地方文博文史研究 Skill（wenbo-research）

定位

以地方为单位，用「开源古籍全文 + 四库收录/存目判定 + 文津阁线下勘校 + 四重证据」重建地方的文献·文史·博物知识体系。可复用于任意县/府/州/镇/边镇。

通用性：本 skill 是「地域类型无关」的通用框架，六类关键词为普适骨架，特色类别随地域类型而变（边地=边防、水乡=水利漕运、沿海=海防盐政、民族=土司…）。榆林只是「边地型」的实例，不是模板本身。地域类型与适配见 references/region_types.md。

时间维度边界：史料边界（四库收书下限约乾隆中期 1782）、古今边界（1840 古/近、1949 近/现）、复原精度（落具体时段而非笼统朝代）均须设定合理；古今贯通只作「同地历史层叠加」，不臆断跨断层传承。详见 references/time_scale.md。

数据源三级策略（详见 references/data_sources.md）

1. 开源全文（自动调用）：殆知阁 v20 / gujilab CC0 语料 / wenku 二十四史 → 拉正史地理志、水经注、方志全文，做关键词抽取。
2. 授权/馆内（仅提示）：迪志文渊阁电子版、基本古籍库、国图古籍库、支付宝「文澜重光」书影。
3. 预置索引＋百科/汉典辅助（兜底）：四库收录/存目判定与条目核实。

❌ 硬约束：绝不抓取 ctext（官方明示禁止）、不抓反爬/需登录站点；只用 CC0/开源数据；古籍开源本只作"工作底本"，学术结论必须回影印本/点校本。

通用工作流（8 步）

Step 0 · 锁定地方对象

确定地名 + 政区沿革 + 历史区位（如：榆林＝秦汉上郡/明延绥镇/九边边镇/农牧交错带）。

Step 1 · 生成地方关键词族（时间分层）

python3 scripts/keywords.py 榆林 → 输出六类关键词，政区地名/人物/物产/地貌按朝代分层：

• 政区地名：秦汉(上郡/肤施/奢延) → 十六国(夏州/统万城) → 隋唐宋(银州) → 明(榆林卫/延绥镇) → 清(榆林府) → 今
• 军政边防：九边/边墙/营堡/马政/屯田/市口/套虏…（跨朝代）
• 人物：按朝代（秦汉蒙恬/扶苏 → 明余子俊/曾铣 → 清谭吉璁）
• 民俗物产：古代(屯田谷物/马/盐/羊) vs 近现代(信天游/糜子/滩羊…)
• 地理参照：统万城/红石峡/镇北台…（跨朝代）
• 地貌生态：今名(毛乌素沙地) vs 古名(沙碛/平沙/流沙) ＋ 古今对照(奢延水=无定河)

历史复原用 --era：keywords.py 榆林 --era 明 → 输出该朝代的复原关键词集（政区地名含沿革追溯、物产取「古代」、地貌取「古名」，不混入后世/现代称谓）。原则：讨论古代文史必用「当时」的地名、地貌、物产。

Step 2 · 开源全文拉取与关键词抽取

python3 scripts/fetch_ancient.py 上郡 肤施 奢延 → 从开源库拉取《汉书》《后汉书》《水经注》等，按关键词抽取上下文段落，生成段落级索引（书名/卷次/原文摘录）。

Step 3 · 四库收录/存目判定

python3 scripts/siku_status.py 延绥镇志 九边图论 河套志 → 命中预置索引则直接判定；未命中则查百科 API 辅助，输出「收录 / 存目 / 未收」＋置信度。存目书 → 提示补源（存目丛书/续修四库/原刻方志）。

Step 4 · 四库删改对勘警示

凡涉边疆、民族、华夷、虏情的条目，强制标注："四库本经删改，须对勘明刻本/原刻方志"。产出《四库本删改/异文待核表》。

Step 5 · 文津阁线下勘校（⚠️ 线下人工完成）

• skill 只生成"勘校清单"（列出需核对的卷次、条目、异文疑点、对应文津阁影印本册次），不做代勘。
• 明确提示用户：此步骤须线下到馆，用榆林图书馆藏《文津阁四库全书》影印本逐卷核对，并回填勘校结果。
• 勘校是权威性的最后一道闸：开源本 → 四库本 → 文津阁影印本亲校。

Step 6 · 流失文物—文献互证

用 references/four_evidences.md 的对照表模板，把「已上缴/流失文物」与四库、方志、金石做溯源对照，并提示与上级馆谈调阅/图录协作。

Step 7 · 四重证据法整合

文献（四库/正史/方志）＋ 实物（现存/遥在溯源）＋ 口述/民俗（田野）＋ 金石/图像（摩崖/碑刻/画像石），输出地方知识叙事。

Step 8 · 缺陷诊断与成果输出

套用 references/four_evidences.md 的九条缺陷诊断清单；输出：地方文献专题索引 + 收录/存目清单 + 删改待核表 + 文物互证表 + 叙事方案。

安全与权威性规范（公开发布底线）

1. 合法数据源：仅白名单（见 data_sources.md），不抓 ctext、不绕过反爬、不爬需登录站点。
2. 版权与授权：优先 CC0；引用开放整理本须标注出处并声明"非点校本"。
3. 校勘底线：开源/四库整理本 ≠ 学术定本；强制插入文津阁线下勘校步骤，未勘校不视为权威结论。
4. 置信度分级：每条判定标注「高/中/低/待核」；"收录 vs 存目"最终以《四库全书总目》为准。
5. 宁可漏报、不可误报：输出每条结论须可溯源到具体书卷/段落；无法溯源则降级为"待核"。
6. 输出规范：报告/成果直接输出最终结论文字，每条结论标注数据依据/可信来源（如「据《汉书·地理志》」「据百度百科核实」）；不出现「待核/待补/需复核/置信度」等校对性用语；置信度分级仅在脚本内部与工作过程使用，不写入最终报告。

文件结构

wenbo-research/
├── SKILL.md
├── references/
│   ├── data_sources.md        # 数据源白名单（免费/授权/禁止三分类）
│   ├── siku_index.md          # 四库收录/存目预置索引（九边沿线种子）
│   ├── region_types.md        # 地域类型模板（通用性核心）
│   ├── time_scale.md          # 时间维度边界设定规范
│   └── four_evidences.md      # 四重证据法 + 流失文物互证模板 + 九条缺陷诊断
├── scripts/
│   ├── keywords.py            # 地方关键词族生成器
│   ├── fetch_ancient.py       # 开源古籍拉取 + 关键词抽取
│   └── siku_status.py         # 四库收录/存目判定
└── data/
    └── keywords_seed.json     # 关键词族种子（九边沿线）

参考文档