AI |

Stängslet, inte elden

Sun, 06 Sep 2026 00:00:00 +0000

I ett lagerhus i North Las Vegas driver Amazon en maskin som skär ryggen av begagnade böcker. De lösa sidorna går genom en skanner, och sedan skickas papperet i väg för att malas ner till massa. Böcker som förstörs för att mata AI: historien hade allt som krävs för att bli en kulturskandal. jämförde verksamheten med ett modernt bokbål och sparade inte på klichéerna: anspelningar på Savonarola, arkivbilder på till synes sällsynta böcker och, naturligtvis, bålet i Berlin. Kvalitetstidningarna var som väntat svalare men lät samma jämförelse hänga i luften. Men trots all sin indignation kom AI-industrin förvånansvärt lindrigt undan i dessa artiklar. Papperets öde får huvudrollen; vem som äger de digitala bibliotek som blir resultatet kommer knappt in i bilden. Vem får kontrollera den kunskap som skannas? Den frågan får vänta medan vi röjer undan pratet om bokbål.

En skanner är inget bål

Analogin med Savonarolas bål eller nazisternas bokbränning är absurd: att förstöra ett exemplar är inte detsamma som att undertrycka en text. Bålen var offentliga akter av avståndstagande. Den stackars munken Savonarola, som åberopas i varje bokbålskontrovers, uppmanade folk att offra några av sina ägodelar som en offentlig botgöring. Nazisternas bål iscensatte ett annat slags avståndstagande: den offentliga bränningen förkunnade att författarna inte hade någon plats i det tyska kulturlivet. I båda fallen var förstörelsen, hur motbjudande den än var, performativ. Destruktiv skanning, en vanlig metod inom digitaliseringen, tjänar ett annat syfte: exemplaret giljotineras för att innehållet ska bevaras. Boken förstörs; texten dematerialiseras. De som tar till Fahrenheit 451 kunde erinra sig romanens centrala lärdom: en text är inte det papper den är tryckt på.

Djärvare än Daily Mail men inte mindre klumpigt bidrog till larmet genom att sätta ”sällsynta böcker” i rubriken. Men en bokhandlare som citeras i tidningens egen granskning uppgav att dessa bulkbeställningar , vilket i stort sett pekar mot utgåvor publicerade efter att ISBN infördes omkring 1970. Det är loppisarnas och secondhandbutikernas varor, ofta en enda storstädning från soptippen. Innan man utropar en kulturkatastrof kunde man slå i bibliotekskatalogen. Det är precis sådana publikationer pliktleveransbiblioteken finns till för att bevara. Visst garanterar ett ISBN inte att ett pliktexemplar överlevt, men lika lite bevisar knappheten på andrahandsmarknaden att en text försvunnit.

Böcker har naturligtvis en materiell historia. Exemplar vars anteckningar, dedikationer eller proveniens ger dem historisk betydelse förtjänar att identifieras och bevaras. Här har antikvariaten en roll att spela: att känna igen ett sådant exemplar borde vara skäl nog att hålla det utanför en sändning på väg att malas ner. Vi kan också fortsatt oroa oss för den krympande tillgången på fysiska exemplar av titlar som gått ur tryck. Men då bör vi också fråga varför rättsinnehavarna varken trycker om dem eller tillåter åtkomst till befintliga digitala faksimil. Forskare känner frustrationen: Google Books hittar det avsnitt du behöver och bjuder sedan på ett smakprov ur en bok du varken kan köpa ny eller läsa på nätet. Det finns alltså förluster här värda att diskutera, men de gör inte en skanner till ett nazistiskt bokbål.

Bokbranschen har för sin del sedan länge rutinmässigt malt ner osålda böcker. Bara i Frankrike uppskattas , ungefär 60 procent av det tonnage som returnerades osålt till distributörerna. Det kallas lagerhantering. Överskottsexemplar och sällsynta begagnade titlar väcker olika frågor om tillgång, men att förstöra papper är inte i sig censur eller tyranni.

Fler böcker, bättre AI?

Att AI-företag köper och skannar böcker är i själva verket goda nyheter. En teknik som ständigt kritiseras för sin ytliga förståelse av mänsklig kultur skaffar sig mer av den, och man kunde ha väntat sig att forskare skulle välkomna ansträngningen.

Webben är en dålig ersättning för ett språks samlade skriftliga arv. Mycket av ett språks nedtecknade liv, från romaner och memoarer till populära visor och transkriberade samtal, har aldrig tagit sig från trycket till webben. Många av dessa böcker har överlevt sina förlag. Att få in dem i träningsdata betyder mest där lite annat finns att tillgå. Några böcker till på engelska ger kanske marginella förbättringar. Men för ett dåligt representerat språk kan samma böcker avgöra om ett system blir användbart eller värdelöst. Om dessa verktyg hör hemma i våra offentliga tjänster eller vår vardag är en fråga för den offentliga debatten. Men var vi än väljer att använda dem bör vi kunna göra det på vårt eget språk.

Beställningarna som rapporterats från Spanien och Nederländerna visar konkret vad som står på spel för språken. I maj beskrev en bokhandlare i Badalona som fått upprepade beställningar, främst på katalansk facklitteratur: historieböcker, tekniska handböcker och gamla konferensvolymer. I augusti rapporterade nederländska medier om en förfrågan till De Slegte om . Böckernas språk förtjänar minst lika mycket uppmärksamhet som bokbandens öde. Det är kanske för mycket begärt av Daily Mail. Men även de mer sansade tidningarna har haft föga att säga om språken.

Licensavtal med stora förlag kan också ge värdefullt material, men förlagens digitala kataloger täcker bara en bråkdel av allt som utkommit i tryck. Böcker som aldrig digitaliserats, eller vars rättigheter förlaget inte längre innehar, faller utanför erbjudandet. Inte ens ett generöst licensavtal kan ersätta förlagshistorien, än mindre en kulturs historia. Att köpa begagnade exemplar är ett sätt att nå förbi de kommersiella gränserna.

”Stöld” är inget argument

Att kalla det ”stöld” hjälper inte heller. I juni 2025 fann två amerikanska distriktsdomstolar att användningen av böcker för att träna språkmodeller utgjorde fair use i de mål de hade att pröva. I betonade domstolen träningens transformativa karaktär: böckerna användes för att bygga ett system som kan frambringa nya uttryck. Modeller kan memorera passager, men att en bok används i träningen gör inte hela texten hämtbar på begäran. Frånvaron av ordagrann återgivning avfärdar heller inte varje invändning. I varnade domaren för att AI-genererade verk kunde översvämma marknaden och att bevis för sådan skada skulle kunna fälla ett fair use-försvar. Dessa kärande hade dock inte lagt fram några substantiella bevis för sådan skada på sina egna verk. Ingendera domen ger AI-företagen fritt fram eller avgör den etiska tvisten. De kräver att vi skiljer på hur böcker anskaffas, hur kopior behålls och vad träningen gör med dem. Att kalla alltihop ”stöld” lämnar de frågorna obesvarade.

I förbigående sagt ger Anthropic-domen giljotinen en logik. Domstolen godkände digitaliseringen av köpta exemplar men underkände ansamlingen av piratkopierade böcker i ett permanent bibliotek, för vilket företaget senare . Digitaliseringen godkändes delvis för att varje tryckt exemplar förstördes vid omvandlingen: den digitala kopian ersatte det och delades inte utanför företaget. Den förstörelse som upprör somliga så hjälpte Anthropic att få sitt digitaliseringsprogram bedömt som fair use. Att köpa, skanna och kassera var i det fallet en laglig väg. Giljotinen är här ett redskap för regelefterlevnad.

Det finns goda skäl att vilja att AI ska ösa ur fler språk, mer forskning och mer av den värld som fanns före internet. De skälen försvinner inte för att ett företag vi ogillar har sett en affärsmöjlighet i saken.

Lånad indignation

Låt oss då återvända till Daily Mail. Tidningens artikel ingår i , en kampanj från tidningsägare och förlag som vill ha för AI. Två bekväma utbyten gör jobbet: Big Tech får stå för AI, och rättsinnehavarna får stå för ”brittisk kreativitet”. Läsarna inbjuds att försvara kulturen medan förlagen förhandlar om villkoren för dess försäljning. Forskare som delar historien kunde fråga sig vems sak deras indignation tjänar.

Big Tech och grälar om hyran, men ingendera har något emot stängslet. Berättelsen om den ensamma författaren som bestjäls av en teknikjätte skymmer vad dyra licensavtal erbjuder båda bolagslägren: förlagen får betalt, och Big Tech får en marknad där dess mindre konkurrenter inte har råd att vara med. Peter Thiel uttryckte Silicon Valleys preferens rakare: .

Licensiering behöver inte leda dit. Prisvärd, icke-exklusiv tillgång kunde hjälpa mindre utvecklare. Men ett system som tvingar varje ny aktör att förhandla fram dyra avtal med de stora rättsinnehavarna gör köpkraft till ett inträdesvillkor. En betalning som framställs som en eftergift till kulturbranschen slutar med att köpa skydd mot framtida rivaler.

AI tillhör inte Big Tech

Det finns en djupare fråga. Alltför mycket AI-kritik tar de största kommersiella leverantörerna för hela fältet. Produkterna dominerar rubrikerna; forskningen och utvecklingen utanför dessa företag försvinner ur sikte. Big Tech kunde knappast önska sig ett nyttigare missförstånd. Dess ambition att äga fältet blir premissen för den kritik som riktas mot det. Monopolet är ännu inte säkrat. Att behandla det som avgjort gör dessa företag en enorm tjänst. Det leder också uppmärksamheten bort från den öppna källkoden: från dess behov, dess chanser att över huvud taget finnas, dess intressen, dess legitimitet som alternativ.

AI med öppen källkod låter människor bygga och anpassa system som speglar en större mångfald av språk, kulturer och uttrycksformer. För länder i Europa, Afrika, Latinamerika och Asien är det en praktisk grund för teknisk och kulturell suveränitet: förmågan att bestämma hur systemen fungerar, vilka språk de betjänar och var de används. Om AI ska användas, och till vad, bör förbli ett offentligt val, inte ett beslut dikterat av beroendet av ett utländskt oligopol.

Men friheten att ändra ett system betyder föga utan medlen att göra det. Oberoende arbete kräver expertis, datorinfrastruktur och tillgång till träningsmaterial. Det för oss tillbaka till böckerna. Om varje forskargrupp eller offentlig institution måste förhandla fram egna förlagsavtal eller bygga upp ett eget privat bibliotek blir oberoendet oöverkomligt även för somliga rika länder.

Böckerna finns redan här

Bibliotek och arkiv har i generationer samlat det material dessa system behöver. Deras samlingar finns för att tillgången till kunskap ska överleva det kommersiella intresset av att sälja den. Mycket är redan skannat: rymmer omkring nitton miljoner digitaliserade volymer från forskningsbibliotek, många fortfarande upphovsrättsskyddade. Ett bibliotek skannar en bok och behåller den. Ingen där behöver någon giljotin. HathiTrust men har också aviserat , ett projekt som ska ge korpusåtkomst för icke-kommersiell AI-forskning och AI-utveckling. Tillgång på de villkoren skulle ändå lämna en del oberoende utvecklare utanför.

Att äga böckerna ger dock inte ett bibliotek rätt att sprida deras upphovsrättsskyddade innehåll som träningskorpus. tillåter forskningsinstitutioner och bibliotek att utvinna text och data ur lagligt tillgängliga verk för vetenskaplig forskning, och medger bredare utvinning där rättsinnehavarna inte förbehållit sig sina rättigheter. : dess undantag för utvinning omfattar icke-kommersiell forskning och begränsar överföringen av kopior. Ingetdera regelverket ger biblioteken någon allmän rätt att dela sina upphovsrättsskyddade bestånd för andra att bygga vidare på.

Vi kunde också ompröva hur länge rättsinnehavare ska kontrollera datorbaserad användning av böcker. Läkemedelspatenten bygger på en uppgörelse: tillfällig ensamrätt belönar innovation, sedan blir uppfinningen fri för andra att använda. Deras normala tjugoåriga löptid är långt kortare än upphovsrättens skydd under författarens livstid och sjuttio år därefter. Varför inte tillämpa en liknande princip på datorbaserad användning av böcker? Efter, säg, tjugo år från första utgivningen kunde en bok bli tillgänglig för text- och datautvinning utan licensavgifter, medan rättigheterna till nyutgivning och försäljning förblev skyddade. Författare kunde fortsätta tjäna på sina böcker utan att generationer av forskare behövde förhandla om tillstånd för att analysera dem.

För två år sedan hävdade jag i att kulturarvsdata bör behandlas som en kollektiv nyttighet. Staterna bör finansiera bibliotek och arkiv så att de kan digitalisera, transkribera och dokumentera sina samlingar, och ge dem den rättsliga befogenheten att göra de resulterande korpusarna tillgängliga för andra att bygga vidare på. Big Tech kunde bidra till notan genom en särskild avgift.

Offentlig finansiering bör åtföljas av publicerade samlingspolicyer och åtkomstregler som täcker både akademiskt och kommersiellt arbete, utan exklusiva avtal eller privilegierad tillgång för donatorer. Tillgång för träning behöver inte betyda obegränsad vidarespridning av upphovsrättsskyddade böcker. Författarna bör vara med och utforma det offentliga systemet, inklusive hur det hanterar samtycke, ersättning och konkurrens med deras verk. Fri tillgång för användarna behöver inte utesluta offentligt finansierad ersättning till författarna. Biblioteksersättningen – i Storbritannien – som betalar författare ur offentliga medel när deras böcker lånas ut, är ett prejudikat. Elden var aldrig historien. Det är stängslet.

Kära redaktörer: vill ni ha min röst, ge mig tillbaka mitt språk

Thu, 27 Aug 2026 00:00:00 +0000

Ny dag, ny tidskrift som basunerar ut sin AI-policy. Den här gången är det Progress in Human Geography, vars redaktörer har publicerat med varningen att den som använder AI som ersättning för sitt eget läsande, tänkande och skrivande begår ”ett brott mot den akademiska etiken, jämförbart med plagiat”. Artiklar som befinns ha brutit mot regeln ”kan komma att dras tillbaka”; i bästa fall rättas de, med en notis tryckt i tidskriften. Författarna, tillägger redaktörerna, bör ”noga överväga om de vill se sina namn förknippade med tillbakadraganden och rättelsenotiser”.

Den meningen förtjänar en stunds eftertanke. Tillbakadragandet (retraktionen) är den strängaste sanktion det vetenskapliga publiceringsväsendet känner, det straff som annars är förbehållet fabricering och fusk. Här knyts det till en förseelse som samma ledare inte förmår definiera. Det finns, medger redaktörerna, ”verkliga gråzoner” och ”inga tydliga linjer som avgränsar zonen för ’oansvarighet’”. Tillämpningen kommer att vila på ”bedömningar som kan reta upp somliga författare, vilka kommer att hävda att de inte använt AI på ett otillbörligt sätt” – ens egen försäkran kan med andra ord köras över. Rådet som följer är att hålla sig ”tryggt inom zonen för ’ansvarighet’”, och till trygghet manar man bara där fara hotar. Att straffa människor för att de korsar en linje man erkänner att man inte kan dra är begripligt bara om avsikten är att regera med skräck. Lägg det på minnet.

Rösten som förevändning

Hur ser ansvarsfull användning ut? Författarna uppmanas: ”stor omsorg måste ägnas … åt att bevara den egna rösten”. Missbruk är att ta AI till hjälp ”för att skriva på ett språk författarna själva normalt aldrig skulle använda”. För den som har engelska som modersmål är det rimligt: låtsas inte vara något du inte är. Men för utlänningar som måste skriva på ett språk som inte är deras eget motsäger påbudet sig självt. Den röst regeln vill skydda är just det som tidskriftens egna regler förvägrar oss.

Ta mig som testfall. Engelska är mitt fjärde språk, precis ett sådant jag aldrig skulle använda ”normalt”. Engelskspråkiga universitet drillade mig i att skriva den kort, med tydliga vägvisare, nästan mekaniskt: kärnmeningen först, garderingar på de godkända ställena, övergångar från den godkända listan. Drillen fungerade: det har aldrig funnits någon röst i min engelska att skydda; den var det första som fick stryka på foten. Enligt redaktörernas egen definition vore allt jag skrivit på engelska otillbörlig användning, med eller utan maskin.

Rävsaxen

Redaktörerna säger sig ha tänkt på oss: policyn erkänner att den som inte har engelska som modersmål har nytta av att AI kontrollerar engelskan, ja rentav av dess ”översättnings-, skriv- och redigeringstjänster”. Ändå ska AI:s inblandning i skrivandet ”på sin höjd uppgå till hjälp med redigering och korrekturläsning” och får inte leda till ”stora sjok av AI-skriven text”. En maskinöversatt artikel är AI-skriven från första ordet till det sista; den består av inget annat än sådana sjok. Eftergiften håller alltså bara om översättning inte är skrivande. Var går den linjen? Det har de redan sagt oss: ”inga tydliga linjer”.

Det blir värre, för misstanken är inte bara omöjlig att vederlägga. Den spelar dessutom med falska tärningar. År 2023 prövade ett forskarlag från Stanford sju vanliga AI-detektorer på uppsatser skrivna av människor: detektorerna flaggade i genomsnitt 61 % av TOEFL-uppsatserna av icke-modersmålstalare som maskingenererade, medan de klassificerade modersmålstalarnas uppsatser nästan felfritt; en detektor flaggade 97,8 % av TOEFL-materialet ( ). Skälet är lärorikt. Detektorerna mäter förutsägbarhet, och andraspråksengelska, tränad mot medelvärdet, är förutsägbar till sin konstruktion: det mest sannolika ordet i den mest sannolika ordningen. Samma studie fann signalen i verklig forskning, i form av lägre språklig variation i konferensbidrag med icke-modersmålstalare som förstaförfattare. De stildrag som läses som ”AI” är den kompetenta andraspråksengelskans stildrag, och en mänsklig bedömning läser samma drag som maskinen. Rävsaxen har slagit igen: skriver jag min egen engelska ser jag ut som en maskin; tar jag maskinen till hjälp bryter jag mot deras regel.

Språkskatten

Paradoxen vore harmlös om den inte åtföljdes av hot. Men hoten blottar ett djupare och äldre problem som policyn aldrig nämner vid namn: enspråkigheten. efterfrågar ”bredast möjliga internationella täckning”, medan det på samma sida heter att ”tidskriftens språk är engelska”.

Kostnaden för det arrangemanget är inte hypotetisk. I en enkät bland 908 miljöforskare fann Amano och hans kollegor att forskare utan engelska som modersmål lägger upp till 51 % mer tid på att skriva en artikel, får den refuserad 2,5 gånger så ofta och ombeds revidera den 12,5 gånger så ofta, enbart av språkliga skäl ( ). Den skatten tas ut innan någon AI-policy ens kommit på tal; deklarationsblanketten och dess hot är en skatterevision ovanpå.

Fin d’empire

Enspråkigheten är det axiom ingen diskuterar. Den är ett imperialt arv som med tiden fick en praktisk motivering: översättning var långsam och dyr, och ingen redaktion kunde bedöma vad den inte kunde läsa. Men inget av detta överlever maskinöversättningens framsteg. Dagens bästa maskinöversättning kan användas som ett tillförlitligt mellanled mellan författare och redaktörer.

Den idealiska utvägen är mänsklig: forskare borde läsa mer än ett språk. I stället väljer de engelskspråkiga universiteten att lägga ner sina institutioner för moderna språk. Märk väl att nedläggningarna är ett angloamerikanskt fenomen: forskare på andra håll har aldrig haft råd med enspråkighetens lyx. Och märk tidpunkten. Att lägga ner en språkinstitution är att slå vad – om att engelskan har vunnit för gott och att inget läsvärt någonsin mer kommer att skrivas på något annat språk. Det vadet ingås vid precis fel tidpunkt, och det av två skäl. För det första för att maskinöversättningen för första gången gör det möjligt att helt klara sig utan ett lingua franca; för det andra för att den ordning som gjorde engelskan till självklarhet är på reträtt: den engelskspråkiga världen vänder sig inåt, globaliseringen ebbar ut, frihandeln ifrågasätts i sina egna hemländer, och en multipolär värld tar form där de läsvärda språken kommer att bli fler. Universiteten utbildar forskare som bara läser engelska för en värld där engelskan inte kommer att räcka. Redaktionerna blir de första att ärva den förlusten.

Ett prov för redaktörerna

När en redaktion beklagar att den inte kan höra sina författares egen röst ligger kanske en del av problemet hos redaktionen själv.

Det är en allvarlig anklagelse, och den kommer med ett allvarligt prov. Skulle Progress in Human Geography låta sakkunniggranska ett bidrag skrivet på franska, italienska eller japanska, åtföljt av en maskinöversatt engelsk version? Tidskriftens egna anvisningar erkänner ju de ”översättningstjänster” som gör det möjligt. Ett ja gör slut på problemet. Ett nej skulle avslöja vad policyn egentligen skyddar.

Hur som helst är valet redaktörernas. Om rösten betyder något, som de påstår, bör tidskriften ta emot artiklar på de språk författarna tänker på. Om den inte gör det bör deklarationsblanketten bort, och hoten med den.

tei-mcp v0.3: TEI-kodning utan att skriva om källan

Tue, 05 May 2026 00:00:00 +0000

När jag var målet att hindra AI-assistenter från att hallucinera TEI-uppmärkning. Schemaförankringen löste en del av problemet: med direkt, verktygsbaserad tillgång till P5-specifikationen behöver modellen inte längre gissa vad ett element betyder eller vilka attribut det tar. Resultatet validerar.

Men hallucinationen har två ansikten i TEI-kodning, och schemat fångar bara det ena. Att validera mot specifikationen säger dig att uppmärkningen är välformad. Det säger inget om den text uppmärkningen omsluter. Och det är där – i själva texten – de mer skadliga hallucinationerna håller till. Spannlåst komposition (span-locked composition), huvudnyheten i v0.3, är utformad just för att förhindra dem.

Innehållsförteckning

Hallucinationen som schemat inte kan fånga

Be en modell koda ett franskt brev från 1500-talet, och du får ofta tillbaka ett TEI-dokument som ser oklanderligt ut. Headern är ifylld, <persName>-taggarna sitter rätt, <dateline> är välformad. Kör det genom validate_document och det går igenom.

Jämför sedan brödtexten med källan.

mesme har blivit même. Ett komma har flyttat på sig. luy har i tysthet moderniserats till lui. En sats som var svårläst i handskriften har ”rättats” till något prydligare. Ingen av ändringarna var begärd. Ingen av dem flaggas. Dokumentet är schemagiltigt och tyst felaktigt.

För ett arkivflöde – där den kodade texten blir den permanenta post som senare läsare, sökindex och citeringar förlitar sig på – är detta den typ av fel som betyder mest. En felformad tagg är irriterande. En moderniserad stavning som ingen upptäcker på fem år är en korruption.

Spannlåst komposition

Den nya versionen (v0.3) levererar en mekanism mot hallucinationer som siktar rakt på just den här typen av fel. Designmålet är att göra hallucinationer i brödtexten omöjliga per konstruktion, inte bara osannolika.

Idén är enkel: modellen skriver aldrig brödtext.

I stället ser arbetsflödet ut så här:

Modellen anropar get_source("letter_001") och får källans råtext som en oföränderlig sträng.
För varje tagg den vill sätta anropar den tag_span("letter_001", start, end, element_path, attrs) – och registrerar därmed ett TEI-element över ett teckenintervall i källan.
När den är klar anropar den compose("letter_001"). Servern flätar in de registrerade taggarna i den ursprungliga råtexten, renderar den färdiga TEI-filen och kontrollerar sedan byte för byte att det renderade dokumentets rena textinnehåll är identiskt med källan.

Stämmer bytena kommer dokumentet tillbaka. Gör de inte det – om modellens taggar på något sätt implicerar en brödtext som avviker från källan med ett enda tecken – kastar compose() ett fel i stället för att returnera ett korrupt dokument.

Det finns ingen väg genom det här arbetsflödet där modellen producerar ett TEI-dokument vars brödtext avviker från källan. Invarianten är mekanisk, inte beteendemässig. Du behöver inte lita på att modellen låter bli att hallucinera; du behöver lita på en ==-jämförelse mellan två bytesträngar.

Vad det är, och vad det inte är

Spannlåst komposition är ett komplement till schemaförankringen, inte en ersättning. Schemaverktygen (validate_document, lookup_element, valid_children och resten av de ursprungliga sexton) hjälper modellen att producera giltig TEI. Spannlåst komposition garanterar att brödtexten inuti den TEI-filen är trogen källan. Ett kodningsflöde som ska kunna tas i drift måste uppfylla båda kraven, och nu täcks båda av en och samma server.

Det är heller inget trollspö som fixar allt. compose() kontrollerar ännu inte att de registrerade taggarna är tillåtna enligt en laddad ODD-anpassning – det kommer i en uppföljning. Registrerade taggar ligger i processminnet och överlever inte en omstart. Och källfilerna måste vara läsbara från den plats där servern körs. Allt detta går att åtgärda; inget av det rubbar den centrala invarianten.

Varför det spelar roll bortom TEI

Mönstret går att generalisera. Varje gång en modell ombeds annotera, omvandla eller omsluta en text – och varje gång textens integritet väger tyngre än modellens förmåga att ”förbättra” den – passar samma slags lösning. Be inte modellen skriva om texten. Be den producera instruktioner över texten, och låt en deterministisk kompositör tillämpa dem under en likhetsinvariant.

För digitala utgåvor i synnerhet förändrar detta vad man med gott samvete kan be en modell om. Kodningen blir med ett slag en uppgift man kan delegera utan att manuellt behöva jämföra varje resultat med källan. Maskinen tar den tråkiga vägen; utgivaren granskar uppmärkningen, inte stavningen.

Hämta uppdateringen

Har du redan tei-mcp installerat:

uvx tei-mcp@latest

Eller från början:

pip install tei-mcp

För att använda spannlåst komposition pekar du servern mot en katalog med källfiler i råtext:

export TEI_MCP_SPAN_SOURCE_ROOT=/path/to/sources
uvx tei-mcp

Varje fils namnstam blir dess dokument-ID (letter_001.txt → letter_001).

Källkod, fullständig dokumentation och designanteckningarna om invarianten:

tei-mcp

Sun, 15 Mar 2026 00:00:00 +0000

tei-mcp: TEI P5 för AI-agenter

tei-mcp är en -server med öppen källkod som ger AI-kodassistenter direkt tillgång till specifikationen . I stället för att förlita sig på memorerade träningsdata – vilket ofta ger uppmärkning som ser rimlig ut men är fel – kan AI:n fråga specifikationen i realtid.

Funktioner

Servern tolkar ODD-filen för TEI P5 och exponerar 16 verktyg:

Slå upp vilket element, vilken klass, vilket makro eller vilken modul som helst på namn, med skiftlägesokänslig matchning och förslag vid felstavning
Lös upp attribut genom hela TEI:s klasshierarki (lokala + ärvda)
Expandera innehållsmodeller till strukturerade träd med upplösning av klasser och makron
Kontrollera nästling – direkt förälder–barn eller rekursiv nåbarhet med spårad sökväg
Validera dokument mot TEI P5: innehållsmodeller, attribut, slutna värdelistor, referensintegritet och utfasningsvarningar
Validera enskilda element för stegvisa redigeringsflöden
Ladda ODD-anpassningar för att begränsa schemat till en projektspecifik delmängd
Sök bland alla entitetstyper med reguljära uttryck

Installation

pip install tei-mcp

Eller kör direkt med:

uvx tei-mcp

Användning

Lägg till i vilken MCP-kompatibel klient som helst (Claude, Cursor, Windsurf osv.):

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Källkod och dokumentation finns i .

tei-mcp: TEI P5 för AI-agenter

Sun, 15 Mar 2026 00:00:00 +0000

Har du någon gång låtit en AI-kodassistent skriva TEI-XML har du nog märkt att den gör fel. Element dyker upp där de inte hör hemma. Attribut hittas på. Nästlingsreglerna ignoreras. Modellen har en ungefärlig känsla för hur TEI ser ut, men ingen tillförlitlig kunskap om specifikationen.

tei-mcp löser det genom att ge AI-agenter direkt, verktygsbaserad tillgång till riktlinjerna för TEI P5.

Innehållsförteckning

Vad är MCP?

(MCP) är en öppen standard som låter AI-applikationer ansluta till externa datakällor och verktyg. Tänk på det som en USB-port för AI: ett enda protokoll som låter vilken kompatibel klient som helst – Claude, Cursor, Windsurf och andra – koppla in sig på specialiserade tjänster.

En MCP-server exponerar verktyg som AI:n kan anropa under ett samtal. I stället för att förlita sig på memorerade träningsdata kan modellen fråga en levande, auktoritativ källa.

Vad tei-mcp gör

tei-mcp tolkar ODD-specifikationen för TEI P5 och exponerar 16 verktyg som täcker de vanligaste frågor en utgivare eller kodare ställer:

Vad är det här elementet? Slå upp vilket element, vilken klass, vilket makro eller vilken modul som helst på namn, med skiftlägesokänslig matchning och förslag vid felstavning.
Vilka attribut tar det? Lös upp attributen genom hela klasshierarkin – lokala attribut först, sedan de ärvda i ordning.
Vad får finnas inuti? Expandera innehållsmodeller till strukturerade träd, eller få en platt lista över giltiga barnelement.
Får det här elementet stå här? Kontrollera nästlingen förälder–barn, eller spåra nåbarheten genom hela elementhierarkin.
Är mitt dokument giltigt? Validera en TEI-XML-fil mot specifikationen: innehållsmodeller, attributvärden, slutna värdelistor, referensintegritet och utfasningsvarningar.
Och mitt projektschema? Ladda en ODD-anpassningsfil för att begränsa allt ovanstående till ditt projekts specifika delmängd av TEI.

Varför det spelar roll

TEI-kodning kräver att man ständigt slår i riktlinjerna. Erfarna kodare har de vanligaste mönstren i ryggmärgen, men även de måste kontrollera specifikationen för mindre bekanta element eller invecklade innehållsmodeller. För AI-assistenter, som inte har någon sådan inövad kunskap, är problemet värre: de hallucinerar fram uppmärkning som ser rimlig ut men är fel.

Med tei-mcp behöver AI:n inte gissa. Den kan slå upp svaret i specifikationen innan den skriver en enda vinkelparentes. Resultatet är uppmärkning som följer TEI P5 – eller ditt projekts ODD-anpassning.

Kom igång

Installera från PyPI:

pip install tei-mcp

Lägg sedan till servern i din MCP-klients konfiguration:

{
 "mcpServers": {
 "tei": {
 "command": "uvx",
 "args": ["tei-mcp"]
 }
 }
}

Servern laddar ner TEI-specifikationen vid första körningen och fungerar med vilken MCP-kompatibel klient som helst.

Källkod och fullständig dokumentation: