数字人文 |

tei-mcp v0.3：编码TEI，不动源文本一字

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

我时，目标是阻止AI助手幻觉出TEI标记。模式锚定解决了一部分问题：有了对P5规范的直接、基于工具的访问，模型不必再猜一个元素是什么意思、能带哪些属性。输出能通过验证。

但在TEI编码里，幻觉有两副面孔，模式只抓得住一副。依规范验证，只能告诉您标记是否合式；至于标记包裹的文本，它一言不发。而破坏性更大的幻觉，恰恰就藏在文本本身里。v0.3的头号新功能——区间锁定合成（span-locked composition）——正是专为防范这类幻觉而设计的。

模式抓不住的幻觉

让模型编码一封十六世纪的法文信，您往往会拿到一份看上去无可挑剔的TEI文档：头部填得满满当当，<persName>标签放得恰到好处，<dateline>合式规整。用validate_document跑一遍，通过。

然后拿正文和源文本比一比。

mesme变成了même。一个逗号挪了窝。luy被悄悄现代化成了lui。手稿里一处难以辨认的分句，被“修正”成了更通顺的样子。这些改动没有一处是您要求的，也没有一处被标出来。文档在模式上有效，却错得悄无声息。

对档案工作流来说——编码后的文本将成为永久记录，下游的读者、检索索引和引用都要倚赖它——这才是最要命的失效方式。标签格式不对，不过是烦人；一处五年没人发现的现代化拼写，就是讹误。

区间锁定合成

新版本（v0.3）带来了一套直指这一失效方式的幻觉防范机制。设计目标是让正文幻觉从构造上就不可能发生，而不只是不大可能。

思路很简单：模型从不键入正文。

取而代之的工作流是这样的：

模型调用get_source("letter_001")，取得源纯文本，一个不可变的字符串。
每想施加一个标签，它就调用tag_span("letter_001", start, end, element_path, attrs)——在源文本的某个字符区间上登记一个TEI元素。
完事后，它调用compose("letter_001")。服务器把登记的标签与原始纯文本交织起来，渲染出最终的TEI，再逐字节核验：渲染文档的扁平文本内容必须与源文本相等。

字节相符，文档就返回。若不相符——哪怕模型的标签只是隐含了一个与源文本差一个字符的正文——compose()便抛出异常，绝不返回一份已经走样的文档。

在这条工作流里，不存在任何一条路径能让模型产出正文与源文本不同的TEI文档。这个不变量是机械的，不是行为的。您不必信任模型不会幻觉，只需信任两个字节串之间的一次==比较。

它是什么，不是什么

区间锁定合成是对模式锚定的补充，不是替代。模式锚定工具（validate_document、lookup_element、valid_children，以及最初十六个工具中的其余部分）帮模型产出有效的TEI；区间锁定合成则保证TEI里的正文忠于源文本。一条可以投入使用的编码工作流必须同时满足这两个维度，如今两者由同一个服务器一并覆盖。

它也不是包治百病的灵丹。compose()还不会检查登记的标签是否为已加载的ODD定制所允许——这是后续工作。登记的标签存在进程内存里，重启即失。源文件也必须能从服务器运行的地方读到。这些都有办法解决，没有一项动摇核心不变量。

为什么意义不止于TEI

这个模式可以推而广之。凡是让模型去注释、转换或包裹一段文本，而底层文本的完整性又比模型“改进”它的本事更要紧，同样形态的解法都适用：别让模型重打一遍文本；让它在文本之上生成指令，再由一个确定性的合成器在相等性不变量的约束下执行。

具体到数字版本，这改变了您可以放心交给模型去做的事。编码忽然成了一项可以委托的任务，不必再手动把每份输出与源文本逐一比对。机器走枯燥的那条路；校勘者审的是标记，不是拼写。

获取更新

已经装了tei-mcp的话：

uvx tei-mcp@latest

或者全新安装：

pip install tei-mcp

要使用区间锁定合成，请把服务器指向存放源纯文本文件的目录：

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

每个文件的主名即为其文档ID（letter_001.txt → letter_001）。

源代码、完整文档以及该不变量的设计说明：

另一种数字版本

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

大多数原始史料从未出版。我们赖以补救的模式——靠经费资助的数字版本——太贵、太集中、太脆弱，根本无法推广。我刚发表了，说明我为什么要换一种方式来做Cavriana书信的校勘本：数字化的原始史料有机生长，基础设施降到最低，维护自动进行，向协作开放，而且便宜到连经费都用不着申请。这是在为一种数字人文辩护：无论有没有机构撑腰，它都能运转。

tei-mcp：给AI智能体用的TEI P5

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

如果您用AI编程助手写过TEI XML，大概已经领教过它的错误：元素放错地方，属性凭空捏造，嵌套规则视若无睹。模型对TEI长什么样有个大概印象，对规范本身却没有可靠的知识。

tei-mcp的解法，是让AI智能体通过工具直接访问TEI P5指南。

MCP是什么？

（Model Context Protocol，MCP）是一项开放标准，让AI应用能接上外部数据源和工具。不妨把它看作AI的USB接口：一套协议，任何兼容的客户端——Claude、Cursor、Windsurf等等——都能借此接入专门的服务。

MCP服务器对外提供工具，AI在对话中可以随时调用。模型不必再靠记忆里的训练数据，而可以查询一个实时的、权威的来源。

tei-mcp做什么

tei-mcp解析TEI P5的ODD规范，提供16个工具，涵盖校勘者或编码者最常问的问题：

这个元素是什么？ 按名称查询任何元素、类、宏或模块，不区分大小写，拼错了还会给出建议。
它能带哪些属性？ 沿完整的类层次解析属性——先列本地属性，再依次列出继承的属性。
它里面能放什么？ 把内容模型展开成结构化的树，或列出有效子元素的平面清单。
这个元素能放在这儿吗？ 检查父子嵌套关系，或在完整的元素层次中追踪可达性。
我的文档有效吗？ 依据规范验证TEI XML文件：内容模型、属性值、封闭取值列表、引用完整性、弃用警告。
我的项目模式呢？ 加载ODD定制文件，把上述一切约束到您项目特定的TEI子集。

为什么要紧

TEI编码离不开时时翻查指南。老手把最常见的模式记在心里，可遇到生僻元素或复杂的内容模型，照样得查规范。AI助手没有这种内化的知识，问题更严重：它们会幻觉出看似合理、实则错误的标记。

有了tei-mcp，AI就不必猜了。写下第一个尖括号之前，它可以先去规范里查答案。结果便是符合TEI P5——或符合您项目ODD定制——的标记。

上手

从PyPI安装：

pip install tei-mcp

然后加入您MCP客户端的配置：

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

服务器首次运行时下载TEI规范，可配合任何兼容MCP的客户端使用。

源代码与完整文档：

用ITA2电报模拟器讲二进制

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

让抽象变得可触

这个ITA2模拟器是一件实用的教具。它把抽象的编码概念变得看得见、摸得着，借此向学生引入计算与电信的一个核心概念：二进制表示——文字如何变成一串串1和0。这一点我们通常讲得很抽象；而亲眼看着纸带上打出一个个孔，学生便更容易明白，物理系统是怎样表示数字信息的。

ITA2 (Baudot-Murray) Telegraph Type Emulator

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

Type word:

历史背景：从电报到计算

ITA2（国际电报字母表第2号），又称Baudot-Murray码，问世于二十世纪二十年代，是对埃米尔·博多（Émile Baudot）十九世纪七十年代原始电报码的改良。这些早期电信系统直接影响了后来计算技术的发展：

5位编码方案是字符编码的早期范例
字符集受限（5位只有32种组合），催生了巧妙的LETTERS/FIGURES（字母/数字）换挡机制
这套系统在电传打字机上一直沿用到二十世纪很晚的时候

在玩中学状态机

LETTERS/FIGURES换挡机制顺理成章地引出了状态机。学生一试便知：同一个图案，模式不同，代表的字符也不同。有了这种基于状态的编码的亲身体验，往后学更复杂的计算概念便有了根基。譬如，位模式00011表示：

LETTERS（字母）模式下是字母“A”
FIGURES（数字）模式下是数字“1” 依状态而定的双重解读，正是计算机处理数据的根本原理。

课堂活动

把ITA2模拟器融入教学，可以有这几种方式：

破译挑战：让学生解码以ITA2图案编写的信息
高效编码：讨论换挡机制为何对节省带宽至关重要
编码的演变：把ITA2的5位码与ASCII（7位）和Unicode作比较
物理计算：把这套历史系统与Arduino等现代微控制器联系起来

无障碍方面的好处

除了历史趣味，这种方法也照顾到不同学习风格的学生：

视觉型学习者看图案
动觉型学习者直接上手操作编码过程
概念型思考者可以探究信息论的数学层面

实现细节

模拟器用JavaScript写成，可轻松嵌入任何网页学习平台。代码模块化，可按不同教学情境定制。源代码和在线试用见：