把 AI 指向四百年档案，它翻出一颗陨石

1812 年 8 月，一颗约四磅重的石头从雷云里掉到印度一个村子，砸进土里一英尺。当时的报纸登了，后来再没人提起。

两百年后，一个工程师用 AI 把这段记载翻了出来。

一、发生了什么

Jesse Waites 是波士顿一家 AI 咨询公司的创始人，做智能体工作流。10 月 8 日，他写了一篇长文，讲自己怎么把 AI 指向十七到十八世纪的历史档案。

起因是历史学家 Benjamin Breen 在 10 月 1 日发表的另一篇文章：用模型检索荷兰东印度公司档案，找到 1615 年一份船员日志里关于嘟嘟鸟的目击记录。Waites 想试试，同样的办法能不能用来找别的东西。

他用的材料主要有三块：GLOBALISE 项目转写的荷兰东印度公司档案，435 万页，覆盖 1600 年代到 1790 年代；荷兰国家图书馆的 Delpher 报纸库；以及两个世纪的美国报纸。另有一批 1235 本未转写的手写航海日志，这次没用上。

人工读完这批档案要多久？按每页两分钟、每天八小时、每周五天算，大约 70 年。他的流水线跑了一夜，12 小时。

做法不是把全文塞给一个大模型。他先把 570 万段档案转成向量，让检索按语义而不是关键词进行。然后用一个很小的决策模型做初筛，只回答极窄的问题，比如「这是不是一种真实动物」「这有没有可能是陨石坠落」。初筛便宜到每百万词几美分——读完 5.9 万条提到大象的记录，花了约 3 美元。筛出来的几十条，再交给大模型精读、翻译、提取日期和地点。

第一个发现是一颗陨石。1812 年 12 月 19 日的《Java Government Gazette》转载了当年 8 月 26 日《Bombay Gazette》的一封信：8 月 6 日，Pandharpur 附近的 Cokurrgaum 村有石块从雷云中坠落，重约四磅，富含铁，有黑色薄壳，入地一英尺。村民首领认为石头是「天造」的，想跪拜。

它为什么一直没被记录？因为「meteorite」这个词到 1820 年代才出现，原文里根本没有这个词。关键词检索必然错过，语义检索才能捞到。

他查了六份陨石目录，包括 1819 年的名单、大英博物馆目录、1933 年的《印度陨石名录》和今天的陨石公报，都没有这条。印度地质调查局的 Arindam Dutta 也确认，样本登记册里没有它。这可能是马哈拉施特拉邦最早的一次陨石坠落记录，比现有记录早 26 年。

另外两项发现：三头此前未被记录的爪哇犀牛，以及三处候选的未记录火山喷发。犀牛的部分经过了《The Rhinoceros in Captivity》作者 Kees Rookmaaker 的确认。火山喷发仍是候选，还在等火山学家审核。

二、跟你有什么关系

如果你是做历史、地方志、族谱这类冷门研究的人：这套方法的收益很直接。不是让 AI 替你下结论，是让它把你这辈子读不完的材料先过一遍。

如果你是开发者：整个流水线最值钱的部分不是模型，是分层。便宜模型负责「是不是」，贵模型负责「是什么」，人负责「算不算」。三层分工把成本压到了几天、一块 GPU。

如果你只是读者：这件事说明公开档案里还埋着大量没人问过的问题。它们不是被算法发现的，是被一个具体的人想到要去问。

三、怎么用这套办法

1. 先埋一块表。在搜未知之前，先用同一套流水线搜几件你确定存在的事。Waites 先跑了嘟嘟鸟、1783 年拉基火山、1815 年坦博拉火山等十几个已知事件，确认能找到，才开始搜未知。这一条是整套方法的地基。

1. 把材料转成向量，但保留原文。向量负责召回，原文负责核对。只看向量相似度，会把「提到石头」和「石头掉落」混为一谈。

1. 初筛用最便宜的模型。问题写得越窄越好：是或否、有没有、哪一年。让贵模型做这种活，钱会烧在无意义的判断上。

1. 每条结论回到扫描件。AI 会自信地给出日期和地名，必须打开原始页面核对转写。Waites 专门让一个编码智能体去翻手写扫描件。

1. 找一位真专家否决你。陨石找地质调查局，犀牛找研究犀牛的人。AI 能帮你找到候选，只有专家能把它变成记录。

四、三个别信的说法

「AI 可以自己做完历史研究。」 作者自己反复强调，这是 AI 辅助的研究，不是自主调查。选哪个谜题、追哪条线索、什么时候放弃，全是人的判断。最关键的廉价过滤层，也是他自己想出来的，当时模型并不理解这个概念。

「搜不到，就说明历史上没有。」 一次空结果可能来自转写缺失、语言差异、检索设计错误。1808/09 年那次不明大喷发，他翻遍荷兰报纸、美国报纸、船舶日志，一无所获。这不等于没发生，只说明答案可能在 1235 本没转写的手写日志里。

「语义检索可以取代目录和专家。」 语义检索擅长发现「没用同一个词」的材料，但它不知道一条记录在学术上算不算新。三处火山喷发至今仍是候选，因为目录维护者还没审核。发现和认定，是两道工序。

五、一句话结论

AI 在旧档案里最实在的用处，不是替代学者，是把没人读得完的纸再读一遍。

信息来源

• Jesse Waites：《Pointing AI at archives found a forgotten meteorite, lost rhinos, and more》，2026 年 10 月 8 日：https://jessewaites.com/blog/post/i-pointed-ai-at-400-years-of-archives/

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。