TEI |

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:

tei-mcp

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

tei-mcp: TEI P5 cho tác tử AI

tei-mcp là một máy chủ mã nguồn mở, cho phép các trợ lý lập trình AI truy cập trực tiếp vào đặc tả . Thay vì dựa vào dữ liệu huấn luyện đã ghi nhớ – thứ thường sinh ra thẻ đánh dấu trông hợp lý mà sai – AI có thể tra cứu đặc tả theo thời gian thực.

Tính năng

Máy chủ phân tích ODD của TEI P5 và cung cấp 16 công cụ:

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
Phân giải thuộc tính xuyên suốt toàn bộ hệ phân cấp lớp TEI (cục bộ + kế thừa)
Khai triển mô hình nội dung thành cây có cấu trúc, với phân giải lớp và macro
Kiểm tra lồng ghép – quan hệ cha–con trực tiếp hoặc khả năng đạt tới đệ quy, có theo dõi đường dẫn
Kiểm định tài liệu theo TEI P5: mô hình nội dung, thuộc tính, danh sách giá trị đóng, tính toàn vẹn của tham chiếu và cảnh báo lỗi thời
Kiểm định từng phần tử cho quy trình biên tập từng bước
Nạp tùy biến ODD để giới hạn lược đồ vào tập con riêng của dự án
Tìm kiếm trên mọi loại thực thể bằng biểu thức chính quy

Cài đặt

pip install tei-mcp

Hoặc chạy trực tiếp bằng:

uvx tei-mcp

Sử dụng

Thêm vào bất kỳ ứng dụng khách tương thích MCP nào (Claude, Cursor, Windsurf, v.v.):

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

Mã nguồn và tài liệu có tại .

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:

Multi-Saxon

Fri, 28 Mar 2025 00:00:00 +0000

Multi-Saxon: Xử lý XSLT song song cho kho ngữ liệu TEI lớn

Multi-Saxon lấp một khoảng trống đáng kể trong bộ công cụ xử lý XML: nó cho phép chạy song song các phép biến đổi XSLT 2.0 và 3.0 mà LXML (thư viện XML phổ biến của Python) không xử lý được. Được thiết kế riêng cho những bộ sưu tập tài liệu XML TEI lớn, Multi-Saxon rút ngắn đáng kể thời gian xử lý nhờ thực thi song song hiệu quả.

Tính năng chính

Hỗ trợ XSLT nâng cao: Xử lý các phép biến đổi XSLT 2.0 và 3.0, vượt ngoài khả năng của LXML
Xử lý song song: Giảm mạnh thời gian biến đổi trên các bộ sưu tập tài liệu lớn nhờ song song hóa
Tối ưu cho TEI: Được thiết kế riêng cho tài liệu XML theo chuẩn Text Encoding Initiative (TEI)
Hiệu năng mở rộng được: Xử lý hiệu quả những kho ngữ liệu từ vài trăm đến hàng nghìn tài liệu
Đa nền tảng: Chạy được trên nhiều hệ điều hành và môi trường khác nhau

Vấn đề mà Multi-Saxon giải quyết

Học giả nhân văn số làm việc với TEI thường vấp phải hai trở ngại lớn:

LXML (thư viện xử lý XML thông dụng của Python) chỉ hỗ trợ XSLT 1.0, nên không thể dùng các tính năng nâng cao của XSLT 2.0/3.0
Xử lý tuần tự những kho ngữ liệu TEI lớn có thể tốn thời gian đến mức không chấp nhận được

Multi-Saxon giải quyết cả hai bằng cách tận dụng năng lực XSLT nâng cao của Saxon, đồng thời phân phối việc xử lý trên nhiều lõi để đạt mức tăng hiệu năng đáng kể.

Triển khai

Multi-Saxon kết hợp Python với bộ xử lý Saxon của Java để tạo nên một đường ống biến đổi hiệu năng cao:

Dùng thư viện Saxon của Java để xử lý XSLT 2.0/3.0 một cách vững chắc
Dùng cơ chế đa tiến trình để phân phối các phép biến đổi trên những lõi CPU sẵn có
Quản lý hiệu quả các nhóm bộ xử lý nhằm tối đa hóa thông lượng
Cung cấp giao diện đơn giản để xử lý hàng loạt tài liệu TEI

Ví dụ sử dụng

from multi_saxon import MultiSaxon

# Initialize with your XSLT stylesheet
transformer = MultiSaxon("transform.xsl")

# Transform a single document
transformer.transform("input.xml", "output.xml")

# Transform an entire directory in parallel
transformer.transform_directory("input_dir", "output_dir")

Tác động đối với nhân văn số

Với những dự án nhân văn số phải xử lý các bộ sưu tập tài liệu TEI lớn, Multi-Saxon cho phép:

Thực hiện những phép biến đổi phức tạp trên toàn bộ kho ngữ liệu, điều bất khả với LXML
Rút ngắn mạnh thời gian xử lý (thường gấp 5–10 lần trên hệ thống đa lõi)
Phân tích tinh vi hơn nhờ các tính năng nâng cao của XSLT 2.0/3.0
Đơn giản hóa quy trình xử lý trọn bộ sưu tập tài liệu

Mã nguồn và tài liệu có tại .

persNamer

Fri, 28 Mar 2025 00:00:00 +0000

persNamer: Nối TEI với Virtual International Authority File

persNamer là một công cụ Python chuyên dụng, giúp đưa dữ liệu nhân danh có thẩm quyền từ VIAF (Virtual International Authority File) vào tài liệu TEI XML một cách trơn tru. Bằng cách chuyển mã định danh VIAF thành thẻ đánh dấu TEI dùng được ngay, persNamer giảm hẳn phần việc thủ công khi tạo các mục nhân danh có cấu trúc cho ấn bản học thuật kỹ thuật số.

Bài toán kiểm soát thẩm quyền trong TEI

Ấn bản học thuật kỹ thuật số thường đòi hỏi định danh chính xác các nhân vật lịch sử, kể cả tên chuẩn hóa và năm sinh năm mất. Để kiểm soát thẩm quyền nhất quán trong suốt một dự án, người ta phải:

Nhận diện nhân vật trong văn bản lịch sử
Tìm dữ liệu có thẩm quyền về họ
Tạo các mục TEI đúng định dạng
Bảo đảm tham chiếu nhất quán trong toàn dự án

Các bước này thường làm bằng tay, tốn thời gian và dễ thiếu nhất quán.

persNamer vận hành ra sao

persNamer tự động hóa quy trình ấy bằng cách:

Lấy dữ liệu VIAF: Từ một mã định danh VIAF, công cụ truy xuất dữ liệu RDF qua cơ chế thương lượng nội dung HTTP
Trích xuất thông tin chính: Phân tích RDF để lấy tên ưu tiên, ngày sinh và ngày mất
Sinh thẻ đánh dấu TEI: Tạo ra hai đoạn XML thiết yếu:
- Một mục trong tệp thẩm quyền (phần tử <person> với xml:id được sinh tự động, <persName>, <birth>, <death> và <idno type="VIAF">)
- Một thẻ chú giải riêng (<persName> với thuộc tính ref trỏ về mục thẩm quyền)

Đầu ra kép này cho phép người biên tập duy trì một tệp thẩm quyền tập trung, đồng thời dễ dàng chèn thẻ chú giải vào văn bản TEI của mình.

Tính năng chính

Sinh mã định danh chuẩn hóa: Tạo XML ID nhất quán theo dạng pers-[familyname]-[givenname initial] (ví dụ pers-deteligny-c)
Phân tích RDF: Dùng rdflib để trích thông tin từ nhiều thuộc tính RDF khác nhau (ví dụ rdfs:label, schema:name, viaf:mainHead)
Giao diện dòng lệnh: Chạy đơn giản, chỉ cần một số VIAF làm đối số bắt buộc duy nhất
Đầu ra chi tiết: Cung cấp thông tin xử lý đầy đủ bên cạnh XML kết quả

Ví dụ sử dụng

python persNamer.py 314802260

Lệnh này cho ra:

<person xml:id="pers-deteligny-c">
 <persName>Charles deTéligny</persName>
 <birth>1535</birth>
 <death>1572-08-24</death>
 <idno type="VIAF">314802260</idno>
</person>

<persName ref="#pers-deteligny-c">Charles deTéligny</persName>

Ứng dụng trong nhân văn số

persNamer đặc biệt hữu ích cho:

Ấn bản học thuật kỹ thuật số cần kiểm soát thẩm quyền
Dự án mã hóa TEI làm việc với nhân vật lịch sử
Sáng kiến dữ liệu liên kết nối tài liệu với hồ sơ thẩm quyền
Bảo đảm tính nhất quán trên những kho ngữ liệu TEI lớn
Giảng dạy khái niệm kiểm soát thẩm quyền trong các khóa nhân văn số

Triển khai

persNamer được viết bằng Python và phụ thuộc vào:

requests cho các yêu cầu HTTP
rdflib để phân tích RDF
lxml để xử lý XML

Mã nguồn và tài liệu có tại .