很多人第一次听说识典古籍，是因为它"永久免费、没有广告"；真正让它跑起来的，却是藏在阅读界面背后的那一整套 AI 能力。识典古籍的定位是"古籍智能整理数字化平台"——"智能"二字不是装饰，而是这个平台得以成立的前提。本文只依据可核验的公开信息，从底层技术讲到阅读端体验：OCR 文字识别、自动标点、命名实体识别这三项基本功，AI 译文、AI 朗读与播客、AI 助手与"深度研究助手"这些读者能直接感知的功能，以及它们各自的边界。既不把 AI 说成万能，也不因为它是机器就轻视它。
核心要点
- 识典古籍由北京大学—字节跳动数字人文开放实验室研发，定位"古籍智能整理数字化平台"，AI 是它的底座而非附属功能。
- 三项底层能力与公开口径准确率：文字识别（OCR）96%–97%（行业平均约 93%–94%）、自动标点 94%、命名实体识别接近 98%。
- 阅读端可感知的 AI 功能：AI 译文 / 文白翻译（覆盖超 1 万部古籍）、AI 朗读与听书（依托火山引擎智能语音，支持超 700 部古籍）、AI 播客讲解、AI 助手与实体百科。
- "深度研究助手"据公开信息于 2025 年 10 月基于豆包大模型上线，面向阅读与研究场景。
- AI 产出的是"整理稿"而非"定本"：平台走 AI 整理 + 众包校对 + 专家参与的路线，个别书籍可能仍有疏漏，可对照原图核对。
- 读可以放心用，引用则建议核对权威点校本或影像底本；涉及学术结论，以专家与官方说明为准。
为什么说它本质是一个"AI 古籍平台"
要理解识典古籍的 AI，先要看它面对的问题有多"硬"。中国古籍数量庞大，且多以影印或扫描图像存在：竖排繁体，异体字、避讳字、古体俗字层层叠叠，还夹杂虫蛀、漫漶、断版与眉批夹注。传统做法是学者逐字辨认、手工录入、再断句加标点，一部中等规模的典籍就可能耗去数月。不是不想做，而是人力成本把速度卡死了。
识典古籍的解法，是把能交给机器的部分全部交给机器。据公开信息，2022 年 3 月，字节跳动与北京大学合作成立"北京大学—字节跳动数字人文开放实验室"，由北京大学数字人文研究中心提供学术指导与古籍图文数据，字节跳动提供技术与资金支持。2022 年 10 月 11 日网页版测试版上线，首期整理上线《四部丛刊》等 390 部经典古籍、共 3000 余万字，免费开放。此后规模持续增长，据公开信息，2026 年初权威口径约为累计上线 4.7 万部古籍。该数字仍在增长，以官方页面实时显示为准。
这个平台的能力也远不止"做一个阅读器"。它把整条生产线放进同一套系统：图像切分与文字识别、自动标点、实体提取、自动结构整理、自动校勘、自动文言文—白话文翻译被串联起来，再接入公众众包校对与专家把关。所以说它本质上是"AI 古籍平台"，意思并不是"它有很多 AI 功能"，而是内容本身就是 AI 生产出来的：你读到的每一行标点齐整的正文，背后都经过了一轮机器处理。
三大底层技术：OCR 文字识别、自动标点、命名实体识别
把这条流水线拆开，最核心的是三项能力。它们构成古籍从"图像"走向"文本"的第一段路，也决定了后续所有功能的成色。
| 技术能力 | 它到底在做什么 | 公开口径的准确率 | 对读者意味着什么 |
|---|---|---|---|
| 文字识别（OCR） | 把古籍影印版图像切分后，逐字识别为可检索的数字化文本 | 96%–97%（行业平均约 93%–94%） | 你能"搜索"一部古书，而不只是"看图片" |
| 自动标点 | 通过序列标注，为原本没有标点的古籍自动断句、加上标点 | 94% | 读起来不再是密密一片，断句有了基本参照 |
| 命名实体识别 | 识别文本中的人名、地名、书名、时间、官职等专名 | 接近 98% | 人名地名可被标注，进而延伸查阅背景 |
先说文字识别。古籍 OCR 与识别印刷体文档完全是两件事：竖排无空格、异体俗字极多、破损页面可能大面积残缺。平台先对影印图像做切分，再逐字识别，据公开信息准确率为 96%–97%，行业平均大致在 93%–94% 一线。几个百分点看似微小，放到一部十万字的书里就是数千字的差别——这正是后面必须引入"校对"的原因。
再说自动标点。古籍原文大多无标点，而标点本身就是一种"理解"：同一个字串断在不同位置，意思可能完全不同。平台以序列标注实现自动断句加标点，公开口径准确率为 94%。一个常被引用的例子是《论语》开篇，自动标点结果为"学而时习之，不亦说乎？"。看上去理所当然，机器却要识别虚词的句末功能、判断问句语气、认出"不亦……乎"这类固定句式。94% 的含义是：大部分断句是对的，仍有一小部分需要人复核。
第三项是命名实体识别，公开口径准确率接近 98%，三者中最高。它把文本里"谁、哪儿、哪本书、什么官、什么时候"这些专名挑出来，是后续一切"知识化"工作的入口：只有先抽出实体，才谈得上配百科条目、画关系图、做跨文献关联。整理平台还整合了自动结构整理、自动实体提取、自动校勘，以及依托火山引擎方舟 MaaS 平台的自动文言文—白话文翻译。
- OCR（光学字符识别）
- 把图片中的字形转换成机器可处理的字符编码，是古籍数字化的第一步。
- 序列标注
- 为字序列的每个位置打上标签（如"句读点在此处"），自动标点正依此思路实现。
- 命名实体识别
- 从连续文本中定位并归类专有名词，如人名、地名、书名、时间、官职。
- 校勘
- 比对不同版本、判断文字异同与是非，是传统古籍整理的核心功课之一。
从"图像"到"知识"：AI 如何把古籍变成可检索文本
把三项技术串起来，一条清晰的处理链条就出现了，大致可分四步：一是图像切分，按版面把整页影印图切成可处理单元；二是文字识别，把字转为文本；三是断句标点，让无标点原文变得可读；四是实体与结构提取，认出专名、划分篇章层级。走完这四步，一部古籍才真正从"一张张图"变成"可搜索、可统计、可关联的文本"。
这一步的意义比看上去更大。数字化之前，检索古籍只能靠"引得"——上一代人手编的索引，翻检一页要花许多时间。据公开信息，识典古籍的努力被视为延续 1930 年代洪业"引得编纂处"确立的传统："可检索、可验证、可复用"。今天在检索框输入一个词就能定位到出现在哪部书、哪一卷，背后就是这条链条在支撑。平台支持按书名、作者、关键词、主题词检索，支持"搜全文、搜古籍"，也支持分词检索。
再往前一步，是"知识图谱"。文本检索解决"这句话在哪本书里"，知识图谱想解决"这个人和那个人是什么关系、这本书被谁引用过"。它把实体当作节点、把实体关联当作边，织成一张可浏览、可追问的网络。据公开信息，北大数字人文研究中心亦推进古籍知识图谱相关工作，例如《宋元学案》知识图谱可视化系统。其价值在于把"读书"从线性翻页变成可横向漫游的地图——你不必知道该翻哪一卷，沿着关系就能走过去。
需要保持清醒的是：知识图谱的成色取决于实体识别与关系抽取的准确率。它擅长提示"可能相关的线索"，而不是宣布"确定的结论"。把它当导航，而不是当判词，才是它最合适的位置。
阅读端的 AI：文白翻译与 AI 译文
对普通读者来说，最容易直接感受到的 AI 功能是译文。文言文到白话文的距离，是多数人读古籍的第一道坎：实词意思变了、虚词功能复杂、省略成分多、典故密集，往往读三行就卡住。识典古籍的办法是"文白对照"——一句原文配一句白话译文，可一键开关。想先自己试读就关掉译文，卡住了再打开对照。据公开信息，文白翻译已覆盖超 1 万部古籍，自动文言文—白话文翻译依托火山引擎方舟 MaaS 平台实现。
这种设计的巧妙处，在于它没把译文做成"正文"，而是做成"另一条轨道"。原文是权威的，译文只是辅助；两者并排呈现，读者随时能回到原文，不会产生"读的是别人转述"的错觉。配合阅读页已有的原图对照——点原图图标即可查看古籍影印底本——你甚至能形成"影印原貌 → 标点原文 → 白话译文"的三层对照。
也要理解它的局限。文言文里有许多"歧义句"，学界的理解本身就不统一；有些虚词在特定语境中只有微妙的语气差别，译成白话难免丢失层次。因此平台的译文更适合理解为"AI 给出的一个读法"——它大幅降低了入门门槛，却不该替代注疏与专业研究。把阅读页提供的注疏展开 / 收起、生僻字词释义与译文配合起来，才是更稳的读法。
听得见的古籍：AI 朗读与古籍播客
如果说译文是把古籍"翻译"给现代人，语音功能就是把古籍"读"给现代人。据公开信息，识典古籍 App 的亮点功能包括 AI 朗读、AI 播客讲解与听书，其中听书依托火山引擎智能语音，已支持超 700 部古籍的原文与译文。原文与译文都能听，这点很关键：先听一遍白话译文听懂内容，再切回原文听一遍，让耳朵熟悉文言文的节奏与语感。
这类功能解决的是一个很现实的场景：眼睛被占住时怎么读书。通勤路上、跑步机上、做家务时，屏幕空不出来，耳朵却是自由的。古籍篇幅长、节奏慢，恰好适合"听"这种低强度、可持续的输入方式，对想培养文言文语感的人尤其友好。
至于 AI 播客讲解，它和"朗读"不是一回事：朗读是把文本念出来，讲解则偏向"带着你聊"，围绕一部书或一个话题组织内容。据公开信息，AI 播客属 App 端的 AI 功能之一，平台在大模型方面的积累也体现在"深度研究助手"等产品上。需要提醒的是，语音类功能的支持书目、音色与表现形式属易变信息，会随版本更新变化，具体可用范围请以官方说明为准。
AI 助手与"深度研究助手"：让提问变成检索
如果说前面几项功能是把书"呈现"给你，那么 AI 助手这一层，开始尝试回应你的具体问题。据公开信息，识典古籍 App 的亮点功能包含 AI 助手；更受关注的是"深度研究助手"——据公开信息，该功能于 2025 年 10 月基于豆包大模型上线，面向更"重"的使用场景：不是查一个词，而是围绕一个问题、一个主题，在平台已有古籍资源里寻找线索。
这类助手与普通问答最大的不同，在于它站在一个巨大语料之上。识典古籍已累计上线数万部古籍（据公开信息，2026 年初权威口径约 4.7 万部），并支持全文检索与分词检索。因此研究型助手的合理做法是先落到文献、再给出回答：指向具体书目与篇章，让回答可被追溯、可被核对。这种"回答带出处"的思路，与古籍研究"凡立论必有据"的传统一致——研究者最怕的不是不知道答案，而是得到一个查不到来源的答案。
使用时不妨养成几个习惯。第一，把回答当"线索清单"而非"结论"：它指出"这些话可能出现在这些书里"，接下来仍要打开那几部书读上下文。第二，留意它引用的具体篇章，回到原书确认字句与语境，尤其区分同一段话的不同版本。第三，涉及学术判断、版本取舍、真伪考辨，仍要以专家与官方说明为准。AI 擅长的是把"在哪儿找"变快，而不是替你完成"该怎么判断"。助手的交互方式与可用功能会随版本迭代，以官方实际提供的为准。
实体百科与实体关系图：把古文读成一张知识网络
阅读页里还有一个常被低估的 AI 功能：实体百科与实体关系图。平台会把人名、地名等实体标注出来，点开可延伸了解背景，也可查看它与其他人、地、书之间的关系图谱。前面提到命名实体识别公开口径准确率接近 98%，这项能力正是它落到读者眼前的样子。
它解决的是阅读中一种典型的困扰：不知道这个人是"谁"。古籍里的人物常以字、号、谥号、官职、籍贯相称，同一人在不同篇章可能有好几种叫法。以往读者只能停下来另查工具书，思路一断往往就读不下去；有了实体标注与百科条目，这一停顿缩短成一次轻点。
关系图则更进一步。当实体连成网络，一部书里的人物谱系、师承脉络、交游往来就有了可被"看见"的形状，散落在几十卷里的关系被压缩成一眼能扫过的一小片图。它不是替你读书，而是帮你不迷路。当然，关系图同样依赖抽取准确性，图中关联应理解为"文献中可查证的关联"，而不是对历史事实的最终裁定。
AI 的边界与使用提醒
把功能讲完，也要把边界讲清。识典古籍的文本是"AI 整理 + 众包校对"的产物：AI 先完成初筛，志愿者对照底本逐字校对、处理疑难，整理平台支持多团队协同，专家再参与把关。这套组合极大提升了速度与规模，但也意味着一件事：它是整理稿，不是经过完整三审三校的定本，个别书籍在某些字句上可能仍有疏漏。
| 场景 | AI 的表现 | 建议怎么做 |
|---|---|---|
| 快速了解一部书讲什么 | 很擅长：译文与标点已足够把大意跑通 | 放心用，先读通再深究 |
| 查找某个词出现在哪些书里 | 很擅长：全文检索与分词检索 | 放心用，作为线索入口 |
| 认识人物、地名、官职 | 擅长：实体标注、百科与关系图可参考 | 可作导航，结论仍看文献本身 |
| 核对具体字句的写法 | 可能有疏漏，个别书籍存在识别或断句问题 | 打开原图对照，核对影印底本 |
| 学术引用与版本判断 | 不适用：不能替代权威点校本与专家考订 | 核对权威点校本或影像底本，以专家与官方说明为准 |
顺着这张表，可归纳出三种习惯。第一，善用原图对照：点开原图图标，把整理后的文本与影印底本并排查看，凡让你起疑的字句，看一眼原图往往就有答案。第二，把 AI 译文与标点当"参考读法"：标点准确率 94%、OCR 为 96%–97%，都不低，但都不是 100%。第三，不把 AI 输出当专业意见：涉及版本、真伪、训释的判断须由专家做出，内容状态也请以官方最新说明为准。AI 的角色是把门槛降下来、把速度提上去，而不是把判断权接过去。
AI 功能常见问题（FAQ）
识典古籍有哪些 AI 功能？
分两层。底层是三项基本能力：文字识别（OCR）、自动标点、命名实体识别；阅读端可直接用到 AI 译文 / 文白翻译、AI 朗读与听书、AI 播客讲解、AI 助手、实体百科与实体关系图。据公开信息，"深度研究助手"于 2025 年 10 月基于豆包大模型上线。具体可用范围以官方版本为准。
OCR 文字识别准吗，准确率是多少？
据公开信息，识典古籍的文字识别准确率为 96%–97%，行业平均约在 93%–94% 一线。古籍是竖排繁体、异体字多、版式复杂，识别难度远高于普通印刷文档。准确率虽高仍会残留少量错字，因此平台以 AI 整理加众包校对的方式来复核。
自动标点会不会断错句？
有可能。自动标点公开口径准确率为 94%，即绝大多数断句合理，仍有一小部分需人工判断，尤其是歧义句与特殊句式。例如《论语》开篇，自动标点为"学而时习之，不亦说乎？"。遇到读起来别扭的断句，建议打开原图对照，参考底本与注疏。
AI 译文能替代权威译注吗？
不能。AI 译文适合帮你把难句读通、快速把握大意，据公开信息文白翻译已覆盖超 1 万部古籍。但文言文存在多解，译文只是其中一种读法。若要引用、写作或做研究，应回到原文，并核对权威点校本或影像底本，以专家与官方说明为准。
AI 朗读和听书是真人配音吗？
属于 AI 语音合成。据公开信息，听书功能依托火山引擎智能语音，已支持超 700 部古籍的原文与译文，优势是可持续、可覆盖大量书目，适合通读与语感培养；精读仍建议回到文本界面。支持书目与音色会随版本更新，以官方说明为准。
"深度研究助手"是什么，什么时候上线的？
据公开信息，它是识典古籍基于豆包大模型推出的 AI 助手功能，于 2025 年 10 月上线，面向阅读与研究场景。合适的使用方式，是把它的回答当"线索清单"：顺着线索回到具体书目与篇章，自己确认字句与语境。其交互方式与功能范围以官方实际提供的为准。
发现 AI 识别或标点错了，怎么办？
首选打开原图对照：阅读页可点开原图图标，把整理后的数字化文本与古籍影印底本并排查看，一眼就能看出差异。平台整体采用 AI 整理加众包校对、专家参与的模式，个别书籍可能仍有疏漏，可对照原图核对，内容修正状态以官方说明为准。
这些 AI 功能要收费或注册吗？
识典古籍是公益免费项目，官方口径为永久免费、无广告，App 无内购，阅读与检索无需注册。AI 译文、实体百科、检索等功能在阅读端可直接使用；书架、笔记、古籍整理等需保存个人数据的功能才需注册登录。
手机 App 和网页版的 AI 功能一样吗？
阅读端的核心 AI 能力两端基本一致，差异主要集中在校勘整理端与部分语音功能上。据公开信息，AI 朗读、听书、AI 播客讲解等以 App 端为主；古籍整理相关的精细操作更适合电脑端网页版。两者配合使用，覆盖场景最完整。
小结
回头看，识典古籍的 AI 并不是若干零散功能的堆叠，而是一条从图像通向知识的完整链路。OCR（96%–97%）让文字可被读取，自动标点（94%）让文本可被理解，命名实体识别（接近 98%）让专名可被组织，三者合力，把一部部影印古籍变成可检索、可关联的数字文本。在这条链路的末端，才长出读者看得见的能力：一句原文配一句译文的文白对照、能让耳朵读书的 AI 朗读与听书、能回应提问的 AI 助手，以及把人物关系织成网络的实体百科与关系图。而"深度研究助手"据公开信息于 2025 年 10 月基于豆包大模型上线，正代表这条链路向"研究"再延伸一步的尝试。
同样要记住它的边界：文本来自 AI 整理与众包校对，个别书籍可能仍有疏漏，可以打开原图对照影印底本核对；译文与标点是参考读法，不是定论；学术引用仍应核对权威点校本或影像底本。AI 让读古籍的门槛低了很多，也让整理古籍的速度快了很多，但它没有、也不该取代人的判断。把机器擅长的事交给机器，把需要判断的事留给人，这大概就是这套平台最聪明的分工。
最后说明：本文涉及的功能范围、支持书目与版本情况均属易变信息，平台仍在持续更新，请以官方页面与 App 内实时说明为准。想动手体验，用浏览器访问官网 www.shidianguji.com 即可开始，或在应用商店免费下载识典古籍 App。