科技 人人都是产品经理 · Ai学习的老章 · 3小时前 · AI 生成
我花了 10 个小时，用AI编了一套精美的诗集：Skills 开源，附 6 套宋代美学模板 作者用 Kimi K3.1 Pro 在 10.5 小时内自动编撰出 1448 页苏轼诗传，包含 3202 条作品、四层批注结构与古籍互见，并开源了一套可复用的排版 Skill。文章反常地指出：真正耗时的不是 AI 写赏析，而是测试修复（45%）与排版（28%），验证了长任务中『保证每页都对』远比生成内容更难。适合关注 AI Agent 长任务落地与自动化流水线的人精读。原文 ↗ 原文 ↗
核心观点
▍ 百万级上下文模型能完成超长自动编书任务，但瓶颈不在生成内容，而在测试修复与排版，二者占 73% 耗时。 01 最终成品《用诗词读懂苏轼》共 1448 页，收录诗 2824 首、词 362 首、文 16 篇，合计 3202 条，调用模型 317 次，消耗 1.697 亿 Token。 02 Token 消耗中 97.7% 为缓存读取（1.658 亿），真正新输入加输出约 390 万 Token，说明长任务成本被高估。 03 编年去重采用「题名 + 首句 + 正文」三者共同识别，不能凭题名合并；808 条无可靠证据者归入「系年未详」，不硬塞年份。 04 所有正文内容强制来自下载的 11 个古籍仓库与 18 个文库页面（底本包括《东坡全集》《施注苏诗》等），禁止模型默写；每个文件记录 SHA-256 与卷页出处。 05 耗时分布：排版 2 小时 57 分（28%），测试修复 4 小时 46 分（45%），名篇批注仅 8 分钟。 06 开源 Skill「Poetry Book」内置 6 套宋代美学主题（烟雨留白、青瓷天青、墨禅寂照、朱砂印谱、月夜赤壁、竹影清风），可排版诗集与 Markdown 技术文章。 反方 / 局限
— 第一版 1483 页竖排稿因阅读体验差被作者废弃，说明 AI 生成的高完成度产出仍可能不符合人的实际使用偏好。 — 文章主要验证「能做完」，但未评估编年、笺注、朱批的学术准确性，四层批注中编者评语部分仍依赖模型生成，存在错误风险。 14 分钟 · 6 卡片 · 16 资料
读原文 →
概念锚点 Kimi K3.1 Pro：3 万亿参数 + 100 万上下文
这本书能编出来，前提是模型能一次吞下几十万字古籍索引还不忘前文。Kimi K3.1 Pro 是 3 万亿级参数的开源模型，上下文窗口 100 万 Token，约等于 6-12 万汉字；官方定价未命中缓存输入 13 元/百万 Token、输出 68 元，命中缓存仅 1.3 元。作者那 1.697 亿 Token 里 97.7% 走缓存，正是靠这个价差才烧得起。
▸ 3 条关联资料
▼
前置背景 苏轼诗1400年编年，古人怎么排
把 3202 首苏诗按时间线排回去，不是 AI 时代才有的难题。南宋施元之、顾禧、施宿三人合注的《施顾注》，是今存最早的苏诗编年注本，42 卷收 2146 首，离苏轼最近所以最可靠；当代张志烈等主编的《苏轼全集校注》动用 20 余位学者、耗时 28 年、800 余万字，2010 年才出版。作者书里『系年未详』的 808 条，正是这套千年编年体系的硬骨头。
▸ 3 条关联资料
▼
论证骨架 正文一个字不许来自模型记忆
作者的核心论证只有一句：大模型默写冷门诗会编出『很像苏轼但查无此诗』的作品，所以正文必须全部来自下载的古籍原文，11 个仓库、18 个文库页面、每个文件记 SHA-256。这个论证成立的关键假设是——AI 只做检索匹配和批注，不做内容生成。一旦让模型参与正文，整本书的可信度链条就断了。而这套『检索兜底 + 生成封顶』的架构，恰好也是 AI 幻觉侵权案里法院看重的『是否尽到审核义务』。
▸ 2 条关联资料
▼
平行视角 同一本 AI 书，有人看到效率有人看到流水线味
一边是效率叙事：2025 年国内 54% 出版机构已用上 AIGC，某平台一条快讯从 6 人协作半小时压到 1 人审核 3 分钟；另一边是上海书展凤凰论坛的原话——批量产出的同质化读物『满是 AI 流水线味道』，郝景芳坦言新作近半内容靠 AI 却未标注。同一本 AI 生成的书，出版方看到降本，读者和编辑看到的是信任与人文底色的流失。
▸ 3 条关联资料
▼
未来推演 AI 编书的下一个卡点：排版与验收
作者的 10 小时里，测试修复占 45%、排版占 28%，写赏析只花 8 分钟——这基本就是 AI 长任务落地的成本分布图。对照古籍数字化：识典古籍用 AI 让 12 名编委不到一年完成 50 种《儒藏》书稿，效率提升数十倍，但真正吃人力的是异文判断和版式还原。下一步的关键变量是『校验环节能否自动化』，这决定 AI 编书从个人玩具走向出版流水线的时间表。
▸ 3 条关联资料
▼
延伸追问 人机协同编书的边界该画在哪
识典古籍平台拉了 2 万名大学生加 1.7 万名志愿者，累计粗校 15 亿字、覆盖约 2 万部古籍，OCR 准确率已到 95% 以上，人工只复核 5%。真正的追问是：当 AI 把『皓首穷经』的机械劳动包走，学者省下的时间该投向哪里？判断异文、厘定系年这些不可替代的学术判断，能不能被大模型规模化？再往前一步——普通读者如何分辨一本古籍整理作品里，哪些标点是 AI 断的、哪些是编委拍的板。
▸ 2 条关联资料
▼