AI辅助家谱研究：后续实践与经验分享

我收到很多关于我文章 AI 辅助家谱的反馈，有些不错，有些不太好。无论如何，我觉得这个主题对很多人来说都很有趣。与此同时，我继续完善自己的家谱树，也加深了对这个主题的理解。在这篇文章中，我想再次分享。

信任，但要核实

先来处理不太好的反馈。其要点是：AI 会产生幻觉。理论上确实如此：当你提问时，它会给出任何答案。但当答案有数据支撑时，这种质疑就远没有那么站得住脚了。

我收到的另一个反馈是，家谱网站并不是可信来源。这是一个合理的观点，我在最初的文章中已经承认过。

过程始终相同。

在家谱树中挑一个父母未知的人，让助手去搜索。它知道该浏览哪些家谱网站，也知道该地点的民事记录保存在哪些档案馆。当它找到文书时，会转录文书，将新的个人添加到 GEDCOM 文件中，将他们与其子女关联，并记录来源。然后提交。

反复如此。每次循环都会在某个分支上增加一代，直到找不到记录为止。

--- 循环

我意识到自己本可以写得更详细，所以让我来补上。

GEDCOM 有质量的概念，通过 QUAY 指令表示：

QUAY 标签的值传达了提交者基于支撑证据，对某条信息可信度的量化评估。有些系统使用此功能对多个相互冲突的观点进行排序，以便优先显示最可能的信息。它并非旨在免除接收者自行评估证据的必要。

质量描述
0 不可靠的证据或估计数据
1 证据可靠性存疑（例如访谈、人口普查、口述家谱，或可能存在偏见，如自传）
2 次要证据，事件发生后某一时间正式记录的数据
3 使用了直接和原始证据，或依据证据的优势

质量	描述
0	不可靠的证据或估计数据
1	证据可靠性存疑（例如访谈、人口普查、口述家谱，或可能存在偏见，如自传）
2	次要证据，事件发生后某一时间正式记录的数据
3	使用了直接和原始证据，或依据证据的优势

这张表定义的是指导原则，而非精确规则，所以我这样解释：

家谱网站是 QUAY 2
官方文书，无论是民事还是教区记录，都是 QUAY 3

流程如下：

挖掘家谱网站上可用的大量数据
将其 QUAY 设为 2
核查数据是否出现在官方记录中
如果是，将数据的 QUAY 设为 3
否则，丢弃该数据

因此，信任，但要核实。

档案馆与浏览技能

在最初的文章中，我提到你应该“按站点”创建一个技能。和上一节一样，我可能写得太简略了。让我详细说明：

每个家谱网站一个技能（Geni、Geneanet 等）
每个档案馆网站一个技能，无论是市档案馆还是省级档案馆

档案馆网站大致可以沿两个正交维度分类。

账户：完全开放访问 vs. 需要账户
机器人防护：我识别出以下 3 个级别。
- 最低级别，网站可通过 curl 访问
- 需要完整的浏览器。为此，我添加了一个基于 uv 的小型 Python 项目来驱动 Playwright。
- Cloudflare 防护（或类似）。这是我面对的最高防护级别。在某些情况下，即使勾选“我是人类”复选框也不行。为了绕过它，我使用了调试模式下的 Chrome；我会专门写一篇完整的文章来介绍。

自动化账户登录

我提到有些网站要求你登录。当然，你可以让你的助手访问你的凭据，但这并不明智。

对于最高级别的机器人防护，除了以调试模式启动 Chrome、登录，并让助手通过调试端口操控浏览器之外，别无他法。这很脆弱：任何关闭浏览器的事情都会结束这次运行。

对于其他网站，你应该使用带有已存储会话的 Playwright。流程如下：

启动一个具有持久会话的浏览器
登录你想使用的网站
关闭浏览器。该配置文件已存储认证数据。

之后，助手可以在同一会话的上下文中启动浏览器：助手将拥有与已登录用户相同的访问权限。会话时长取决于具体网站，因此你应该在无人值守运行之前完成此操作。

与调试方法相比，好处在于它能在关闭浏览器后仍然存活。

利用家谱网站

我最初的建议是使用高级订阅挖掘家谱网站，然后转向官方记录。此后，我改进了这一方法。

首先，我把它变成了一个循环。在记录中发现新的祖先之后，我会回到家谱网站。在某些情况下，这些祖先已经出现在其他人的家谱树中，于是我又能再向前跳几代。即使这些后来的跳跃比最初的跳跃小得多，仍然意味着用更少的 token 就能定位到记录中的确切文书。

这些新祖先不会自动进入你的家谱树。大多数家谱网站都有智能匹配的概念。它们运行启发式算法，能够匹配（因此得名）来自不相关家谱树中的人。有些网站在这方面做得更好。接受匹配时你需要非常小心，因为它可能通过添加不相关的人，腐蚀你家谱树的整个分支。因此，我倾向于非常保守。另一方面，你可以发现祖先姓名的新拼写变体。也许你漏掉了一份文书，是因为助手没有搜索正确的变体？

最后，这些网站大多（全部？）都有两个层级：完整数据访问和有限数据访问。完整访问会在试用期内解锁，要么在你注册时，要么在你订阅时。订阅可能很昂贵。更糟的是，有些网站只提供年度订阅套餐。我对注册电子邮件地址毫无顾虑。

利用 Topola

我仍然使用并喜爱 Topola，这个 GEDCOM 查看器。

在它的功能中，它允许在家谱树中为 INDI 显示缩略图。它使用与 INDI 关联的第一个 OBJE 对象。其他 OBJE 显示在右侧面板中。如果你有祖先的照片，这是一个很实用的功能。

我喜欢有序，因此遵循这些规则：

头像必须是肖像照。如果没有肖像照，我会裁剪一张现有照片来充当头像。
所有引用图像的 OBJE 都按时间顺序设置。因此，右侧面板也会按相同顺序显示它们。

转录

转录至关重要。文书是图像，而你希望它们的数据易于访问。

从一开始，我就把转录过程委托给助手。你解读草书手写体的能力取决于几个因素：

书记员的书写风格。越往过去追溯，书写风格越不规范，也越难辨认。
你对语言的熟悉程度。取决于你的家谱树，你可能有一些祖先的文书使用外语。
文书的年代。文书越古老，就越难辨认某些表达，而且正字法也越“流动”。

出于这些原因，我从助手所做的转录开始。我注意到它有时相当谨慎：在我会推断出一个词的地方，它决定放入占位符。对字母也是如此。我尝试了几种替代方案。

我询问了可用的最佳工具，得到 Transkribus。这是一个付费在线工具，有很多模型可选。有些模型是高级模型，其他是免费的。它每月还提供 50 次免费转录。你只需要同意排队等待，因为为免费用户提供的运行资源很少。

在我超出助手配额后，我尝试了 3 到 4 次。结果糟糕透顶，只产生乱码，甚至连词语杂烩都算不上。后来我读到，必须在你自己的文档上训练模型。这意味着你需要先转录一份记录的一两页，之后同一记录的后续文书结果才会改善。说实话，我不会再使用它了。
为了节省助手的 token，我还尝试了本地方案。我利用 kraken 并根据语言和年代使用专用模型。它比 Transkribus 好得多，但远不及助手的能力。究竟是我漏掉了某个配置步骤，还是助手的能力已经大幅跃升，我永远不会知道。最后，我干脆放弃了这个技能。
一个非常好的惊喜是 Filae。这是一个小型法国家谱网站。然而，对于法文手写体，它的转录能力无与伦比。我使用过几次，结果令人惊叹。唯一的问题是，他们似乎关闭了这项服务。可惜。

小波折与障碍

既然我已经更详细地阐述了创建家谱树的细节，这里列出我遇到过的一些问题，权当一乐。排名不分先后：

有三代甚至四代祖先缺乏想象力，把孩子的名字取成了自己的名字。现在，你在同一个地方有一堆同名同姓的人。
你已经习惯了记录是出生、洗礼、婚姻、死亡或葬礼？来点更多花样怎么样，把其中一些混在同一份记录里？现在，按日期对文书进行二分查找变得困难多了。
单一记录中混合多种文书类型还只是开始。当日期不是单调递增时，也就是毫无顺序时，就更精彩了。我偶然遇到的一些公证记录就是这种情况。

结论

我仍在进行这个项目，现在已有超过 1200 人，并在一个分支上跨越了 13 代。如果你选择走同样的路，我希望这些额外建议会有所帮助。

延伸阅读：

最初发布于 A Java Geek，2026 年 9 月 20 日。## 加入讨论 AI [LOADING...]
Nicolas Frankel2026年8月31日 6 次浏览

分类导航