc/entities/ | CSS版本历史

---

技术架构

四层语义递进模型

结构语义 → 图谱语义 → 知识语义 → 应用语义

每一层回答不同的问题，严格递进：

1. 结构语义（第1层）：文本怎么组织的？句子间什么关系？

   • 校勘、切分、编号、句间关系识别、三家注对齐

2. 图谱语义（第2层）：谁做了什么？在哪里？什么时候？

   • 实体标注、事件提取、关系发现、年代推断

3. 知识语义（第3层）：怎么分类？遵循什么规律？

   • 本体构建、逻辑推理、知识单元化、模式识别

4. 应用语义（第4层）：历史真相是什么？有哪些矛盾？能发现什么规律？

   • 矛盾检测、规律归纳、交互式探索、洞见挖掘

详见：研究方法总则 | 项目初衷、愿景与未来方向

九步管线（Agent驱动，可并行）

01 校勘 → 02 结构分析 → 03 实体构建
  → [04 事件 / 05 关系 / 06 本体 并行]
  → 07 逻辑推理 → 08 SKU构造 → 09 应用构造

• 校勘：多版本比对，生成定本 (SKILL 01)
• 结构分析：章节切分、Purple Numbers编号、句间语义关系、三家注对齐 (SKILL 02)
• 实体构建：18类NER标注、别名消歧、多轮反思审查 (SKILL 03)
• 事件构建：结构化事件提取、公元纪年推断、十轮反思校正 (SKILL 04)
• 关系构建：9种关系类型、SPO三元组、事件链路 (SKILL 05)
• 本体构建：实体词表→分类树→OWL/RDF (SKILL 06)
• 逻辑推理：矛盾检测、生卒年推断、姓氏推理 (SKILL 07)
• SKU构造：知识单元化（Factual/Procedural/Relational） (SKILL 08)
• 应用构造：阅读器、地铁图、游戏化、问答 (SKILL 09)

详见：管线总览 | 完整SKILL索引 | 📊 管线调用大图 pipeline.svg

---

路线图

近期：深化《史记》（2026 Q2-Q3）

• 十表交互式查看器：将年表从静态HTML转为可筛选、可排序的动态表格
• 社会网络分析：基于3,797个人名和已有关系数据，构建跨朝代人物网络
• 时空分析：对接CHGIS（中国历史地理信息系统），构建可按朝代切换底图的交互式历史地图
• 系统化矛盾检测：跨章交叉验证（如007项羽本纪 vs 008高祖本纪的死伤数矛盾）
• Neo4j图数据库：导入知识图谱，支持Cypher查询和图算法分析

近期规划：3月完成史记，4月处理汉书和左传，5月完成通鉴。

中期：扩展到26史+资治通鉴（2026-2027）

项目的方法论（管线架构、SKILL文档、Agent工作流）设计之初就考虑了可移植性：

关键：不是重复劳动，而是复用已验证的SKILL，让每一部新古籍的处理成本递减。

史记一共60万字，处理成本约千元级别（含试错和方法论探索）。优化后，每10万字成本可降至百元级别。

远期：30亿字级古籍数字化基础设施（2028+）

• 四库全书、佛道经典：总规模约30亿字
• Agent驱动、Skills可复用：方法论本身成为可分发的知识资产
• 从文献到知识到发现：机器不只是帮助阅读，而是帮助发现——跨文献的交叉验证、矛盾识别、规律归纳
• 开放协作：代码和方法论开源，数据以CC BY-NC-SA 4.0发布

最终愿景：建立一个由AI Agent维护和持续进化的中国古典文献知识网络，让任何人都能以问答、可视化、推理的方式探索数千年的历史智慧。

---

质量保障

为什么会有错误？

这是一个人+AI协作的大规模知识工程项目。57.7 万字、15,331 个实体（18 类名词 + 4 类动词）、3,198 个事件，全部由 AI Agent 在有限提示词指导下自动提取。错误不仅不可避免，而且预期之内。

错误的三个主要来源

1. AI理解偏差

• 古文歧义性：同一个字在不同语境下可能是人名、地名或普通词汇（如"齐"可以是齐国、齐桓公，也可以表示"相同"）
• 多义实体：历史上有多个同名人物（如张良、李斯跨朝代同名）
• 隐性指代：史记中大量使用"公""侯""王"等称谓，需要结合上下文推断具体是谁

2. 标注规范的动态演进

• 项目初期规范不完善，随着数据积累逐步细化
• 例如：身份标注符号语义在v5.4版本才系统修复（8,774处调整）
• 跨章一致性问题：不同章节标注时段不同，规范认知有差异

3. 复杂推理的边界

• 年代推断：史记使用在位纪年，转换到公元年需要多步推理（君主在位年表→在位年数→公元映射）
• 事件关系：因果关系、时序关系等语义判断，AI准确率约85-92%
• 消歧决策：判断两个"韩信"是否是同一人，需要综合地理、时间、职位等多维信息

我们怎么修正？

结构化反思循环（Agent-driven Quality Loop）

[AI初始标注] → [规则校验] → [Agent反思] → [批量修正] → [人工抽检] → [规范迭代]
     ↑                                                               ↓
     └─────────────────────── 下一轮反思 ←──────────────────────────┘

实证：事件年代审查的质量收敛

关键洞察：90%准确率的AI标注 + 5轮反思，总耗时5天，成本约200元。人工从零标注57万字，估计需要6-12个月。速度提升100倍的代价是接受初始错误并系统性迭代修正。

多层质量保障机制

1. 自动校验工具链

• 原文完整性检验：100%验证标注后字符数与原文匹配
• 符号对称性检验：〖@人名〗 开合标签必须配对
• 实体类型约束：18类实体的合法性检查
• 跨文件引用检查：事件中引用的人名/地名必须存在于知识索引

2. Agent反思审查

• 第一轮实体反思（2026-03-17）：130章系统审查，修正1,913处标注错误
• 事件年代审查：5轮迭代，修正2,119处年代推断错误
• 别名消歧：595条别名合并，644处同名消歧

3. 人工抽查与规范修订

• 每完成一批反思，人工抽检5-10%结果
• 根据发现的系统性问题修订SKILL文档
• 重新运行受影响章节的标注

已知问题清单

详见 Issues，当前主要问题类型：

• 实体边界模糊：复合词如"汉中王"应该标注为"汉中（地名）+王（身份）"还是整体标注为"职位"？
• 事件粒度不一致：部分章节事件切分过细（一句话多个事件），部分过粗（一段只有一个事件）
• 关系推断过度：某些因果关系是AI过度推理，史记原文未明确表达
• 年代推断空缺：约1.3%的事件无法推断具体公元年（如神话时期、记载过于模糊的事件）

如何报告错误？

我们非常欢迎社区帮助发现和修正错误！

GitHub Issues: https://github.com/baojie/shiji-kb/issues

报告方式：最简单的方式是直接截图上传，配一句话说明问题即可。我们会从截图中定位章节和具体位置。

我们会怎么处理？

1. 48小时内响应：标记issue类型、优先级
2. 批量修正：累积同类错误，用Agent批量修正而非逐个手工改
3. 规范更新：如果是系统性问题，更新SKILL文档并重新运行相关章节
4. 贡献者致谢：在commit message和更新日志中致谢报告者

长期愿景：众包质量迭代

未来计划：

• 公开质量看板：实时展示各章节各类标注的置信度分数
• 众包审校系统：社区成员可以在线提交修正建议，自动生成PR
• 置信度标注：给每个实体/事件/关系标注AI的置信度，低置信度项优先人工复核
• 对抗性验证：用不同模型独立标注同一文本，差异处自动标记为待审查

核心理念：不追求一次性完美，追求可观测、可迭代的渐进完善。开放数据+开放流程+社区协作，让知识库像开源软件一样持续演化。

---

参与贡献

贡献方式

欢迎各种形式的贡献：

• 知识图谱完善（实体标注修正、事件关系补充）
• 代码改进（渲染器优化、新功能开发）
• 学术讨论（方法论反馈、应用场景探索）
• 可视化设计（阅读器UI改进、数据可视化）
• Bug报告和功能建议

参与指南: resources/help/CONTRIBUTING.md - 详细的贡献流程和规范

GitHub Issues: https://github.com/baojie/shiji-kb/issues

社区反馈

2026-03-30: 北京大学考古学生试用反馈 (#85)

在赵冬梅教授的《中国史学史》课堂上，学生们试用了史记知识库并提出了6点建议：

1. ✅ 开关面板 - 已实现语法高亮开关 (#17)
2. 📋 文本版本体系 - 版本信息、注释、异文集成展示 (#87)
3. 📋 图文对照 - 原始典籍页面与数字文本并列展示 (#88)
4. 📋 模糊搜索改进 - 扩展至地名、官职、典故等 (#41)
5. 📋 官制词典 - 辅助理解复杂官制体系 (#89)
6. 📋 问题驱动数据库 - 史料溯源、作者意图分析 (#60)

详细反馈: resources/community/2026-03-30_北大考古学生反馈_issue85.md

这些来自历史学、考古学专业视角的建议，为项目的学术化方向提供了重要指引。

---

快速开始

# 1. 克隆项目
git clone https://github.com/baojie/shiji-kb.git
cd shiji-kb

# 2. 安装依赖
pip install -r requirements.txt

# 3. 生成HTML（单章或全部）
python render_shiji_html.py chapter_md/001_五帝本纪.tagged.md
python generate_all_chapters.py

# 4. 查看结果
# 在线：https://baojie.github.io/shiji-kb
# 本地：打开 docs/chapters/ 下的HTML文件

目录结构: PROJECT_STRUCTURE.md

---

作者与致谢

创建者

鲍捷 (baojie)

• Email: baojie@gmail.com
• 微信: baojiexigua
• GitHub: @baojie

AI协作者

Claude Code (Anthropic)

• 主力模型：Claude Sonnet 4.5 / Opus 4.6
• 累计消耗：~55亿tokens，约120小时人机协作（截至2026-04-02）
• 分工：AI负责大规模标注、代码开发、文档生成；人负责愿景、审美、质量把控、任务调度

致谢

• 原始文本：维基文库《史记》
• 底层AI基础设施：Claude Code、Claude Sonnet 4.5、Claude Opus 4.6 (Anthropic)
• 灵感来源：Doug Engelbart（Purple Numbers）、Noy & McGuinness（Ontology Development 101）

许可证

• 标注数据：CC BY-NC-SA 4.0 - 署名-非商业性使用-相同方式共享（可自由用于学术研究和非商业项目，需注明出处，衍生作品需使用相同许可；商业使用请联系作者获取授权）
• 分析脚本：MIT License - 自由使用、修改、分发
• 《史记》原文：公有领域作品

---

免责声明：本项目由AI辅助生成，标注和知识提取中不可避免地存在错误和疏漏。我们正在与AI一起持续修正和完善。本知识库严格局限于《史记》本身的文本内容，不涉及史实考证。

---

项目维护者：baojie (上海 / San Jose)· 最后更新：2026-05-14

赞助一杯咖啡

如果你觉得这个项目有意义，欢迎支持我继续做下去。数额随意，不用超过一杯咖啡钱。