去年年底我盯上了一个挺有意思的项目——OpenResearch。当时看到这个名字第一反应是又有人要搞一个“开源论文平台”或者“AI搜索引擎聚合器”结果点进去才发现完全不是那回事。这个项目实际做的东西是把大语言模型和数字化历史档案结合起来做成一个可以“对话式研究”的平台而且首期落地的研究对象是经济学边际革命的核心人物卡尔·门格尔Carl Menger的私人论文全集。简单说就是你不用再去翻几百页扫描件、不用自己对着数据库一遍遍跑关键词检索而是直接用自然语言和AI对话让AI帮你在海量历史手稿、日记、信件和未出版的笔记里找线索、串脉络、给引用来源。我在里面泡了大约两周把公开能玩的部分翻了个底朝天。这篇文章就把我对OpenResearch的拆解、实操体验和一些思考一次说清楚。内容会比较长但保证全程没有废话适合三类人看一是做历史、经济思想史、数字人文研究的朋友二是对AI Agent落地场景感兴趣的工程人员三是想了解AI怎么改变知识生产方式的好奇型读者。1. 内容整体设计与思路拆解1.1 项目定位它不是一个搜索引擎而是一个研究助手要把OpenResearch讲清楚得先从它的定位说起。传统做历史研究尤其是做思想史研究核心场域是档案馆。你飞到一个城市申请调阅权限戴着手套翻泛黄的纸页一笔一笔记下关键段落。后来学术资源数字化很多人以为效率能大幅提升结果发现只是把“翻纸”变成了“翻PDF扫描件”。像门格尔这种级别的人物留下来的文本散落在维也纳、东京、巴黎多个机构的数据库里有手写的、有打印的、有带批注的、还有被后人转写过但没法保证忠实度的。研究者真正的时间大头不是“思考”而是“检索和比对”。OpenResearch的思路不是做“更好的搜索引擎”而是把整个研究闭环搬进对话式界面。它的底层接入了Carl Menger Papers的数字化档案库同时挂了一个经过指令微调的语言模型这个模型的核心任务不是生成观点而是“在档案里找证据并解释证据”。当你提问时模型会先理解问题拆成若干个检索意图然后去档案库拉取相关内容再把检索结果生成成一段带直接引用标注的回答。这个设计背后藏着一个很关键的产品哲学AI在这里不是替代研究者思考而是扩展研究者能处理的文本规模。我实际用下来最大的感受是它解决的根本问题不是“找不到”而是“读不过来”。一个人一天能精读五千字的原始档案已经很了不起但模型可以在几十秒内横跨门格尔从1860年代到1920年代的全部私人笔记把某个概念的演化轨迹拉出来。这不是量的提升是研究路径的变化。1.2 为什么首期选“门格尔”档案数字化理论样本的双重考量很多人会好奇OpenResearch为什么偏偏选了卡尔·门格尔这个人而不是马克思、亚当·斯密或者凯恩斯。我查了下项目披露的选型逻辑觉得这个选择非常聪明放在两个维度看都说得通。第一是档案维度。门格尔的私人论文里包含大量手写笔记、课堂讲稿的原始草稿、与同时代学者的信件往来包括和德国历史学派经济学家的论战。这些材料有天然的“过程性”——你可以看到一篇文章从想法碎片变成正式出版物的整个过程这是思想史研究最理想的对象。而且这批档案虽然分散各地但大多已经完成了高精度数字扫描部分已转写为可检索的文本。比如杜克大学图书馆的Rubenstein Library里就藏有门格尔论文的重要部分。技术团队不需要从零开始做OCR和整理可以把精力集中在知识库的清洗和Agent的交互设计上。第二是理论位置维度。门格尔是边际革命三巨头之一他创立的奥地利学派经济学和德国历史学派之间的“方法论之争”是经济思想史绕不开的节点。但国内学界对门格尔原始文本的研究其实并不算充分大量二手文献基于英译本而英译本对原德文笔记的取舍和翻译本身就带上了研究者的预设。如果这个平台做得足够好理论上可以推动一波“回归原文”的研究潮让更多人直接面对第一手材料。对一个前沿AI项目来说选一个“有真实需求、有数字化基础、学术界关注度高但研究门槛高”的领域再合适不过。1.3 和“AI搜索”的本质区别从答案提供者到证据链建构者这里需要单独拎出来聊清楚的一点是OpenResearch的交互逻辑和现在市面上流行的AI搜索工具比如Perplexity或者联网版ChatGPT有什么本质区别。AI搜索的核心是“从公开网页里找答案”它的索引单位是网页引用来源也是网页链接。而OpenResearch的索引单位是“档案实体”包括一封信、一页目录卡片、一本笔记里的某一段。在模型回答时引用的不是网页标题而是具体到“某封信件的第几页”“某篇草稿的某个段落”。这个区别带来的体验差异是很明显的。普通AI搜索适合回答“门格尔的《国民经济学原理》是哪一年出版的”这种事实型问题检索结果本质上是二手信息的聚合。而OpenResearch的提问可以深入到“门格尔在1883年前后对历史学派的批评是否发生态度转变”这种需要综合多份原始材料才能回答的问题。模型输出的内容里会明确展示它是基于哪一年哪一封通信或者哪一页笔记得出的推断。说白了OpenResearch更像一个读了全部档案的博士生助教他知道每一段内容在哪个箱子哪个文件夹里。而AI搜索更像一个知识面很广但不知道出处页码的百事通。在研究场景下前者的价值远高于后者因为学术生产的第一要求永远是“可回溯的证据”。2. 核心细节解析与实操要点2.1 平台入口与基础操作流程目前OpenResearch的公开测试入口是独立的Web应用打开之后会进入一个近乎空白的对话界面。和ChatGPT不一样它不会上来就给你一堆预设指令而是默认你正处于某个研究任务的中途。界面上有几个固定元素主对话区、引用溯源面板每次回答后自动生成、以及建议追问按钮系统根据当前回答自动生成3-4个可能的深化方向。实际操作流程大致可以分成三步第一步是设定研究视角。系统建议你在开启新对话时在首条消息里就写明自己的具体研究问题甚至可以带立场。比如“我正在研究门格尔和施莫勒的方法论之争尤其关注门格尔在1884年前后对‘精确理论’和‘经验现实’关系的表述变化”。第二步是连续追问。第一轮回答结束后你不必重新组织问题可以直接针对回答里的某个细节继续深挖比如“第三段引用的那封信门格尔在同一个月给另一位学者的信里是否也有类似表述”。第三步是导出研究痕迹。系统支持把整个对话过程的引用来源整理成参考列表格式可以适配Zotero或EndNote。我特别想强调第一步的重要性。这个系统虽然接入了大量档案但模型本身的上下文窗口是有限的不可能每次回答都把全部档案内容过一遍。你给出的研究视角越具体系统的检索Agent就越能聚焦到高价值区域。我试过用泛问题“门格尔的思想是什么”开局回答虽然完整但大量引用集中在《国民经济学原理》这类已经公开出版的著作上私人笔记里的增量信息很少。而当我换成具体的争论场景提问后回答质量立刻上了一个台阶很多材料是我之前没在中文文献里见过的。2.2 提问方法论从“事实查询”升级为“脉络追踪”在OpenResearch上提问方式直接决定了你的收获上限。我总结了三种在这个平台上特别有效的提问范式都是实测下来效果不错的。第一种叫“演化型提问”核心是要求系统展示某个概念随时间的变化轨迹。比如你可以问“门格尔的‘财货’概念在他的课堂笔记中经历过几次明显定义调整”系统会把时间序列上相关的笔记段落都调出来按年份排列并标注特征词的变化。第二种叫“对立面提问”专门用来找材料中的矛盾或张力。历史人物的思想很少是一以贯之的但传统检索方式很难主动发现矛盾。你直接问“门格尔在私人信件中是否表达过和《国民经济学原理》公开立场不同的观点”系统会把不同时期、不同场合的材料拿出来对比这种答案往往才是研究的突破口。第三种叫“间接证据提问”专门用来寻找“言外之意”。比如“门格尔在评价施莫勒时是否会因为对方的政治影响力而调整措辞”这个问题在公开著作里找不到答案但系统可以从他给学生的信、给亲友的信中提取出语气变化并用不同时间节点的材料拼出一个更立体的判断。这三种提问方式背后的共同逻辑是不要用和“和搜索引擎对话”的方式去提问而是把AI当成一个已经通读过全部档案的研究助手你的任务是通过提问帮它也是帮自己锁定需要联动的档案范围。2.3 引用机制与可信度验证的实操策略做研究工作引用比结论重要这一点OpenResearch做得算是行业标杆级别。它的系统里有一套自动溯源机制模型在生成回答的每一个关键论断时都会在后台检索对应的原始段落并在输出文本上用高亮标注。点击高亮部分右侧会滑出一个面板展示档案实体的名称、编号、物理馆藏位置、数字化页码以及如果已有转写版本的话还会提供对应的转写文本。不过实测下来引用机制的可靠程度是分场景的。当问题涉及“明确的、已经出版的著作内容”时引用的准确度很高几乎每一次都能对应到正确的页码。但当问题涉及“对未出版私人笔记的诠释”时AI输出的引用精确度会有所下降偶尔会出现“引用了某一封信但信里的内容只能部分支撑结论”的情况。这其实不完全是技术缺陷更核心的原因是手写笔记的数字化转写本身就带有不确定性模型在信息不全的转写文本上做推断误差会被放大。我的处理方法是分步交叉验证。第一步在对话中得到初步线索和引用坐标第二步回到平台内置的“档案原文视图”找到对应实体自己读一遍原始段落第三步如果转写不完整或者存在争议再回到Duke University Libraries等机构的公开数字馆藏中找到原始扫描件做最终确认。这套“AI定位人工复核”的流程可以既保留效率又守住研究底线。3. 实操过程与核心环节实现3.1 一次完整的研究任务实录门格尔与“方法论之争”为了把这篇文章写得更接地气我在OpenResearch上完整跑了一个小型研究任务梳理门格尔在与德国历史学派论战中对“理论”一词语义的转变。选择这个题目是因为它在经济思想史上很重要而且需要调动大量原始材料光靠传统检索非常琐碎。我的第一轮提问设定了这样的研究背景“我正在研究门格尔与施莫勒的方法论之争想知道门格尔在1883年至1889年间对‘理论’Theorie一词的用法是否发生过明显变化。重点关注他在私人笔记中近乎零碎的定义性表述而不是公开出版的成文著作。”系统首先返回了一段结构化的概览指出在1883年写作《关于社会科学方法的研究》期间门格尔对“理论”的理解侧重于“寻找经济现象的齐一性Regularität”而在1888年之后的手稿中开始出现更多关于“理论作为理解具体个体之工具”的表述。这段回答配了三个引用来源分别来自1883年的修改稿、1887年写给一位法国学者的信以及1889年一份未署名的教学笔记。这个结果本身就很有价值因为公开出版物里门格尔几乎没有正面承认过自己对“理论”的定义发生过偏移这些变化被碎片化地隐藏在各种未整理的文本中。传统研究方式如果要得出类似结论至少需要花一到两周时间在档案里做索引对读。而OpenResearch用几分钟就跑出了初步假设和证据坐标速度确实惊人。但我也发现了问题。回答中引用的“1889年未署名教学笔记”实际上是一份只完成部分转写的扫描件模型在解读时加入了较多推测成分。我在档案原文视图里仔细比对后发现那段笔记的德文原文存在一处关键模糊——手写体的“Gattung”类和“Gesetz”规律写得非常接近模型默认读成了后者这在语境上是合理推断但并非铁证。3.2 如何利用“档案拓扑图”快速定位高价值材料这次实操让我摸到了OpenResearch一个比较隐藏但特别实用的功能——档案拓扑图藏在每次回答页面的右上角默认是折叠状态。展开后你会看到一张节点图每个节点代表一份档案实体一封信、一页笔记等节点之间的连线有两种含义实线表示AI认为它们在内容上存在直接关联虚线表示存在内容暗合但未被明确引用。这个功能最初看起来像一个可视化装饰但用了几次之后我发现它在“找材料”环节的价值远超预期。传统检索本质上是一种“你有明确目标才能找到东西”的行为但做研究的时候很多时候你并不确定自己想找的材料长什么样只知道“如果存在某类材料我的论文会更有说服力”。档案拓扑图承担的就是这种探索型检索任务。我在追踪门格尔1884年前后的状态转变时就是靠着拓扑图发现了一个此前不为人注意的有趣线索他给妹妹的一封家信里有一段关于“学术生活的孤独”的吐槽。系统标记这封信和他在同期写给经济学家朋友的信存在内容暗合顺着这个节点深挖果然发现在1884年末到1885年初这段时间门格尔对外措辞和私下表达之间存在相当明显的温差。如果不是沿着拓扑图的虚线节点走我很难从公开信件的字面信息里察觉到这个张力。3.3 数据准备阶段无法绕过的预处理细节虽然OpenResearch目前提供的是“研究端”体验但做技术的朋友一定想知道到底什么样的数据预处理能让这类Agent跑得动。我根据公开披露信息和自己复现类似项目时的经验梳理了一下完整的档案数字化流程方便想在自己的领域复刻这套玩法的朋友参考。原始档案进入系统前大致要经过七步扫描采集、图像矫正去手写阴影、纠偏、调高对比度、版面分析区分正文、页边注、页脚批注、手写文本识别HTR目前主流工具是Transkribus、实体链接识别信件的收发件人、时间、地点并把它们映射到知识图谱、语义分块按段落和主题切割文本块、以及索引构建为每个文本块建立向量索引和关键词索引。这里面最容易出问题的环节是“实体链接”。一封1868年门格尔写给兄弟的信里提到“我们在维也纳见的那个教授”如果没有背景知识这句话根本没法自动关联到具体的人。OpenResearch在这块的处理是用一个大模型先做中间推断生成候选实体再结合档案元数据做消歧。这个方法可以覆盖大多数情况但如果一个实体不只是一个人名而是某种特殊指代词还是需要人工参与修正。我在数据准备环节踩过的另一个坑是“时间线归一”。档案里的时间表述极其混乱有“周五晚”、有“圣灵降临节后第二天”、有只写了“188”这种带不确定年份的。如果直接把原始文本丢给模型它对时间顺序的感知就会错乱。建议在预处理阶段就把所有能解析的时间信息转成ISO标准格式并把“不确定时间”单独标记例如用1884-00-00表示年份确定但月份日期未知。这样模型在做时序推理时会有明确的约束条件。3.4 轻量复刻版搭建一个简化版档案问答Agent如果你不是专业研究者但想在自己工作的领域试试这种“基于专属档案库”的问答系统可以直接参考下面这条轻量路径不需要手写复杂的Agent调度逻辑。我用自己的历史笔记和家谱扫描件验证过完整流程材料大概两百页全部跑通大概花了一天时间。第一步文件标准化。扫描件统一输出为JPG或PNG文档型资料输出为PDF。第二步转写文本。直接用Transkribus的Lite模式跑一遍手写文本识别准确率要求不高的场景也可以用Tesseract的HTR分支。第三步做大模型可读的结构化文本块。把转写文本按逻辑段落切成300到500字的块每个块前面加上元数据头部格式类似[doc_id] letter_to_sister_1884_3 [date] 1884-03-12 [type] private_letter [recipient] 妹妹 [notes] 提及维也纳、经济学会第四步生成嵌入向量。用bge-m3这类多语言嵌入模型生成每个文本块的向量存储到支持向量检索的数据库里效果达标且部署成本低。第五步写一个极简的RAG流程——查询模型用GPT-4o或Claude检索逻辑用向量相似度Top-k然后把检索到的文本块拼进系统提示词里让模型回答时必须引用文本块的doc_id。这个简化版实现了OpenResearch的核心引用链路虽然没有拓扑图、没有精调模型但用来做小规模档案研究已经完全够用。第六步也是常常被忽略的一步建立人工校验循环。每回答完一组问题要把模型引用的文本块和原始扫描件做一次抽样比对统计引用错误率。我跑下来的经验是转写质量高的打印体材料引用准确率能到95%以上手写体材料准确定会掉到85%以下人工校验这一步不能省。4. 常见问题与排查技巧实录4.1 问题速查表与解决路径我在使用OpenResearch的过程中积累了不少经验也遇到过一些坑。这些坑一个比一个典型整理成表格方便你查阅问题现象常见原因处理方式回答中引用大量来自公开著作私人笔记占比低初始提问过于宽泛检索Agent无法聚焦补充具体时间、人物、场景等限定词同一问题连续追问后上下文漂移开始生成“合理但不准确”的推断连续对话导致模型把之前的假设当成既定事实在新会话中重新设定研究角度并附上重要结论引用来源指向某封信但原文只能部分支持结论手写转写文本本身存在缺漏或模糊进入档案原文视图人工复核原始段落回答中出现明显的翻译腔术语使用不符合学术规范检索到的源文本为德文模型在翻译时选词偏离学界惯例在提问中要求“保留关键术语原文并附中文解释”关于同一问题的回答在几天后重复提问结果不一致底层档案索引发生更新或检索召回范围发生变化对核心结论设置“快照对话”保留完整上下文系统返回“无法定位相关档案”提问中用到的实体名与档案元数据表述不一致尝试更换同义词、别名、时间范围重新表述4.2 深度避坑处理“微观文本误读”接下来单独讲一个最花时间去解决的问题微观文本误读。大语言模型在生成连贯文本时天然倾向于把信息缺失的地方补成“最合乎常理”的内容。但历史手稿里最不缺的就是反常识的细节尤其是在私人笔记里人们常常故意用隐晦的写法表达真实想法。比如门格尔在某封信里用了一个简写“N.N.”在当时的德语书信语境里这既可以表示“某位不便透露姓名的人”也可以特指一个共享学术圈心照不宣的对象。模型在转写和解读时通常会将其处理为“一位不愿具名的人”但如果联系上下文这位匿名者大概率是施莫勒阵营里的某位学者。这种微观层面的误读不会影响对整封信内容的理解但会影响对人际关系网络的判断。要绕过这个坑最佳路径是把你已经掌握的背景知识和AI对话做交叉验证主动追问“这封信里的匿名指代和当时论战背景是否有关系”引导模型重新开展多文档推断。4.3 我的验收标准与实践底线最后说说我怎么判断一个AI辅助研究工具是否真的合格。我一直认为好的研究工具不应该让研究者变懒而应该让研究者可以把自己的精力投入到更重要的问题上——也就是从证据到解释的跨越。所以我在评估这类工具时会看三项硬指标。第一引用能否回溯到物理实体。一个只给“来源互联网”的工具对研究工作没有意义。第二能否支持比线性阅读更复杂的推理任务。比如寻找思想矛盾、追踪术语演变、对比不同场合下的立场差异这些都是在传统检索中要花大力气的任务。第三是否保留了“研究者最后的否决权”。系统可以把未知领域推断做得很好但必须允许研究者一键下钻到原始材料自己重新解读。OpenResearch在这三条标准上都做得不错虽然还有明显的进步空间比如手写转写准确率、多语言术语处理的稳定性等但作为数字人文研究方向的标杆级应用它的里程碑意义是明确的。尤其值得注意的是这类系统的成熟意味着“学术级历史研究”不再只是少数能在多个国家档案馆之间往返的学者才能做的事。任何有网络、有阅读能力的年轻人都有机会在一流数字档案的基础上提出自己的研究问题验证自己的学术猜想。这是一个对知识生产公平性非常有价值的改变。我不会说“AI会取代历史学家”这种话因为从实际操作来看AI更像是一张无限精细的索引地图。地图永远不等于土地本身真正有价值的研究洞见仍然来自研究者在证据基础上形成的判断力、共情力和想象力。但这些工具确实会重塑研究工作的形态让“去档案馆”变成“去对话”让“材料的海洋”变成“线索的轨道”。至于研究者能在这条轨道上走多远考验的仍然是提问的能力和思辨的深度。