Nhân Văn Số |

tei-mcp v0.3: Mã hóa TEI mà không viết lại văn bản gốc

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

Khi , mục tiêu của tôi là chặn các trợ lý AI bịa ra thẻ đánh dấu TEI. Neo vào lược đồ đã giải quyết được một phần vấn đề: có trong tay quyền truy cập trực tiếp, qua công cụ, vào đặc tả P5, mô hình không còn phải đoán một phần tử nghĩa là gì hay nhận những thuộc tính nào. Đầu ra vượt qua kiểm định.

Thế nhưng trong mã hóa TEI, bịa đặt có hai bộ mặt, và lược đồ chỉ bắt được một. Kiểm định theo đặc tả cho bạn biết thẻ đánh dấu có đúng dạng hay không. Nó chẳng nói gì về văn bản mà thẻ ấy bao bọc. Mà chính ở đó – ở bản thân văn bản – mới là nơi trú ngụ của những bịa đặt tai hại hơn. Ghép khóa theo đoạn, tính năng chủ đạo của v0.3, được thiết kế riêng để ngăn chặn chúng.

Mục Lục

Thứ bịa đặt mà lược đồ không bắt được

Hãy yêu cầu một mô hình mã hóa một lá thư tiếng Pháp thế kỷ XVI: bạn thường sẽ nhận về một tài liệu TEI trông hoàn hảo. Phần đầu được điền đầy đủ, các thẻ <persName> đặt đúng chỗ, <dateline> đúng dạng. Chạy qua validate_document – đạt.

Rồi đem so phần thân với văn bản gốc.

mesme đã biến thành même. Một dấu phẩy đã đổi chỗ. luy bị lặng lẽ hiện đại hóa thành lui. Một mệnh đề khó đọc trong bản thảo được “sửa” thành thứ gì đó gọn gàng hơn. Không thay đổi nào trong số này được yêu cầu. Không thay đổi nào được báo. Tài liệu hợp lệ theo lược đồ, và sai một cách lặng lẽ.

Với quy trình lưu trữ – nơi văn bản đã mã hóa trở thành bản ghi vĩnh viễn mà người đọc, chỉ mục tìm kiếm và trích dẫn sau này đều dựa vào – đây chính là kiểu thất bại đáng lo nhất. Một thẻ sai dạng thì gây bực mình. Một chính tả bị hiện đại hóa mà năm năm sau chẳng ai nhận ra thì là văn bản đã bị làm hỏng.

Ghép khóa theo đoạn

Bản phát hành mới (v0.3) đi kèm một cơ chế chống bịa đặt nhắm thẳng vào kiểu thất bại này. Mục tiêu thiết kế là làm cho việc bịa đặt phần thân văn bản trở thành bất khả ngay từ cấu trúc, chứ không chỉ là khó xảy ra.

Ý tưởng rất đơn giản: mô hình không bao giờ gõ phần thân văn bản.

Thay vào đó, quy trình diễn ra như sau:

Mô hình gọi get_source("letter_001") và nhận về văn bản gốc thuần dưới dạng một chuỗi bất biến.
Với mỗi thẻ muốn áp dụng, nó gọi tag_span("letter_001", start, end, element_path, attrs) – đăng ký một phần tử TEI tại một khoảng ký tự trên văn bản gốc.
Xong việc, nó gọi compose("letter_001"). Máy chủ đan các thẻ đã ghi nhận vào văn bản gốc, kết xuất tài liệu TEI cuối cùng, rồi kiểm tra từng byte một rằng nội dung văn bản phẳng của tài liệu vừa kết xuất bằng đúng văn bản gốc.

Nếu các byte khớp, tài liệu được trả về. Nếu không – nếu các thẻ của mô hình, vì lý do nào đó, hàm ý một phần thân khác với bản gốc dù chỉ một ký tự – compose() sẽ báo lỗi thay vì trả về một tài liệu đã bị hỏng.

Không có lối nào trong quy trình này để mô hình tạo ra một tài liệu TEI mà phần thân khác với văn bản gốc. Bất biến này mang tính cơ học, không phải tính hành vi. Bạn không cần tin rằng mô hình sẽ không bịa; bạn chỉ cần tin vào một phép so sánh == giữa hai chuỗi byte.

Nó là gì, và không phải là gì

Ghép khóa theo đoạn bổ sung cho việc neo vào lược đồ, chứ không thay thế nó. Các công cụ neo lược đồ (validate_document, lookup_element, valid_children, cùng phần còn lại của mười sáu công cụ ban đầu) giúp mô hình tạo ra TEI hợp lệ. Ghép khóa theo đoạn bảo đảm phần thân văn bản bên trong TEI ấy trung thành với bản gốc. Một quy trình mã hóa có thể triển khai thực sự phải thỏa mãn cả hai trục, và giờ đây cả hai đều được một máy chủ duy nhất đảm đương.

Nó cũng không phải là liều thuốc tiên chữa bách bệnh. compose() chưa kiểm tra xem các thẻ đã đăng ký có được phép theo một bản tùy biến ODD đã nạp hay không – đó là việc của bước tiếp theo. Các thẻ đã ghi nhận nằm trong bộ nhớ tiến trình và không sống sót qua một lần khởi động lại. Và các tệp gốc phải đọc được từ nơi máy chủ chạy. Tất cả đều có thể khắc phục; không điều nào làm lung lay bất biến cốt lõi.

Vì sao điều này quan trọng vượt ra ngoài TEI

Mẫu hình này có thể khái quát hóa. Bất cứ khi nào ta yêu cầu một mô hình chú giải, biến đổi hay bao bọc một đoạn văn bản – và bất cứ khi nào tính toàn vẹn của văn bản gốc quan trọng hơn khả năng “cải thiện” nó của mô hình – thì cùng một dạng giải pháp đều áp dụng được. Đừng bắt mô hình gõ lại văn bản. Hãy bắt nó đưa ra chỉ dẫn trên văn bản, rồi để một bộ ghép tất định áp dụng các chỉ dẫn ấy dưới một bất biến về đẳng thức.

Riêng với ấn bản kỹ thuật số, điều này thay đổi những gì bạn có thể giao cho mô hình một cách có trách nhiệm. Mã hóa bỗng trở thành công việc có thể ủy thác mà không phải tự tay so từng đầu ra với bản gốc. Máy đi con đường tẻ nhạt; người biên tập duyệt thẻ đánh dấu, chứ không duyệt chính tả.

Cập nhật

Nếu bạn đã cài tei-mcp:

uvx tei-mcp@latest

Hoặc cài mới:

pip install tei-mcp

Để dùng ghép khóa theo đoạn, hãy trỏ máy chủ tới một thư mục chứa các tệp văn bản gốc thuần:

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

Phần gốc của tên mỗi tệp trở thành mã tài liệu (letter_001.txt → letter_001).

Mã nguồn, tài liệu đầy đủ và ghi chú thiết kế về bất biến:

Một kiểu ấn bản kỹ thuật số khác

Tue, 24 Mar 2026 00:00:00 +0000

Phần lớn nguồn sử liệu gốc chẳng bao giờ được công bố. Mô hình mà chúng ta trông cậy để khắc phục điều đó – ấn bản kỹ thuật số sống nhờ tài trợ – thì quá đắt đỏ, quá tập trung và quá mong manh để có thể nhân rộng. Tôi vừa đăng giải thích vì sao mình xây dựng ấn bản phê bình thư từ của Cavriana theo một cách khác: nguồn sử liệu gốc được số hóa và lớn dần lên một cách tự nhiên, với hạ tầng tối thiểu, bảo trì tự động, mở cửa cho cộng tác, và rẻ đến mức chẳng cần đến tài trợ nào. Đó là lời biện hộ cho một thứ nhân văn số vận hành được bất kể có hay không có sự hậu thuẫn của thiết chế.

tei-mcp: TEI P5 cho tác tử AI

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

Nếu đã từng nhờ một trợ lý lập trình AI viết TEI XML, hẳn bạn nhận ra nó hay sai. Phần tử mọc ở chỗ không được phép. Thuộc tính thì bịa ra. Quy tắc lồng ghép bị bỏ qua. Mô hình chỉ có một ý niệm đại khái về hình dáng của TEI, chứ không nắm chắc đặc tả.

tei-mcp giải quyết chuyện này bằng cách cho tác tử AI truy cập trực tiếp, qua công cụ, vào Hướng dẫn TEI P5.

Mục Lục

MCP là gì?

(MCP) là một chuẩn mở cho phép các ứng dụng AI kết nối với nguồn dữ liệu và công cụ bên ngoài. Hãy hình dung nó như cổng USB của AI: một giao thức duy nhất để bất kỳ ứng dụng khách tương thích nào – Claude, Cursor, Windsurf và những cái khác – cắm vào các dịch vụ chuyên biệt.

Một máy chủ MCP cung cấp những công cụ mà AI có thể gọi ngay trong lúc trò chuyện. Thay vì dựa vào dữ liệu huấn luyện đã ghi nhớ, mô hình có thể tra hỏi một nguồn sống, có thẩm quyền.

tei-mcp làm gì

tei-mcp phân tích đặc tả ODD của TEI P5 và cung cấp 16 công cụ, bao quát những câu hỏi thường gặp nhất của người biên tập hay người mã hóa:

Phần tử này là gì? Tra cứu bất kỳ phần tử, lớp, macro hay mô-đun nào theo tên, không phân biệt hoa thường, kèm gợi ý khi gõ nhầm.
Nó nhận những thuộc tính nào? Phân giải thuộc tính xuyên suốt toàn bộ hệ phân cấp lớp – thuộc tính cục bộ trước, rồi đến thuộc tính kế thừa theo thứ tự.
Bên trong nó chứa được gì? Khai triển mô hình nội dung thành cây có cấu trúc, hoặc lấy danh sách phẳng các phần tử con hợp lệ.
Phần tử này đặt ở đây được không? Kiểm tra quan hệ cha–con, hoặc lần theo khả năng đạt tới qua toàn bộ hệ phân cấp phần tử.
Tài liệu của tôi có hợp lệ không? Kiểm định một tệp TEI XML theo đặc tả: mô hình nội dung, giá trị thuộc tính, danh sách giá trị đóng, tính toàn vẹn của tham chiếu, và cảnh báo về phần tử đã lỗi thời.
Còn lược đồ riêng của dự án tôi thì sao? Nạp một tệp tùy biến ODD để giới hạn tất cả những gì kể trên vào tập con TEI riêng của dự án bạn.

Vì sao điều này quan trọng

Mã hóa TEI đòi hỏi tra cứu Hướng dẫn không ngừng. Người mã hóa lão luyện thuộc lòng những mẫu thông dụng nhất, nhưng ngay cả họ cũng phải giở đặc tả khi gặp phần tử ít quen hay mô hình nội dung phức tạp. Với trợ lý AI, vốn chẳng có chút hiểu biết thuộc lòng nào như thế, vấn đề còn tệ hơn: chúng bịa ra thứ đánh dấu trông có vẻ hợp lý mà thực ra sai.

Có tei-mcp, AI không còn phải đoán. Nó có thể tra câu trả lời trong đặc tả trước khi viết ra dù chỉ một dấu ngoặc nhọn. Kết quả là thứ đánh dấu tuân thủ TEI P5 – hoặc tuân thủ bản tùy biến ODD của dự án bạn.

Bắt đầu

Cài từ PyPI:

pip install tei-mcp

Rồi thêm vào cấu hình của ứng dụng khách MCP:

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

Máy chủ tải đặc tả TEI về trong lần chạy đầu tiên và hoạt động với mọi ứng dụng khách tương thích MCP.

Mã nguồn và tài liệu đầy đủ:

Dạy hệ nhị phân bằng máy mô phỏng điện báo ITA2

Thu, 13 Feb 2025 00:00:00 +0000

Biến cái trừu tượng thành cái sờ được

Máy mô phỏng ITA2 này là một công cụ giảng dạy đúng nghĩa. Nhờ làm cho những khái niệm mã hóa vốn trừu tượng trở nên hữu hình và có thể thao tác, nó dẫn sinh viên đến với một ý niệm then chốt của ngành điện toán và viễn thông: biểu diễn nhị phân – làm sao chữ viết biến thành những chuỗi số 0 và số 1. Chúng ta thường dạy điều này trên giấy. Nhưng khi tận mắt thấy các lỗ đục hiện ra trên băng, sinh viên hiểu ngay rằng một hệ thống vật lý cũng có thể mang thông tin số.

ITA2 (Baudot-Murray) Telegraph Type Emulator

Type a word in the input below to see its representation on the ITA2 tape.

Type word:

Bối cảnh lịch sử: từ điện báo đến máy tính

Mã ITA2 (Bảng chữ cái điện báo quốc tế số 2), còn gọi là mã Baudot-Murray, ra đời trong thập niên 1920, là bản hoàn thiện của mã điện báo nguyên thủy do Émile Baudot đặt ra từ thập niên 1870. Những hệ thống viễn thông sơ khai ấy đã ảnh hưởng trực tiếp đến các bước phát triển sau này của ngành điện toán:

Sơ đồ mã hóa 5 bit là một ví dụ sớm về mã hóa ký tự
Giới hạn của bộ ký tự (chỉ 32 tổ hợp với 5 bit) đã dẫn đến cơ chế chuyển đổi LETTERS/FIGURES đầy tài tình
Hệ thống này còn được dùng cho máy điện báo chữ (teletype) suốt một phần lớn thế kỷ XX

Học máy trạng thái qua trò chơi

Cơ chế chuyển đổi LETTERS/FIGURES đưa khái niệm máy trạng thái vào bài học một cách tự nhiên. Tự tay thử nghiệm, sinh viên phát hiện rằng cùng một chuỗi bit có thể biểu thị những ký tự khác nhau, tùy vào chế độ hiện hành. Trải nghiệm trực tiếp với mã hóa dựa trên trạng thái này chuẩn bị cho các em bước tới những khái niệm điện toán phức tạp hơn. Chẳng hạn, chuỗi bit 00011 biểu thị:

Chữ ‘A’ khi ở chế độ LETTERS
Số ‘1’ khi ở chế độ FIGURES Cách đọc kép tùy theo trạng thái này chính là nền tảng cho cách máy tính xử lý dữ liệu.

Hoạt động trên lớp

Vài gợi ý để đưa máy mô phỏng ITA2 vào giờ học:

Thử thách giải mã: Cho sinh viên giải mã những thông điệp đã được mã hóa theo mẫu ITA2
Mã hóa tiết kiệm: Thảo luận vì sao cơ chế chuyển đổi lại quan trọng đến thế trong việc tiết kiệm băng thông
Tiến hóa của mã hóa: So sánh mã 5 bit của ITA2 với ASCII (7 bit) và Unicode
Điện toán vật lý: Nối hệ thống lịch sử này với các vi điều khiển hiện đại như Arduino

Lợi ích về tiếp cận

Ngoài giá trị lịch sử, cách tiếp cận này còn giúp những sinh viên có phong cách học khác nhau:

Người học bằng mắt nhìn thấy các mẫu hình
Người học bằng tay tương tác trực tiếp với quá trình mã hóa
Người thiên về khái niệm có thể khám phá khía cạnh toán học của lý thuyết thông tin

Chi tiết triển khai

Máy mô phỏng được viết bằng JavaScript và dễ dàng tích hợp vào bất kỳ nền tảng học tập trực tuyến nào. Mã nguồn được tổ chức theo mô-đun và có thể tùy biến cho những bối cảnh giảng dạy khác nhau. Bạn có thể xem mã nguồn và tự mình thử máy mô phỏng tại: