第十二篇致谢——谢天谢地谢开源谢王大姐的橘子谢小菜的膏药——大胖老师“最后一篇了。这篇不写技术不写架构不写踩坑专门写感谢。”——二黑从抽屉里掏出一张密密麻麻的名单“我整理了一份致谢清单按贡献类别分了组。你看看有没有遗漏。”——小菜凑过去看名单长到拖到了地上“二黑你这是写论文参考文献吗这么多人”——二黑推了推眼镜“三年一百七十多个坑二十家图书馆三十七位社区贡献者。没有人是多余的。每一个名字背后都是文渊慧典的一块基石。”——大胖老师接过名单仔细看了一遍点头“那就一个一个来。今天咱们不赶时间把该谢的人都谢一遍。”一、谢开源那些让我们站在肩膀上的巨人大胖老师站在白板前写下第一行字站在巨人的肩膀上。“如果没有开源社区文渊慧典连一行代码都写不出来。我们今天能站在这里写致谢是因为有无数人在我们之前写了代码、训了模型、修了bug、写了文档。”他一个一个数过来。“感谢PaddleOCR团队。你们的中文OCR引擎是我们整个系统的基石。从2019年第一个版本发布到后来加入PPStructure版面分析、支持竖排繁体、推出轻量级SVTR模型每一步进化都让文渊慧典变得更好。特别感谢你们在GitHub Issues里的耐心回复——二黑至少提过几十个问题从模型推理到数据增强从内存优化到字库扩展你们从来没有敷衍过。有一次二黑凌晨两点提了一个关于夹注检测阈值的问题第二天早上八点就有工程师回复了详细的参数调整建议。这种社区精神是我们坚持开源的动力。”“感谢PyMuPDF的开发者。你们用C语言写的高性能PDF引擎让我们能在王大姐的老爷机上秒拆PDF。PyMuPDF的API设计干净利落文档清晰bug极少。我们曾经因为忘记在循环里关闭Document对象导致内存泄漏在GitHub上搜了一圈发现你们的FAQ里早就写了‘请使用with语句或显式调用close’。这种细致只有用心维护的项目才有。”“感谢OpenCV。没有你们的自适应二值化古籍上那些发黄的纸、透背的墨、不均匀的光照根本处理不了。adaptiveThreshold这个函数我们调参调了无数次blockSize从5试到21C值从-5试到5最终找到古籍最适配的参数组合。这个函数我们至少调用了几十万次从来没有崩溃过从来没有内存泄漏。稳定、高效、可靠——这就是工业级代码的标准。”“感谢Gradio。你们让我们在两天之内搭出了一个能让王大姐双击就用的Web界面。拖拽上传、进度条、一键下载——这些看似简单的功能背后是你们封装好的复杂前端逻辑。没有Gradio我们可能还在纠结是用Flask还是FastAPI写后端、用Vue还是React写前端。你们让开发者能把精力放在核心功能上界面的事情一个函数调用就解决了。”“还有无数我们甚至叫不出名字的开源项目NumPy、Pillow、Transformers、PaddleNLP……每一个pip install背后都是一群人的心血。我们欠你们的不只是感谢还有承诺——文渊慧典会一直开源下去把这份善意传递下去。”二、谢数据那些贴膏药的研究生们二黑站起来走到白板前在“开源社区”下面写了一行字古籍版面金标数据集贡献者。“我们的版面分析模型是用五千页手工标注的古籍图像训练出来的。”他翻开一份名单“这五千页每一页上的每一个框——正文、夹注、眉批、标题、印章、页码——都是人工一个一个画上去的。”他念出一串名字“孙磊、王焱、樊鹏、贾芳、于海峰、刘艳丽、张建勋、何颖、于钦绪、宋宇、吴剑、孟庆纲、卫娜、胡昌亮、潘启槟、余登奎、杨海博、范静、李熠、陈相辉、路涛、范鑫、戴洵……还有很多。他们大多是古籍所和历史、工业设计系的硕士生、博士生利用暑假和周末对着电脑屏幕一页一页地标注。”小菜下意识地揉了揉手腕“我标注了一千多页贴了三盒膏药。但我知道我不是最拼的。有个历史文献专业的学姐标注了将近两千页。她右手得了腱鞘炎就用左手操作鼠标硬是把进度赶完了。她毕业走的时候我帮她搬行李发现她行李里最多的不是衣服是膏药。”大胖老师沉默了几秒开口“我记得那个学生。她的毕业论文写的是《清代江南契约文书中的女性财产权研究》。她标注的那批契约数据后来成了我们训练模型的核心素材。她对我说过一句话我标注的每一个字都是历史上一个真实的人留下的痕迹。我手疼但她们当年用毛笔一笔一画写这些字的时候手也疼。所以我不能偷懒。”“后来我们开发了半自动标注工具让模型先跑一遍人工只改错字效率提升了五倍。但即使这样维护这套金标数据集的工作仍然是全实验室最枯燥、最耗时、最伤眼睛的。向每一个为数据标注付出过手腕和眼睛的同学敬礼。”二黑放下名单对着屏幕上的“古籍版面金标数据集”几个字深深鞠了一躬。实验室里安静了几秒只有键盘风扇嗡嗡地转。三、谢用户那些教会我们做产品的王大姐们大胖老师翻到名单的第三部分——试点图书馆用户。“现在要感谢的是让我们从‘闭门造车’变成‘开门做产品’的人。”他第一个提到的是湖南的王姐。“王姐是我们的第一个正式用户也是最‘毒舌’的用户。她用系统的第一天就找出三个bug还在群里公开处刑。我们曾经被她骂得怀疑人生。但正是她的‘毒舌’逼着我们改掉了无数想当然的设计。”“比如最开始我们的搜索功能只支持精确匹配搜简体找不到繁体。王姐在群里问你们是不是觉得全国人民都会用繁体输入法二黑当天晚上就加了简繁自动转换。再比如我们最早的导出按钮叫‘导出ALTO XML’王姐问什么是ALTO什么是XML。第二天我们就改成了‘下载文字文件’和‘下载可搜索PDF’。”“王姐还给我们带来了第一批用户。她把文渊慧典推荐给了隔壁县图书馆的李大姐李大姐又推荐给了她同学所在的另一个馆。我们管这叫‘人传人效应’。没有王姐文渊慧典可能还躺在GitHub上吃灰。有了王姐文渊慧典才真正走进了阅览室。”第二个被感谢的是甘肃的李大姐。“李大姐用文渊慧典处理了一批民国地契发现了当地最早的‘股份制’雏形——几个村民合伙买水车按股分红。她把这件事写进了馆里的年度工作报告还在省里的图书馆会议上分享了经验。从此之后甘肃好几个县馆都主动联系我们想装系统。李大姐不是技术专家但她是最真实、最有说服力的推广者。”第三个是一群特殊用户——学生。“上海那位初中生小林用文渊慧典研究晚清米价拿了市一等奖。他在获奖感言里说AI不是高高在上的东西它就藏在一个免费的工具里帮一个普通中学生完成了一个自己以为完成不了的课题。这句话被我们印在了项目主页上。还有几十位研究生、博士生用文渊慧典从故纸堆里找出了无数被遗忘的故事——有清代寡妇改嫁的批文有民间自办的消防公约有家族族谱里隐藏的移民史。你们让我们知道这套系统的价值不是benchmark数字是让普通人也能触碰历史的温度。”四、谢队友二黑小菜和保温杯里永远续不满的枸杞大胖老师放下名单转向二黑和小菜。“接下来要谢的是你们俩。”他对二黑说“你是我们这个项目真正的技术核心。从架构设计到模型微调从内存泄漏排查到阅读顺序算法没有你解决不了的技术难题。你有个习惯——每次解决了一个bug就在代码注释里写一句‘此处勿删否则王大姐的电脑会炸’。这种把用户放在心上的态度是全团队的榜样。还有你凌晨三点提交代码的频率实在是太高了希望你以后注意身体。”二黑推了推眼镜难得露出一点不自在的表情“代码就是我的枸杞。”大胖老师转向小菜“你是我们团队的‘万能补丁’。标注数据缺人手你上。测试找不到‘破坏王’你当。推广需要写文案你写。王大姐培训需要有人跑腿你跑。你的技术贡献可能没有二黑那么耀眼但你的存在让二黑能专心写代码让我能专心做架构。你是一个团队里最稀缺的那类人——‘把别人不愿意干的活干到最好’的人。”小菜挠挠头有点不好意思“我没那么厉害。我就是觉得那些古籍等了那么多年不能再等了。”大胖老师点头“还有所有来实验室帮忙过的同学——标注数据的、写文档的、做测试的、画图标的。你们中的很多人已经毕业了、工作了。但文渊慧典的代码仓库里永远留着你们的commit记录。有空常回来看看。”五、谢家人那些被枸杞味盖过的日子大胖老师犹豫了一下最后还是翻开名单的最后一页。“最后要感谢的是我们的家人。”“二黑你老婆前段时间在朋友圈吐槽说你做梦都在喊‘这个bug我知道怎么回事了’。你儿子有一次在作文里写‘我的爸爸每天跟一个叫OCR的东西打架有时候爸爸赢有时候OCR赢’。谢谢嫂子和侄子把你们的丈夫和爸爸借给了古籍数字化。”“小菜你妈每次打电话都问你什么时候找对象你说在忙一个古籍的项目。她虽然不知道你在忙什么但还是在亲戚群里转发了文渊慧典的新闻配文是‘我儿子做的’。”他顿了顿转向自己“我老伴儿这几年没少唠叨我。嫌我天天泡实验室嫌我保温杯里枸杞放太多嫌我把退休金都贴给了项目。但她每年冬天都给我织一双新毛线袜子说实验室地板凉。老伴儿袜子我穿上了这篇致谢献给你。”六、致文明最后的致敬大胖老师走到窗边看着窗外图书馆的方向。天色已晚阅览室的灯还亮着王大姐应该正在整理明天要用的书。“最后我们想感谢一个特殊的对象——那些被我们识别、整理、发布出去的文字本身。”“每一页古籍都是一个时代的遗嘱。它们被写在竹简上、刻在木版上、印在宣纸上经历了火灾、水患、虫蛀、战乱奇迹般地存活到今天。它们是脆弱的——轻轻一碰就可能化为齑粉。但它们也是顽强的——几百年的风雨都没能把它们彻底抹去。我们做的只是轻轻地把上面的灰尘吹开把那些模糊的字迹辨认出来让它们能以数字的形态继续活下去。”“致敬每一个抄书的古人。在没有复印机、没有扫描仪、没有互联网的年代你们用毛笔一个字一个字地抄才让那么多书穿越了千年。我们今天的OCR其实只是在重复你们做的事——只是用代码代替了毛笔用GPU代替了油灯。”小菜悄悄从抽屉里拿出三样东西放在桌上一卷用过的膏药一包王大姐寄来的橘子一张写着字的便签纸。便签纸上写着初代原型跑通那天二黑随手记下的一句话后来被他们贴在实验室墙上一千多个日夜“致三千年简牍致八百万线装。你们的遗嘱我们收到了。”大胖老师看着这行字沉默了很久。然后他端起保温杯对着窗外轻声说“下一程继续。”尾声文渊慧典项目手记至此全部完结。从2023年夏天大胖老师被那套两万八的国际大厂OCR气得拍桌子到2026年文渊慧典1.0正式发布三年时间三个人二十家图书馆一亿字识别量三十七位社区贡献者一百七十多个填平的坑无数个凌晨三点的commit无数包枸杞和膏药。这个故事没有宏大的开头也没有戏剧性的结局。它只是在正确的时间由一群正确的人为了一群被主流科技遗忘的用户做了一件正确的事。如果你是一个图书馆馆员正在为馆里的古籍数字化发愁希望这个系列能让你知道有一群人正在为你做工具免费的开源的不需要GPU的。去GitHub搜“文渊慧典”下载双击拖进去等。茶别太烫因为识别很快。如果你是一个开发者正在犹豫要不要为开源社区贡献代码希望这个系列能让你相信你的每一行代码都可能变成王大姐茶还没凉就跳出来的那行识别结果。贡献不分大小一个commit就是一个改变。如果你只是一个偶尔路过、被标题吸引点进来的读者希望这个系列能让你记得在这个AI模型越做越大、GPU越堆越多、内卷越来越厉害的时代还有一群人在用最朴素的技术守护着最古老的文字。技术不是炫耀的资本是帮助弱者的工具。这是文渊慧典教会我们的事也希望你能记住这件事。大胖老师的保温杯终于在写完最后一个字的时候见了底。二黑合上那本填坑日志在最后一页写了一行新的记录。小菜把那卷膏药和橘子皮一起收进了抽屉的最深处。抽屉里还塞着最初三个人在白板上画的架构图、王姐寄来的第一封用户反馈信、以及一张泛黄的便签纸上面写着那句被印在项目主页的话“让技术的门槛低到泥土里文化的根系才能扎到云霄上。”本文纯虚构如雷同属巧合切勿对号入座哈哈哈-