从“存史”到“算史”，让方志数据真正服务于科学决策，这正是延续千载修志传统、构建中国自主知识体系的时代使命。
原文 ：《从“存史”到“算史”：地方志的数智化转型》
作者 |上海市地方志办公室研究室副主任 陈畅 上海中侨职业技术大学教授 马海兵
图片 |网络
伴随“十五五”规划布局与新质生产力理论提出，数字技术对传统文化的赋能迈向知识生产方式变革，方志也被重新界定为全域性、全时空的高置信度地情数据要素。传统检索方式已难以满足方志典籍的知识挖掘需求，生成式人工智能为此提供新契机。依托成熟的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。那么，如何借人工智能重构方志治理范式，推动其从被动的资源保存向主动的知识计算转型，即由“存史”走向“算史”，成为数字文明时代的重要课题。
既有的数字化建设：坚实的物理底座
“十四五”时期，多地统筹推进志鉴成果数字化与新编志鉴同步入库机制，加快资源转化和结构化处理，地方志数字资源总量持续扩大、质量稳步提升。一方面，专题数据库、地情数据库、史志数字资源库等建设不断深化，内容涵盖历史沿革、风土人情、重大事件、人物传记等多个维度；另一方面，针对资源标准不统一问题，部分地区制定地方志数据规范和操作手册，推动数据采集、著录、存储标准化。很多数字方志馆已具备全文检索、模拟翻页、关键词联想等功能，支持多模式阅读与知识关联分析，显著提升资源可用性与服务精准度。一些地区还打造集存储、展示、检索、服务于一体的综合性数字方志应用体系，积极推动方志数据从静态保存向动态服务转型。可以说，数字资源建设正扎实推进，数据治理能力正不断提升。
如上海市地方志办公室建设的“上海数字方志一体化系统”，实现了方志资源的规模化汇聚与物理可达：通过大规模数字化扫描与基础文本识别，实体志书被转化为触手可及的数字镜像，彻底解决了传统方志“藏在深闺人未识”的传播困境，为“十五五”时期的高质量发展奠定了坚实的物理底座。其中，智库平台提供基础与高级查询功能，初步实现从物理库存向数字仓库的转型，确保地情资料有库可查；智造平台集成了框架结构、总述、大事记等编纂辅助小工具，为修志者提供高效的数字化协同环境；智服平台则通过大数据可视化中心及“云游沪上”方志场景，实现方志资源面向社会公众的多维展示。这些基于物理迁移的数字化成果，是未来开展增量赋能工作的关键基石。
语义解构的待垦区：从有库向有智跃升
方志数据具有显著的二元结构特征。一类是1949年以前的古籍善本，其特点是文言晦涩、版面复杂；另一类是1949年以后的新方志，其特点是数据密集、体例规范，其中最大的价值洼地在于数以万计的统计表格。这些表格记录了数十年经济社会的量化轨迹，却因跨页断裂、多级表头嵌套等结构化难题，长期处于不可计算状态。中国地方志跨越千年，古今概念漂移导致的语义鸿沟，是地方志数智化转型面临的核心挑战。而方志的独特价值恰恰在于其复杂性：千年古籍与当代新志并存，文言竖排与现代表格共处。这种古今异构的张力，要求设计一种双轨并行的治理范式。
以机器认知和生成式人工智能的视角审视“十四五”时期的方志信息化建设成果，其仅实现了数字化，而非智能化。当前，数字化产物主要以PDF或离散文本形式存在，对于大语言模型而言，这与扫描图片并无本质区别：字符可见而语义不可达。无论是新方志中记录经济社会发展的海量统计表格，还是传统方志中蕴含复杂关系的传记文本，在缺乏深度语义解析的情况下，都仅是数字字符的堆砌，而非可计算的知识。这就导致大模型在面对跨文本逻辑推理的高阶咨询时（如分析近代上海工业空间布局演变或跨世纪气候灾害统计），往往显得支撑力不足。
“十四五”时期完成的方志资源物理迁移，仅是一个起点。顺应国家“数据要素×”行动的要求，建立地方志垂域模型，推动方志资源从非结构化的电子文献向结构化的数据要素跃升，已成为打破应用天花板、释放新质生产力的必由之路。在国家文化数字化战略与“数据要素×”行动的双重驱动下，地方志正走向数智化跃升的历史性拐点。
混合专家大模型：地方志价值再现
为了应对上述挑战，需构建双层技术架构：知识层解决古今语义对齐问题，模型层解决异构数据处理问题。在知识层，核心理论框架应包含一套时空映射超级本体。这套机制的设计哲学是柔性对齐而非刚性统一，不采取强行统一词汇的激进策略，而是通过知识图谱的属性链接，实现语义的动态关联。具体而言，将采用同义映射模式，将名称变化但内涵一致的概念进行对齐，如松江府与松江区在特定语境下的行政延续；建立上下位关系模式，如将钱庄界定为金融机构在清代的特定表现形态，实现从宏观产业到微观实体的穿透式关联；引入时间切片模式，对同一名称在不同时期指代不同地理实体的复杂情形进行隔离处理。通过这一三维坐标系的建立，方志典籍中的文献将被转化为可供大模型精准调用的数据资产。
在模型层，建立地方志垂域模型必须充分考虑方志业务的复杂性，这就需要采用混合专家系统（Mixture of Experts, MoE）架构。其核心思想是术业有专攻，即把模型拆分成多个专家子模块，每个专家深耕一个垂直领域，由路由网络根据输入特征动态分配任务。专家子模块分为古文专家、数理专家与归纳专家三类：古文专家负责文白对译，数理专家负责趋势分析，归纳专家负责宏观叙事。系统通过路由机制自动识别任务特征，检测到竖排版面，则分发至古文专家；检测到数值序列，则引导至数理专家。MoE架构的精妙之处在于路由机制，它决定了每个查询由哪些专家处理、各占多大权重。更值得关注的是多专家协同场景。如分析徐家汇地区的商业演变时，路由机制将同时调用古文专家处理晚清笔记史料、数理专家处理现代商业普查表格，并由归纳专家最终整合这些异质信息。这种协同不是简单的拼接，而是语义层面的融合，在最终输出的报告中，古今数据被置于同一分析框架下，形成连贯的历史叙事。MoE架构这一参数分配策略，既确保了在处理具体史料时的专业精度，又保障了面对宏观叙事时的逻辑广度，真正实现从单一通用大模型向复合型专业智能系统的进化。
[全文将刊发于《上海地方志》（季刊）2026年第2期]
文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第1990期第5版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。
本期责编：程鑫云
《社会科学报》2026年征订
点击下方图片网上订报↓↓↓