AI驱动图书馆智慧化转型的若干思考

2025-02-18储节旺樊鑫鑫

图书馆学刊 2025年1期

[摘要]AI是未来国际竞争的焦点和经济发展的新引擎，也是图书馆数智化转型的关键推动力。大模型成功研发和快速迭代的过程有6个关键性的事件和节点。详细剖析了ChatGPT的算法模型Transformer及LLM的主要能力表现。当前图书馆发展面临一些亟待解决的问题，而这些问题比较理想的解决方案就是导入以大模型为标志的AI技术。但AI的导入也必将让图书馆喜忧参半，应在做好战略分析的基础上，审慎制定图书馆AI战略对策。

[关键词]智慧图书馆人工智能（AI）大语言模型（LLM）图书馆数智化转型

[分类号]G250.7

1 引言

人工智能（AI）技术的发展受到了国家的高度重视，被视为未来国际竞争的焦点和经济发展的新引擎。随着数字经济的蓬勃兴起和社会整体数字化程度的提升，AI的正面效应日益显著，其深度融入各行各业，正逐步成为推动传统产业转型升级的关键驱动力。政府高度重视AI的发展，出台了一系列政策以促进AI技术与实体经济的深度融合，如《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》[1]等，为AI的应用提供了明确的指导和保障。各地政府如北京、上海、深圳等发布了支持AI产业的政策文件，推动了AI技术的创新和应用。

在“十四五”规划中，智慧图书馆的建设被视为数字化转型的重要内容，旨在推进图书馆事业的高质量转型。这表明AI在智慧图书馆领域的应用不仅是技术进步的体现，也是国家战略的一部分。智慧图书馆作为知识传播的重要载体，在AI技术的推动下迎来了前所未有的发展机遇[2]。大模型技术在这一领域的应用，加速了智慧图书馆的建设，提升了图书馆的服务质量和效率。智慧图书馆的应用场景包括智慧管理、智慧业务、智慧服务、智慧空间等方面。这些应用不仅优化了图书馆内部的管理流程，还极大地提升了读者服务体验，例如语义化管理和深度分析馆藏资源，提供智能化的馆员辅助等。通过自然语言处理技术，图书馆能够提供更加智能化的检索推荐和新型阅读体验。

2 AI与大模型时代

在1956年的重要历史节点上，麦卡锡汇聚了哈佛大学、麻省理工学院、IBM及贝尔实验室的顶尖学者，于达特茅斯会议中首次明确提出了“人工智能”的概念。这一领域专注于智能机器的创造，特别是智能计算机程序的研发，旨在模拟并拓展人类智能的边界。尽管它与利用计算机模拟人类智能的任务紧密相关，但人工智能的探索并不受限于生物学视角的观察方法，展现出更为广阔的探索空间。

人工智能被视为一种“通用目的技术”（GPT），即“General Purpose Technology”的缩写，这一称谓凸显其四大核心特征。首先，应用范畴极为广泛，能够渗透至社会经济的多个领域；其次，持续推动生产效率的提升，同时降低了使用者的成本负担；再次，作为技术创新的催化剂，不断激发新技术与产品的诞生；最后，深刻影响着生产流程、物流体系及组织管理模式的革新与优化[3]。

经济学家回顾人类发展历程，共识别出26项具有里程碑意义的通用技术，而人工智能赫然在列，彰显了其在技术发展史上的重要地位。人工智能学科的研究版图广泛，涵盖知识表示、自动推理与搜索策略、机器学习与知识获取机制、知识处理系统构建、自然语言处理、计算机视觉技术、智能机器人研发以及自动程序设计等多个关键领域，这些研究共同推动着人工智能技术的不断前行与深化。

2.1 AI发展阶段

在人工智能的发展历程中，其演进路径可以大体做如下划分。

第一，从理论发展阶段看。首先是规则导向阶段，接着是机器学习阶段，随后进入深度学习阶段（当前我们正处于这一阶段），并预期未来会迈向自主学习的新阶段[4]。深度学习的“层次化”学习思想与人类视觉认知机理高度适应。1958年，约翰霍普金斯大学的David Hubel和Torsten Wiesel发现人的视觉系统的信息处理是分级的，人对物品的识别可能是一个不断迭代和抽象的过程。这一发现是神经科学与认知领域的重大突破，促进了人工智能领域以后50年的发展。

第二，从发展水平来看。人工智能又可以分为弱人工智能（ANI）、强人工智能（AGI）和超人工智能（ASI）3个阶段。其中，目前我们正享受着弱人工智能（ANI）给我们工作学习带来的便利和效率的大幅度提升。

第三，从应用成熟程度看。人工智能的分类可进一步细化为4种主要类型：感知式AI、分析式AI、决策式AI以及生成式AI（Generative AI）。感知式AI与分析式AI在应用上已相对成熟，它们在处理信息和理解环境方面发挥着重要作用。而决策式AI作为近年来的热点，正以前所未有的速度发展，助力各行业做出更加精准和高效的决策。

值得注意的是，生成式AI这一领域正迎来重大的技术突破。相比传统的用户生成内容（UGC）和专业生成内容（PGC），生成式AI能够实现内容创作质的飞跃，不仅能够以更高的效率生成大量内容，而且内容质量也显著提升，同时大幅降低了单位成本。随着技术的不断进步，生成式AI将从当前的辅助创作生成阶段，逐步迈向高度自动化甚至自主创造的新纪元，为内容创作领域带来革命性的变革。

2.2 代表性的AI大模型

国内AI产品有智能体（Kimi+、Coze）、多模态大模型（通义千问、智谱清言）、长文档分析（Kimi、通义千问）、AI搜索（秘塔AI搜索、天工AI搜索）、智能办公（WPS AI、通义听悟）、语音聊天（豆包、海螺AI）、智能存储（百度网盘、夸克网盘）。表1和图1分别为国内外通用大模型。

2.3 ChatGPT发展的关键性事件

对话式生成型预训练转换程序（Chat Generative Pre-training Transformer，ChatGPT）发布于2022年11月30日，是由OpenAI公司研发的对话系统。由于其能在诸多知识领域中给出清晰、详尽的答案，甚至写出接近真人撰写的文章，自推出后便迅速获得关注，5天内注册用户数就超过百万。2022年见证了生成式AI领域的显著飞跃，这一进步很大程度上归功于自然语言处理（NLP）技术的显著革新。特别是大语言模型（Large Language Model，LLM）的兴起，极大地促进了文本理解与连贯生成的能力，实现了从理论到实践的跨越性应用。在这一背景下，ChatGPT模型通过引入人类反馈的强化学习（RLHF）机制，进一步优化了其性能。截至2023年1月，ChatGPT用户规模已迅猛突破一亿大关，成为当时增速最为惊人的消费者级应用之一，彰显了其巨大的市场潜力和社会影响力。

根据2023年11月15日Writerbuddy.ai公布的一项数据，2022年9月至2023年8月期间，前50名人工智能工具的总访问量达到240亿，其中ChatGPT独占146亿。结果显示，ChatGPT作为OpenAI开发的生成式AI聊天机器人，在短短不到一年的时间里，每月平均吸引了15亿的访问量，占据了总流量的60%。图2为GPT发展关键节点。

ChatGPT已实现的创新包括以下几个方面。第一，自然语言处理的进步。ChatGPT在理解和生成自然语言方面表现出色，展示了先进的自然语言理解和生成能力。第二，上下文感知对话管理。能够在一定程度上理解和记忆对话历史，实现上下文顺畅地交流。第三，跨领域知识应用。集成了广泛的领域知识，可以在多种主题上进行交流和生成信息。第四，用户意图识别与适应性回应。具备识别用户意图并据此调整回答的能力，能够根据不同的查询提供相应的信息和服务。第五，多模态交互能力。集成并理解多种类型的数据（如文本、图像、声音）进行综合交互。而其尚未实现的创新有3个方面。第一，高级情感智能。虽然具备基本的情感识别能力，但在理解和表达复杂情感方面仍有局限。第二，深层次常识推理。在复杂的常识推理和深入逻辑分析方面的表现仍有提升空间。第三，无偏见输出。由于训练数据的限制，模型输出可能受到数据、技术等偏见的影响。人类的偏见导致AI也无法实现完全的无偏见。

ChatGPT自2022年11月发布以来，有六大标志性事件或节点。

第一，GPT-4V（ision）发布。2023年9月25日，OpenAI 发布具有视觉功能的GPT-4V（ision），使用户能够指示GPT-4分析用户提供的图像输入。4天后，2023年9月29日，微软发布了166页的GPT-4V（ision）的研究报告《大型多模态的新时代：GPT-4V（ision）的初步探索》The Dawn of LMMs：Preliminary Explorations with GPT-4V（ision）这也将是人们了解 GPT-4V（ision）的敲门砖。GPT-4V在十大任务中的表现：开放世界视觉理解、视觉描述、多模态知识、常识、场景文本理解、文档推理、写代码、时间推理、抽象推理、情感理解。

第二，Sora发布。2024年2月16日，OpenAI发布了第一个Text to Video大模型——Sora。其强大之处在于能够根据文本描述，生成长达60秒的视频，其中包含精细复杂的场景、生动的角色表情以及复杂的镜头运动。

第三，Figure 01机器人发布。2024年3月13日，Figure AI发布了Figure 01机器人与人类交互的视频。Figure 01机器人是第一个真正意义上的自主机器人。另外，具身机器人的快速发展，以及包括特斯拉的FSD驱动的无人驾驶代表汽车机器人的崛起都是这一领域的典型代表。

第四，ChatGPT-4o发布。ChatGPT-4o被称为“OpenAI的一小步，人类AI助理的一大步”。北京邮电大学人机交互与认知工程实验室主任刘伟高度评价ChatGPT-4o。他认为无论是在文本生成、做题、问答系统还是情感分析等任务中，GPT-4o都表现出很好的能力。这种技术的突破，无疑将对国内外的相关企业产生重大影响，它不仅推动了自然语言处理技术的发展，也让人工智能在多个领域的应用变得更加广泛和深入。

第五，融入传统主流操作系统。ChatGPT融入微软和苹果的应用系统。微软推出Copilot全面融入Windows 11，苹果推出Apple Intelligence。

第六，“AIGC+脑机接口”。2024年8月6日，为帮助残疾人士及患有运动障碍的人更容易地使用手机、电脑和其他设备，美国脑机接口（BCI）公司的Synchron正在尝试将ChatGPT集成到其脑机系统中，是为全球首创。

2.4 AI大模型的算法及能力表现

大语言模型是指具有大规模参数、高度复杂结构的神经网络模型，通常用于处理大规模、高维度的数据。参数大、训练数据集大是大模型的两大特征。

大语言模型包括3个主要类型，分别是语言大模型、视觉大模型和多模态大模型。大语言模型通常由多个神经网络层组成，通过学习大量的数据，可以生成与原始数据相似的新数据，主要依赖于深度学习（Deep Learning，DL）技术。DL是机器学习（Machine Learning，ML）领域中一个新的研究方向，其最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。大模型最常见的是生成对抗网络、长短期记忆网络、Transformer模型，如表2所示。

推动ChatGPT发展的关键性模型是Transformer架构，它是一种基于自注意力机制（self-attention）的模型，能够有效处理长文本序列，并捕捉到单词之间的关联关系。Transformer模型由Google团队在2017 年的论文Attention Is All You Need[5]中提出，该模型由两部分组成：编码器和解码器。编码器负责处理输入数据，而解码器则负责生成输出数据。这两部分都使用了注意力机制，使得模型能够理解和生成复杂的文本数据[6]，如图3所示。

目前，SU、UCSD、UC、UC Berkeley和Meta的研究人员提出了一种全新的大语言模型（LLM）架构——Test-Time Training（TTT），有望代替至今在AI领域如日中天的Transformer，性能也比Mamba更好[7]。TTT层作为一种新的信息压缩和模型记忆机制，可以简单地直接替代 Transformer中的自注意力层。

目前大模型具备以下能力：（1）语言能力。包括对话（角色扮演）、解答、翻译、写文章、写摘要。（2）语音能力。包括语音生成、文本转录、文音互译。（3）图像能力。包括理解和生成图像和视频，将认知突破到具身智能，让视障人士不再视障，让机器人赶上并超越人类。（4）编程能力。如草图生成界面、文本产生代码、直接生成游戏、程序纠错等。（5）数学能力。处理复杂的数学任务，包括推理，如破译复杂的税码和执行复杂的计算。（6）多模态能力。理解多种媒体内容，随意交互，多种输出（文本、图像、3D图像、音频、视频）。（7）整合能力——“智能体”崛起。自动API连接包括各类搜索在内的所有应用，形成有机联系的智慧世界，并创建高度定制化的丰富场景，针对特定用例定制模型，提供流畅的交互和响应。

当然，大模型的快速迭代除了得益于上述算法的进步，还得益于算力的大幅度提升。OpenAI发布了一份关于AI计算能力增长趋势的分析报告，报告显示，自2012年以来，AI训练中所使用的计算力每三个半月增长一倍，自2012年以来，这个指标已经增长了三十万倍以上。每两年超过两倍的数据增长意味着超过五倍的模型建构，需要超过十倍的算力提升。

2.5 AI大模型的双面性

AI大模型作为一种新事物，展现出上述等方面的强大信息处理能力，但也引发了人们的担忧。密歇根大学信息学院教授富山健太郎（Kentaro Toyama）也指出，以ChatGPT为代表的人工智能技术具有双重影响。一方面，其有望显著提高生产力，使许多任务自动化；另一方面，其也可能带来诸如加剧欺诈活动、增加失业率以及干扰人际关系等负面效应。富山健太郎强调，面对如此强大的技术，必须实施严格的监管措施，并建议放缓创新步伐，以便为制定恰当的监管政策留出时间。

关于大模型的双面性的辩论由来已久，如比尔·盖茨认为ChatGPT的重要性不亚于互联网的发明，将改变我们的世界。而马斯克认为AI会摧毁文明甚至毁灭人类。中国科学院谭铁牛院士在中国科学院第十九次院士大会上发表了《人工智能：天使还是魔鬼》的主题报告，深度解读了六十多年来人工智能的发展历史，人工智能的七大现状，发展趋势、展望和现有人工智能的局限性等，认为“人工智能的春天刚刚开始”。物理学家斯蒂芬·霍金曾提出一个重要观点，“人类文明的一切成就皆源于人类智慧的伟大”。通过分析国际象棋与围棋等人机对抗的结果，他得出结论，认为生物智能与计算机智能之间并不存在根本性的差距。由此推断，计算机理论上具备模拟甚至超越人类智能的能力。霍金还预见，一旦人工智能摆脱现有的设计框架，其自我进化速度将以指数级增长，远远超过人类因自然选择所需的时间。因此，他警告称人类在未来可能面临被人工智能取代的风险。

总体而言，生成式人工智能工具通过分析大量数据集中的模式来进行预测生成，而不是基于对内容的理解。这导致了几方面的局限性和风险：（1）依赖人类监督。由于AI缺乏对生成内容的理解，因此需要专业人士进行验证以确保准确性。（2）数据集的质量问题。学习的数据可能存在缺陷、偏见或限制，从而影响生成结果的可靠性和公正性。（3）事实准确性。生成的内容可能包含不准确的信息或虚假陈述。（4）安全性考量。生成的代码可能存在安全隐患、错误或版权问题。（5）表面合理性。尽管生成的代码或文本初看合理，但仍需专业审查以发现潜在错误。（6）缺乏伦理判断。AI不具备区分生成内容是否适当、准确或具有误导性的能力，甚至有可能生成不当或冒犯性的内容。（7）虚假引用。可能会生成不存在的引用或参考资料。

随着数字化进程的推进，数据收集与处理的专业技能已成为众多行业尖端技术的代表。ChatGPT进一步强化了这一趋势，表明了一个新兴的理念：只要拥有充足的数据和强大的计算资源，就能“构建”出权威的知识体系。这意味着，掌握数据和技术的工程师逐渐成为新的知识权威，而不仅仅是传统意义上的科学专家。简单来说，知识的概念正在经历一场变革。随着ChatGPT的普及应用，其生成的知识内容将会越来越多地渗入人类大的知识体系之中，这就像是转基因食品，对人类的未来是福是祸还有待时间观察。AI是一袭华丽的袍子，里面爬满了虱子。我们一定要有敬畏之心、谨慎之心，使用大模型生成的知识，一定要经过严格的验证才能投放到公共知识领域。

3 AI是第一新质生产力

2023年9月，习近平总书记在黑龙江考察时首次提出“新质生产力”，指出要“整合科技创新资源，引领发展战略性新兴产业和未来产业，加快形成新质生产力”。习近平总书记指出：“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”，强调“科技创新能够催生新产业、新模式、新动能，是发展新质生产力的核心要素”[8]。

习近平总书记强调：“人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的‘头雁’效应。”中国工程院院士邬贺铨认为大模型、AIGC是当前全球数字经济发展的热点和趋势，也是人工智能重要的核心技术[9]。大模型、AIGC的应用落地也将创新产业生态模式，MaaS、PaaS将成为智能经济时代的重要业态。

在新质生产力的诸要素中，人工智能技术不仅可作为劳动工具发挥重要的作用，而且能以人工智能体的身份担当劳动者的角色甚至主角，从而促成生产力的跃升。智能生产力具有将人工智能生产力要素化为引擎的先进性，以生产力要素智能化为依托的快速迭代性，满足多样发展需求的普惠性，使各领域联系日益紧密的通约性，推动人类可持续发展的绿色性[10]。随着人工智能推动新质生产力的不断发展，人类将会进入一个更加注重体验的新时代[11]。

人工智能正成为加快发展新质生产力的关键着力点，通过“AI+”模式赋能新质生产力的形成与发展。在2024年，随着政策聚焦于人工智能作为“新质生产力”的发展潜力，特别是随着GPT-4Turbo和Sora等产品的推出和应用，让人们感受到人工智能的大规模实际应用为时不远。人工智能技术在医疗保健、交通领域等多个领域的应用已经展现出惊人的突破性案例，展示了其巨大潜力与广泛影响力。可以预见，人工智能将会成为推动经济社会进步的第一新质生产力，是决定国家核心竞争力的关键。

4 大模型赋能智慧图书馆

4.1 图书馆对数智技术的迫切需求

目前，图书馆存在以下迫切需要解决的问题。如图书馆员数量多，管理难度增加；服务效率降低；专业水平低；服务质量下降；馆员要求（待遇、工作环境、维权意识）高；运行成本提高；读者要求高，需求个性化、精准化、便利化更加明显，外部压力加大。而现在面临的很多问题似乎都只能由智能手段解决[12]，如个性化服务、多源信息融合、纸质文献的大规模数字化、自动化知识服务、数据监管、纸质图书借阅率下降等。

因此，推进图书馆数智化深刻转型是当前的战略性工作任务[13]。图书馆数智化转型呈现出3种显著形态[14]：一是增强型变革。在这一阶段，图书馆积极吸纳并融合数字化技术，显著增强了其服务效能。尽管服务内容与方式得到了丰富与提升，但图书馆的基本职能框架、业务流程及管理模式仍保持相对稳定，未发生根本性变革。二是解构型变革。随着数字化技术的深入应用，图书馆的服务模式、服务主体及操作流程开始经历深刻的解构与重组。在这一过程中，传统服务方式逐渐被智能化、自动化的新流程所取代，图书馆内部结构与服务体系实现了基于技术创新的全面优化与升级。三是新生型变革。当数字化技术达到一定的渗透与融合程度后，图书馆将步入一个全新的发展阶段。部分传统职能可能逐渐淡化甚至消失，取而代之的是一系列新兴职能、创新工作方法以及更加高效的管理制度。这一过程不仅标志着图书馆本质的深刻变化，更可能孕育出与以往截然不同的全新图书馆形态，引领未来图书馆发展的新趋势，如图4所示。

4.2 AI引发图书馆的喜与忧

AI给图书馆带来提高服务效率、优化资源利用、促进创新服务模式、提升读者体验等方面的进步。具体表现在：（1）个性化推荐。通过分析用户的阅读历史、借阅记录以及搜索行为，大模型可以为用户提供个性化的图书推荐服务。这有助于提高用户在图书馆的满意度和借阅率，同时也可以帮助图书馆更好地了解用户需求，优化图书采购和分类布局。（2）智能问答与导览。大模型可以实现对用户提问的智能回答，提供图书检索、借阅规则、场馆导览等信息服务，从而提高图书馆的服务效率，减轻工作人员的负担[15]。（3）文献检索与分析。大模型可以帮助图书馆进行文献检索和分析，快速找到用户需要的资料。此外，还可以对馆藏进行统计和分析，为图书馆的决策提供数据支持。（4）自动分类与编目。大模型可以根据图书的属性自动进行分类和编目，提高图书馆整理和管理工作效率[16]。（5）智能管理与维护。大模型可以帮助图书馆进行智能化的管理和维护，如实时监控场馆状况、分析设备运行数据、预测故障等，提高图书馆运营的稳定性和安全性。

大模型已成为下一代图书馆的基础性数字能力，图书馆将越来越依赖大模型赋能发展和变革，下一代图书馆业务系统典型特征是大模型驱动。大模型对智慧图书馆的赋能作用有提升信息检索效率、个性化服务、智能辅导与教育、智能推送服务、智能代理服务、人机交互优化、服务效率提升、专业化定题服务、智慧空间建设、智慧管理与业务创新[17]。

另外，AI在图书馆的大规模应用也会遇到一些现实问题，如面临技术应用与人员素质的矛盾、数据安全与隐私保护问题、AI算法可能存在偏见、图书馆传统职能与AI技术融合的挑战以及行业竞争加剧等困难。

2023年11月20日，国际图联发布了一篇题为《制定图书馆人工智能战略对策》的重要报告，报告采用SWOT战略框架，列出图书馆制定人工智能战略对策的相关考虑因素，如表3所示。

5 结语

目前，AI技术在图书馆领域的应用正逐步深化，不仅提升了图书馆的服务质量和效率，也推动了图书馆事业的数字化转型。应通过AI驱动图书馆新质态发展。图书馆新质服务是以更高素质的馆员为基础，以更高技术含量的馆藏资源、基础设施、空间为动力，以更高质量的服务为根本的服务方式。服务新质生产力发展也将成为图书馆新时代的历史使命！

参考文献：

[1] 中华人民共和国中央人民政府.科技部等六部门关于印发《关于加快场景创新以人工智能高水平应用促进经济高质量发展的指导意见》的通知[EB/OL].[2022-08-12].https：//www.gov.cn/zhengce/zhengceku/2022-08/12/content_5705154.htm.

[2] 董晓霞，等.智慧图书馆的定义、设计以及实现[J].现代图书情报技术，2011（2）：76-80.

[3] 关乐宁，徐凌验.通用目的技术视角下新一代人工智能的作用机理与治理体系[J].系统工程理论与实践，2024（1）：245-259.

[4] 李晓理，等.人工智能的发展及应用[J].北京工业大学学报，2020（6）：583-590.

[5] Vaswani A，Shazeer N， Parmar N， et al. Attention is all you need[C]//Advances in Neural Information Processing Systems 30： Annual Conference on Neural Information Processing Systems 2017.Long Beach，USA，2017：5998-6008.

[6] 暴泰焚，等.基于Detection Transformer的反射对称关系物体分类研究[J].制造业自动化，2022（11）：191-195.

[7] Wang R，et al.Test-Time Training on Video Streams[J].Computer Vision and Pattern Recognition，2023：1-29.

[8] 中华人民共和国中央人民政府.习近平：发展新质生产力是推动高质量发展的内在要求和重要着力点[EB/OL].[2024-09-08].https：//www.gov.cn/yaowen/liebiao/202405

/content_6954761.htm.

[9] 邬贺铨.AI为互联网基础资源治理提供新手段[J].互联网天地，2023（12）：2-3.

[10] 王水兴，刘勇.智能生产力：一种新质生产力[J].当代经济研究，2024（1）：36-45.

[11] 郦全民.人工智能在生产力中的角色[J].华东师范大学学报：哲学社会科学版，2023（5）：6-12，170.

[12] 郭畅，等.数据驱动下智慧图书馆精细化管理机制与发展路径[J].图书馆理论与实践，2024（4）：97-102.

[13] 王勇，刘佳佳.数字技术赋能图书馆智慧化服务：逻辑、障碍与纾解路径[J].图书馆，2024（1）：47-52.

[14] 储节旺，陈梦蕾.人工智能驱动图书馆变革[J].大学图书馆学报，2019（4）：5-13.

[15] 郭亚军，等.大语言模型赋能图书馆参考咨询服务：逻辑、场景与体系[J/OL].图书馆论坛，1-10[2024-09-08].https：//link.cnki.net/urlid/44.1306.G2.20240220.0947.004.

[16] 肖燕.图书采分编的自动化技术运用——以广东省立中山图书馆“采编图灵”为例[J].图书馆论坛，2024（4）：20-28.