提到OCR，大多数人先想到“识字”，但对古籍来说，更关键的一步往往是先把页面看明白。

一页古籍里，哪些是正文，哪些是双行夹注；天头地脚有没有批注；是通栏、双栏还是三栏；大小字如何区分，内容顺序怎样恢复等等。这些如果判断错了，后面的识别结果就很难直接用于整理和利用。

因此，版面分析并非简单切块就能完成，而要依赖真实语料进行持续训练和优化。从这次评测也能看出，版面分析仍然是当前古籍OCR领域的共性难点。

在古籍OCR里，版刻文献仍是最基础、也最需要优先做稳的场景。古联OCR系统于2022年上线以来，版刻OCR算法一直在持续迭代：一方面提升识别稳定性和场景适应性；另一方面扩充识别字库，增强对异体字和复杂版面的覆盖能力。

目前，版刻OCR识别效果较上一版进一步提升，识别准确率已普遍超过99%。对版式相对简单的版刻文献来说，这项能力已进入较高可用阶段，能够较好支撑后续整理、检索和利用。而对于表格、家谱等复杂结构的版刻文献，仍在继续打磨中。

版刻OCR优化重点

相比之下，手写OCR所面对的书写场景更为复杂。无论是稿本、抄本，还是页面中的批校、书前的题跋，都呈现出高度个性化的书写特征。不同书写者在用笔习惯、字形结构等方面的差异显著；同时，文字大小不一、勾改、涂抹等情况也十分常见。这些因素相互叠加，使得文本形态更加多变，其识别难度往往远高于版刻文献。

手写OCR页面情况复杂

围绕这一问题，古联近年持续开展手写OCR训练，训练语料覆盖稿抄本、书法作品、手写信札、仿古籍形制抄写文献等多种材料，并尝试借助AIGC补充部分训练样本。从目前测试结果看，稿抄本等竖排手写体文献识别准确率已达到95%，说明这项能力已具备一定应用基础。但行草书等更高难场景，仍是下一步重点优化方向。

手写体OCR训练数据

古文字识别的难点不只在图像质量或版面复杂，更在于字形系统本身与后世常见汉字已有明显距离。很多古文字字形与今天熟悉的楷体结构差别很大，模型面对的不是简单“看清楚”，而是跨越历史演化阶段去建立对应关系。

与此同时，古文字OCR还普遍面临标准字体不足、字库不完备、编码体系不统一等问题，这使训练数据整理、人工标注和模型建构都更困难。也因此，古文字识别并不是通用大模型能力增强后就能自动解决的问题，真正起作用的仍然是领域数据积累、专项训练和持续整理。

目前，古联也在推进隶书OCR相关工作，持续积累数据资源并完善训练基础。然而，这一方向距离形成稳定、可规模化部署的工程级应用，仍有一定差距。

隶书OCR训练数据类型

古籍OCR如果只停留在“识别率更高一点”，其实还不够。真正进入整理流程时，更关键的是：复杂图像能否处理，识别后的文本能否继续用于校对、标点等整理工作，能否切实减轻人工负担。

因此，古联公司近年的推进，不只是优化算法，也在同步完善OCR之后的整理支撑系统。古籍智能整理平台已支持版式校对、分列校对、折校、单字聚类校对等多种方式，并增加了异体字替换、字图保留、自动标点辅助等功能，使OCR结果能够更顺畅地进入后续整理流程。

古籍智能整理平台 

分列校对、单字聚类校对、版式还原校对示例

总体来看，古联古籍OCR已取得阶段性进展：版刻OCR进入较高可用阶段，手写体OCR实现阶段性突破，古文字识别等高难方向仍在持续推进。

古籍OCR不会随着技术发展而自然成熟，仍需贴着真实场景，一页一页去训练，一个问题一个问题去打磨。只有这些基础能力真正建立起来，古籍数字化的后续工作才会有更坚实的起点。

对古籍智能整理平台和OCR系统感兴趣的伙伴欢迎联系我们~

联系方式：张老师，546343035（QQ）

微信号：jingdianguji

李守奎，中国文字学会副会长，清华大学人文学院教授，任职于出土文献研究与保护中心、历史系和中文系，主要从事古文字考释、出土文献研究和汉字学研究，任历史文献学博士生导师、汉语言文字学博士生导师，1993年东北师范大学汉语史方向毕业后，曾长期在吉林大学学习和工作，受到多方面的培养和锻炼，2009年至今主要从事清华简整理与研究。

白军鹏，东北师范大学文学院、“古文字与中华文明传承发展工程”协同攻关创新平台副教授，博士生导师。研究方向主要集中于以简牍本《苍颉篇》为核心的秦汉字书研究、汉代出土文献人名研究以及古书讹字研究等。已出版学术专著一部，在《考古》《文献》《出土文献》《光明日报》等专业领域内报刊上发表学术论文40余篇，主持多项国家社科基金项目。

姚磊，信阳师范大学出土文献研究中心主任，历史文化学院副教授，硕士生导师，历史学博士。研究方向为简牍整理与研究、先秦秦汉史，河南省青年拔尖人才、河南省高等学校哲学社会科学创新人才，担任中国秦汉史研究会理事，主持完成国家社科基金项目2项、省部级项目3项，获全国古籍出版社百佳图书二等奖，河南省高校哲学社会科学优秀成果奖一等奖。出版专著《先秦戎族研究》《肩水金关汉简缀合》《肩水金关汉简释文合校》3部，发表CSSCI论文20余篇。

徐畅，北京师范大学历史学院副教授、硕士生导师。主要从事出土汉唐文献整理及相关历史问题研究；先后参与吐鲁番文书、墓志、简牍的一线整理，受国家文物局“长沙走马楼三国简牍保护与整理”项目负责人邀请，直接参与了三国孙吴竹木牍的整理工作；曾先后10次至长沙简牍博物馆做简牍调查，对全部牍文书的情况进行过彻底清理；出版专著《长安未远：唐代京畿的乡村社会》（三联•哈佛燕京学术丛书，2021），《长沙走马楼三国孙吴简牍官文书整理与研究》（中国社会科学出版社，2021）。

杨博，历史学博士，现为中国社会科学院古代史研究所先秦史研究室副研究员。主要从事出土文献与先秦、秦汉史研究，2018年获第三届李学勤裘锡圭出土文献与中国古代文明研究青年奖；先后承担国家社科基金、教育部、国家语委甲骨文等古文字研究与应用专项等多项国家级项目的研究工作；著有《战国楚竹书史学价值探研》《海昏简牍初论》（合著）等；在海内外学术期刊发表论文40余篇。

王挺斌，浙江大学汉语史研究中心特聘研究员，历史学博士，主要从事古文字学研究。曾在《中国语文》《文史》《古汉语研究》《语文研究》《语言研究》《出土文献》等国内外核心刊物上发表论文多篇。主持国家级社科基金项目1项，省部级社科基金项目2项，教育部基地重大项目子课题1项。出版专著1部。曾获清华大学2018年度优秀博士论文一等奖、浙江大学第四届哲学社会科学研究优秀著作奖（青年成果奖）、浙江省第二十二届哲学社会科学优秀成果奖（青年奖）、浙江省语言学会第二十一届学术年会优秀青年论文二等奖等。

可能是目前最好的线上简帛学习计划

用更优质的内容和更卓越的体验

为热爱古籍的你提供最好的成长通道

微信号：jingdianguji

课程简介

模块一：零基础编程

No.1

南京师范大学文学院教授，语言大数据与计算人文研究中心负责人。主要从事计算语言学和数字人文领域的研究，特别集中于古汉语信息处理领域的古文断句、分词、词性标注、词义分析的标准制定、资源构建和自动分析等具体技术研发。

本课程为零代码编程模块基础课，也是我们本次培训的第一讲。目标是帮助学员建立数据与数据结构的基础理论，这也是我们开启后续所有工作的理论基础。

数字人文的交叉，在于将计算机科学的结构化思维、海量数据处理能力与复杂计算模型引入人文研究领域。其中，知识的结构化是推动人文学科突破性进展的基石。知识的结构化数据处理并非简单地将人文材料（如古籍扫描、文物三维模型）存入计算机形成“机采数据”，其本质在于将蕴含复杂概念体系、事件关系和文化内涵的人文知识节点，转化为由清晰定义的概念节点及其间的有效关系构成的逻辑体系。

内容要点：

1.数据类型与结构的基础概念

2.人文数据的逻辑结构与案例分析

3.结构化人文数据的应用与意义

本课程为零代码编程模块基础课，讲解大语言模型的原理及工具应用。课程将会展示大语言模型的技术原理与演进，常用的大模型工具以及大模型应用案例。

课程遵循"原理—工具—场景"递进逻辑：先介绍神经网络模型原理与预训练、后训练范式，建立技术认知框架；继而对比评测国内外主流大模型，掌握工具选型能力；最终聚焦语料数据加工、文本改编等具体场景，演示如何高效调用模型，以及通过领域语料建立专用模型。

内容要点：

1.大语言模型的技术原理与演进

2.常用的大模型工具

3.大模型应用案例

模块二：零代码编程方法论与实操

No.2

暨南大学文学院中文系讲师，广东省岭南数字人文实验教学示范中心（省级）副主任，暨南大学-科大讯飞方言语音科技联合实验室（省级）副主任，暨南大学汉语方言研究中心（省级）研究员，粤语语料库建设与大模型评测重点实验室（市级）研究员，研究方向为数字人文与方言科技。

本课程为方法论与工具实操课。教授学员零代码搭建人文数据库及人文智能体的具体方法。

以自研的汉语方言学大词典数字化平台、汉语方言语音特征数智平台、广州话电子字典、明清坊刻通俗小说数据库为实例，帮助学员在实践中理解人文数据库建设的完整路径。剖析上述平台的设计思路、前后端实现及AI智能体研发逻辑，逐步建立起符合学术规范的数据基础设施建设方法论。继而通过零代码平台实操，演示如何无需编程即可搭建人文类数据库和智能体，并利用其服务学术研究与教学。

内容要点：

1.人文数据库与AI智能体建设思路与方法论

2.零代码/低代码数据库与搭建工具实操

模块三：零代码编程研究全流程

No.3

本课开始我们进入模块三：学习利用零代码编程开展研究的工作全流程。

在生成式人工智能（AIGC）重塑知识生产的当下，人文学者面临着双重困境：传统的编程工具（如 Python）学习曲线陡峭，让人望而却步；而新兴的大模型虽然能快速生成内容，但其固有的黑箱机制与幻觉风险，使得输出结果难以满足人文学科对证据来源与逻辑可控性的严苛要求。

如何在享受技术红利的同时，捍卫学术研究的严谨性？本课程将围绕具体的数字人文研究案例，讲授一套AI条件下“低门槛、高严谨”的研究流程。

内容要点：

1.基于n8n智能体工作流的史料结构化

2.基于Orange的溯源验证

3.教学案例

4.可视化验证与反思

华中师范大学语言与语言教育研究中心副教授，博士，硕士生导师。研究方向为中文信息处理、现代汉语语法。主持并研发了“当代小说语料库”“汉语复句语料库”“汉语中介语动态语料库”和“我国中小学生写作能力评价与教学策略研究数据库”等语料库。

本讲我们继续模块三的学习，从统计的视角切入。

针对人文学者在量化转型中普遍面临的“门槛高、应用难”等困境，本课尝试提炼一套“数据筑基、逻辑领航、AI协同”的研究路径。应当明确，统计学并非点石成金的魔法，若原始数据本身存在严重的“幸存者偏差”，任何精妙的方法都只能是徒劳的修饰。

在筑牢数据严谨性这一底线的前提下，讲座旨在通过RTCO提示词框架实现人文逻辑与AI执行力的深度对接，使大模型从“不可知的黑箱”转化为透明、专业的“虚拟统计专家”。

这套流程的本质，是将学者从繁琐、低效的代码纠缠中释放，把宝贵的精力重新投入到“变量洞察”与“深度学理阐释”的科研本位之中，真正实现在AI时代下人文研究效率与解释深度的同步飞跃。

内容要点：

1. 数据质量与统计逻辑——AI时代的研究定力

2. 数字人文中的变量类型与模型选择

3. AI辅助的提示词框架——RTCO框架

4. AI辅助常见统计方法全流程实操

模块五（加更）：热点聚焦

No.5

本课是本次培训的“加课”，深度解析当下的“OpenClaw”热点。

课程聚焦海外智能体框架OpenClaw在国内遇到的技术限制、部署成本、数据合规等痛点。先讲OpenClaw是什么、为什么火，再讲为什么要转国产替代。这也是本次讨论的核心脉络，帮助大家厘清从海外框架到国产方案的技术演进逻辑。

课程通过讯飞AstronClaw、腾讯WorkBuddy深度测评，给出国产“龙虾”三步实操法，帮大家把大模型变成能落地执行的主动辅助系统，减少重复劳动、提升效率，最后辨析需求真伪并答疑。

内容要点：

1. OpenClaw是什么

2. OpenClaw为什么能炙手可热

3. 为什么转向“国产龙虾”

4. “国产龙虾”喂养三步法

5. 养“龙虾”是真需求还是假需求

模块四：智慧课程建设

No.4

本讲开始，我们进入智慧课程建设模块。首要的工作就是夯实理论基础，构建系统的方法论。

本课紧扣“AI课程建设”的核心主题，以《语言学概论》课程为具体案例，分析从顶层设计到课堂落地的智慧课程建设全流程。

首先，教师带领学员解读国家教育数字化战略行动的最新政策，剖析智慧课程建设的核心意义和内涵。

在此基础上，进一步探讨大语言模型、自动化知识图谱分析、课程多源数据库建设等前沿信息技术，如何从底层逻辑上重塑语言学乃至整个新文科的教学目标、内容体系与课堂中的师生关系。

最后，通过“语言学概论”课程从0到1的建设实录，真实展示如何借助信息技术破解文科教学长期存在的难点，构建数智化混合式教学新形态。

内容要点：

1. 高等教育数字化新要求与新赛道开辟

2. AI时代高等学校智慧教学课程新思考

3. 信息技术赋能新文科数智课程建设实践

中山大学中国语言文学系（珠海）教授、博士生导师、系副主任。主要研究方向为汉语言文字学，特别是中古汉语、近代汉字的发展、流变和域外传播研究，兼及敦煌遗书、域外文献整理与研究。

本课开始，老师们将在智慧课程建设这个主题的基础上围绕科研与教学展开进一步思考。

课程以AI+文献学课程为案例，探讨AI在文献学智慧课程设计中的教学应用场景与创新边界；最终落脚于数字化研究方法的学理反思，构建技术工具与人文阐释互鉴共生的文献学研究新生态。

课程的内容要点分别有数字人文与古典文献学的交叉融合路径与思考，AI辅助下的文献学课程设计、教学创新与反思以及文献学的数字化研究方法的思考。

内容要点：

1. 数字人文与古典文献学的交叉融合路径与思考

2. AI辅助下的文献学课程设计、教学创新与反思

3. 文献学的数字化研究方法的思考

本课程将视角延伸至数字目录学与数字人文基础设施建设，并结合教学反馈展开讨论。

教师将聚焦人工智能时代的数字目录学发展，结合清华大学团队近年来在相关基础设施研发与课程教学中的实践经验，对数字目录学的未来发展方向、基础设施建设路径及相关教学活动进行系统性梳理与反思。

内容要点：

1. AI时代数字目录学的发展方向思考

2. AI辅助下的数字目录学基础设施建设

3. AI+数字人文基础设施教学反思

北京师范大学文理学院中文系讲师、硕士研究生导师，北京师范大学珠海校区图书馆数字人文中心主任，中国计算机学会（CCF)人文智能专业委员会执行委员。研究方向为古籍数字叙事、VR古籍游戏、数字人文教育等。 主持建设"文献多模态资源AI标注与问答平台”“京师.数字记忆3D展厅平台”“全球数字人文教育资源智能检索平台”。

本课聚焦AI时代下的文献多模态资源制作，为教师及其他文化工作者带来更多在教学和创意领域的新思路、新工具。

课程针对古籍、古诗词理解困难和大众传播普及率不高的问题，课程从可信数据视角切入，以敦煌遗书、古诗词为例，演示文献内容从“数据化-信息化-知识化-艺术再造”处理全流程涉及的资料考证、文案策划、视觉传达设计、多模态制作的实操过程和成果展示。

可供中小学文史教师、数字人文教学科研人员、文化创意工作者、爱好者学习借鉴，用于备课、课程教学、创意传播。

内容要点：

1. 古籍文献数字叙述的逻辑与流程

2. 教学场景的叙事重构与文案策划

3. 多模态视觉传达实践

课程基本信息

古联公司编辑部招聘

数字人文编辑

古联（北京）数字传媒科技有限公司，系中华书局全资子公司，成立于2015年10月，前身为中华书局“古籍资源部”。

作为国家级古籍数字化领军企业，公司秉承“守正创新、科技赋能”的发展理念，以古籍数据库建设为战略基点，系统构建起涵盖技术研发、项目服务、图书出版与人才培养的数字化服务矩阵，实现资源、技术、人才三聚合，开创古籍整理与数字技术深度融合的出版新范式，推动中华优秀传统文化的创造性转化、创新性发展。

籍合学院 - 新媒体方向实习生

微信号：jingdianguji

古联公司编辑部招聘

数字人文编辑

各有关单位：

本次培训设置“思政引领”“古籍整理理论与方法”“出版实务”“数字化前沿”四大教学模块。各模块均经前期调研论证，严选该领域权威专家担纲授课。共计14门课程，56学时。（以下为简图，详情见文末）

学员培训期间参加由组织方安排的签到考核，成绩合格者颁发出版专业技术人员继续教育证书。

费用：2380元/人

培训期间提供午餐(无需额外缴费），其他食宿费用自理。

扫描二维码缴费报名。集体报名或对公转账请咨询联系人。

联系人：杨老师

电话：18519325994（可加微）

邮箱：training@ancientbooks.cn

授课安排

 悉昙梵文字母识读入门

你是否也曾对悉昙梵文心生向往？

那一笔一划间，仿佛藏着古老东方的智慧与神秘。

可当你满心热忱地翻开教材，面对那五十个形态各异的字母时，却瞬间“两眼一抹黑”：

字形太像，记不住；发音复杂，分不清。

如果你也有这样的困惑，别担心，你不是一个人。

今天，我们想为你推荐一份特别的“礼物”——由一位曾经被悉昙梵文 “难住” 的零基础学员，为你量身打造的【悉昙梵文字母识读入门】免费课程。

说是课程，实则不如说它更是一场充满乐趣的“碎片化闯关”之旅。

古联（北京）数字传媒科技有限公司，系中华书局全资子公司，成立于2015年10月，前身为中华书局“古籍资源部”。

作为国家级古籍数字化领军企业，公司秉承“守正创新、科技赋能”的发展理念，以古籍数据库建设为战略基点，系统构建起涵盖技术研发、项目服务、图书出版与人才培养的数字化服务矩阵，实现资源、技术、人才三聚合，开创古籍整理与数字技术深度融合的出版新范式，推动中华优秀传统文化的创造性转化、创新性发展。

大数据中心 - 实习编辑（4人）

微信号：jingdianguji

1

参观“中国出版的文明贡献”展览

2

沉浸体验“中华智慧阅读空间”

3

参加“美的历程：

中华优秀传统文化特别专场”

4

有多名文化学者进行主题分享，

其中谭木声老师分享“如何读《史记》”

5

汉服走秀、民乐表演等节目

听完表演，请注意

16:00来参加谭木声老师的

《外戚世家》课程

《史记》线下课程，请扫码报名

若还要参加书局读者开放日

请扫下面二维码报名

古联（北京）数字传媒科技有限公司，系中华书局全资子公司，成立于2015年10月，前身为中华书局“古籍资源部”。

作为国家级古籍数字化领军企业，公司秉承“守正创新、科技赋能”的发展理念，以古籍数据库建设为战略基点，系统构建起涵盖技术研发、项目服务、图书出版与人才培养的数字化服务矩阵，实现资源、技术、人才三聚合，开创古籍整理与数字技术深度融合的出版新范式，推动中华优秀传统文化的创造性转化、创新性发展。

大数据中心 - 实习编辑（4人）

微信号：jingdianguji