Utafiti wa Nasaba wa Nchi za USSR ya Zamani Unaotanguliza Ushahidi kwa Mawakala wa AI

Utafiti wa Ukoo wa ex-USSR ni nini?

Utafiti wa Ukoo wa ex-USSR ni ujuzi wa ukoo unaotanguliza ushahidi kwa mawakala wa AI kama Codex na Claude Code. Husaidia kuchunguza maswali ya historia ya familia yanayohusu eneo la iliyokuwa USSR, Umoja wa Kisovyeti na Milki ya Urusi, huku ikiweka kumbukumbu, tafsiri na maswali ambayo hayajatatuliwa zikiwa zimetenganishwa kwa uwazi.

Ujuzi huu umeundwa kwa ajili ya vitabu vya kanisa, rejesta za kiraia, hifadhidata za kijeshi, mafaili ya uhamisho wa lazima na ukandamizaji, mikusanyo ya nyaraka iliyochapishwa na picha za skani za kumbukumbu ambazo hazijawekewa faharasa. Badala ya kutoa mti wa familia usio na msingi wa ushahidi, huandika chanzo cha kila ugunduzi, hutofautisha ushahidi huru na nakala rudufu na kueleza kilichothibitishwa au ambacho hakijathibitishwa.

Maelekezo ya ndani yameandikwa kwa Kirusi, lakini wakala hujibu kwa lugha ya mtumiaji. Unaweza kunukuu majina na vifungu kwa tahajia yake ya asili, kutoa tafsiri na kuunda utafutaji kwa lugha zinazofaa kumbukumbu, zikiwemo Kirusi, Kiukreni, Kipolandi, Kiromania, Kijerumani na miundo ya Kiyiddish.

Sifa kuu

• Kupokea kesi kwa muundo: Hufafanua swali moja la utafiti, mambo yanayojulikana, watu ambao huenda bado wako hai na mada zozote zilizopigwa marufuku.
• Rejesta zinazoweza kurudiwa: Hudumisha rekodi za CSV za watu, vielelezo, madai, mahusiano na utafutaji, pamoja na kiolezo cha ripoti ya mwisho.
• Mamlaka za kihistoria: Hutatua tukio kulingana na dola, jimbo, wilaya, parokia au rejesta ya kiraia iliyokuwepo tarehe ya tukio, badala ya kutegemea ramani ya kisasa.
• Uchambuzi wa tofauti za majina: Huzingatia majina ya baba, majina ya kabla ya ndoa, uandikaji wa majina kwa alfabeti nyingine na miundo ya kihistoria katika lugha kadhaa za eneo.
• Ngazi ya vyanzo: Hutanguliza rekodi za awali, katalogi rasmi na faharasa kabla ya kuchukulia miti ya mtandaoni au vikao kama vidokezo.
• Hali za ushahidi zilizo wazi: Huweka lebo kwa madai kama hypothesis, single-source, corroborated, strongly-corroborated, contradicted au unresolved.
• Kutatua utambulisho: Huwaweka watu wenye majina yanayofanana chini ya thamani tofauti za person_id hadi maelezo kama wazazi, nambari ya nyumba, tarehe kamili ya kuzaliwa, wazazi wa ubatizo au kikosi cha kijeshi yawahusishe.
• Ukaguzi wa ushahidi: Hukagua uadilifu wa marejeo na kuonya kuhusu uthibitisho dhaifu kabla ya kuandikwa kwa ripoti ya mwisho.
• Mipaka inayowajibika: Hulinda watu walio hai, huhitaji binadamu kushughulikia kuingia kwenye akaunti na CAPTCHA, na hukataza kukwepa vizuizi vya malipo, mipaka ya kasi au vidhibiti vya ufikiaji.

Mahitaji ya awali

Unahitaji Git, Python 3 na mazingira ya Agent Skills yanayotumika. Hati zilizojumuishwa hutumia maktaba ya kawaida ya Python pekee, kwa hiyo hakuna vifurushi vya ziada vya Python vinavyohitajika.

Chagua eneo la usakinishaji linalolingana na wakala wako. Codex hutumia ~/.codex/skills/, huku ujuzi binafsi wa Claude Code ukitumia ~/.claude/skills/. Claude Code pia inaweza kupakia ujuzi kutoka kwenye saraka ya .claude/skills/ ya mradi.

Sakinisha ujuzi

Sakinisha kwa Codex

git clone https://github.com/DenisSergeevitch/ex-ussr-kinship-research ~/.codex/skills/ex-ussr-kinship-research

Sakinisha kama ujuzi binafsi wa Claude Code

git clone https://github.com/DenisSergeevitch/ex-ussr-kinship-research ~/.claude/skills/ex-ussr-kinship-research

Sakinisha kwa mradi mmoja wa Claude Code

Clone au nakili hazina kwenye .claude/skills/ex-ussr-kinship-research ndani ya hazina ya mradi. Hii huufanya ujuzi uhusishwe na mradi huo badala ya kuufanya upatikane katika miradi yako yote.

Hazina ya chanzo inapatikana kwenye GitHub.

Anzisha kesi ya utafiti

Njia rahisi zaidi ya kuanza ni kutaja swali moja mahsusi la historia ya familia. Jumuisha majina yanayojulikana, tarehe za kukadiriwa, maeneo, skani za rekodi na mambo yasiyo na uhakika, lakini epuka kudhani kwamba hadithi za familia ambazo hazijathibitishwa ni ukweli.

Mifano ya maombi ni pamoja na:

• Babu yangu mkubwa alipelekwa uhamishoni Kazakhstan katika miaka ya 1930. Nisaidie kupata wazazi wake katika rekodi za kanisa.
• Hizi ni skani za cheti cha ndoa na kadi ya mwanajeshi. Kagua kama zinamhusu mtu yuleyule na ujenge mlolongo wa ushahidi.
• Tafuta parokia na filamu sahihi ya FamilySearch kwa kijiji cha Podolia katika miaka ya 1890, kisha kagua rekodi za kuzaliwa za jina hili la ukoo.

Wakala anapaswa kufanya mchakato wa awali wa kupokea taarifa kabla ya utafutaji mpana. Ombi zuri hutaja swali kuu, mambo yanayojulikana, watu ambao huenda bado wako hai, vizuizi na lugha inayotakiwa ya matokeo. Mpangilio chaguo-msingi wa lugha ni wa kiotomatiki, kwa hiyo kwa kawaida wakala anapaswa kujibu kwa lugha ileile inayotumiwa na mtafiti.

Unda nafasi ya kazi ya kesi

Kutoka kwenye hazina ya ujuzi, anzisha saraka ya kesi kwa kutumia hati iliyojumuishwa:

python scripts/init_case.py --case-dir ./my-case --research-question "Who were Maria's parents?" --subject-label "Maria"

Hii huanzisha nafasi ya kazi yenye muundo inayotumiwa kufuatilia watu, vielelezo, madai, mahusiano na utafutaji. Weka swali moja la utafiti lililolenga kwa kila kesi ili mnyororo wa ushahidi unaotokana ubaki kueleweka.

Sajili na weka heshi ya vielelezo

Skani na hati zilizohifadhiwa zinapaswa kubaki zikitambulika hata majina ya faili yakibadilika au nakala rudufu zikaonekana. Tengeneza heshi ya SHA-256 kwa kila kielelezo:

python scripts/hash_artifact.py ./scans/marriage-1902.jpg

Rekodi artifacti katika rejesta za kesi pamoja na taarifa yake ya chanzo. Picha iliyopakuliwa, kipande kilichokatwa na nakala ya kioo ya rekodi hiyo hiyo ya msingi si ushahidi huru kiotomatiki. Nakala zinazohusiana zinapaswa kushiriki independence_group ili zisihesabiwe kama uthibitisho tofauti.

Fuata mchakato unaoanza na ushahidi

1. Fafanua dai lengwa. Geuza swali pana la familia kuwa dai ambalo rekodi zinaweza kuliunga mkono au kulipinga, kama vile kubaini wazazi wa Maria.
2. Tambua mahali pa kihistoria. Bainisha mamlaka iliyohusika tarehe ya tukio, ikijumuisha jimbo, wilaya, parokia au rejesta ya kiraia husika.
3. Tengeneza vibadala vya majina. Andaa tahajia zinazowezekana, patronimiki, majina ya awali na unukuzi katika lugha zilizotumiwa na watunza rekodi wa eneo hilo.
4. Tafuta vyanzo thabiti zaidi kwanza. Pendelea rekodi za awali, kisha katalogi rasmi, faharasa na mikusanyo ya nyaraka iliyochapishwa. Chukulia miti ya familia iliyochangiwa na watumiaji pamoja na machapisho ya mabaraza kuwa vidokezo badala ya uthibitisho.
5. Andika utafutaji uliofanikiwa na ulioshindikana. Rekodi mahali ulipotafuta, hoja au filamu iliyokaguliwa na matokeo. Matokeo hasi huzuia kurudia kazi na hufafanua vyanzo vya umma ambavyo vimekwisha kaguwa.
6. Tengeneza madai kutokana na ushahidi. Unganisha kila kauli ya ukweli na vitu vyake vya ushahidi na uipe hali inayoweza kuelezwa.
7. Tambua watu kwa tahadhari. Usiwaunganishe watu kwa sababu tu wana jina na kijiji kimoja.
8. Kagua kabla ya kuripoti. Endesha hati ya ukaguzi na ushughulikie viungo dhaifu, marejeo yanayokosekana na uthibitisho uliowekwa katika hesabu isivyofaa.

Kagua ushahidi

Kabla ya kutoa hitimisho, endesha:

python scripts/audit_evidence.py --case-dir ./my-case

Ukaguzi huchunguza rejesta kwa uadilifu wa marejeo na kuashiria uthibitisho dhaifu. Tumia matokeo yake kusahihisha data ya kesi au kuweka madai kuwa hayajatatuliwa. Lengo si kulazimisha kila swali liwe na jibu la kujiamini, bali kuhakikisha kila hitimisho linaakisi kwa usahihi ushahidi unaopatikana.

Kufanya kazi na skani zisizo na faharasa

Vitabu vingi vya kanisa vya USSR ya zamani kwenye FamilySearch ni mikusanyo yenye picha pekee. Kwa hiyo, kutafuta kwa jina la ukoo kunaweza kutotoa matokeo hata kama ingizo husika lipo. Masomo ya uwanjani ya mradi yanapendekeza kutafuta filamu sahihi, kuoanisha marejeo ya hifadhi na vitambulisho vya filamu, kupata juzuu au sehemu husika, kupitia kwa haraka safu muhimu na kukuza picha za wanaowania kuwa majibu.

Rekodi filamu, anuwai ya picha, aina ya rekodi na kurasa zilizokaguliwa. Inapowezekana, vipande vilivyozingatia sehemu husika au mwonekano wa pamoja wa safu vinaweza kurahisisha kukagua rejesta ndefu. Kazi ya kivinjari inapaswa kubaki yenye heshima: zingatia mipaka ya maombi, tumia majaribio ya kurudia ipasavyo na acha kazi ndefu za kuskani kwenye kichupo maalumu.

Tafuta maelezo yanayounganisha

Majina pekee mara nyingi hayatoshi. Dalili thabiti zaidi za utambulisho zinaweza kujumuisha tarehe kamili ya kuzaliwa iliyorudiwa katika rekodi ya ndoa, nambari ya nyumba iliyodumu, wazazi au wazazi wa ubatizo wanaolingana, au kikosi cha kijeshi. Mwongozo wa uwanjani pia unashughulikia maingizo ya watoto waliozaliwa wakiwa wamekufa, miundo ya kihistoria ya patronimiki na mbadala za majina zilizotumiwa na makarani kama vile Grigorie na Gheorghe.

Maelezo ya pembeni ya enzi ya Sovieti kwenye rejesta za zamani pia yanaweza kuwa muhimu. Dokezo la baadaye kwamba cheti kilitolewa linaweza kuonyesha kuwa mtu huyo au familia ilikuwa hai na iliomba nyaraka katika tarehe hiyo ya baadaye.

Vidokezo vya utafiti wa hali ya juu

Tenganisha mahali pa kuzaliwa na makazi

Usichukulie “alizaliwa katika” na “alikulia katika” kuwa vitu vinavyobadilishana. Vijiji vinaweza kuwa vilipewa majina mapya, kuhamishwa kati ya wilaya au kufutwa kabisa. Jenga historia ya mahali kulingana na tarehe ya tukio na uandike visawe vya kisasa kando.

Tumia makundi ya majina ya ukoo kwa tahadhari

Hifadhidata za kijeshi zinaweza kufichua makundi ya watu wenye jina la ukoo na mahali pa kuzaliwa panapofanana, ambayo wakati mwingine huelezewa kama viota vya majina ya ukoo. Makundi haya ni muhimu kwa kuunda dhana, lakini hayawezi kuthibitisha undugu yenyewe. Hifadhidata za waliopotea katika WWII pia huwa zinawaacha waathirika waliookoka, hivyo kutokuwepo si uthibitisho kwamba mtu hakuhudumu.

Tafsiri vyanzo vya ukandamizaji na uhamishaji kwa kuzingatia muktadha

Mikusanyo iliyochapishwa na vitabu vya urejeshaji wa haki vinaweza kuwa na maelezo ya hukumu, familia na utawala. Soma kwa makini safu kama vile msingi wa kisheria. Tukio la eneo lililotajwa katika faili huenda lisiwe sawa na operesheni pana ya uhamishaji iliyoathiri familia. Rekodi za umma zinapokuwa hazitoshi, ujuzi huo unaweza kuandaa ombi la hifadhi, lakini hautumi ombi hilo.

Chukulia nyenzo za familia kuwa vyanzo

Pasi za kusafiria, rekodi za mahojiano ya historia simulizi na maelezo ya mtafiti zinaweza kujumuishwa kama ushahidi zinapowekewa lebo sahihi ya aina ya chanzo. Ongeza mihuri ya muda kwa mahojiano yaliyorekodiwa na hifadhi tofauti kati ya kile ambacho ndugu alishuhudia moja kwa moja, alichosikia kutoka kwa mtu mwingine na alichodokeza mtafiti.

Acha pale ushahidi wa umma unapokwisha

Wakala anayewajibika hapaswi kurudia utafutaji uleule bila kikomo au kujaza mapengo kwa maelezo yaliyobuniwa. Vyanzo vinavyoweza kufikiwa vinapokwisha, fupisha kilichokaguliwa, andaa maswali mahususi kwa ndugu walio hai na andaa maombi kwa hifadhi husika.

Kanuni za faragha na ufikiaji

• Usitumie ujuzi huu kutafuta anwani za sasa, nambari za simu au akaunti za mtandaoni zinazomilikiwa na watu walio hai.
• Punguza taarifa za kibinafsi kuhusu watu walio hai na watoto katika ripoti.
• Usipakie hati za faragha au data ya DNA kwenye huduma za wahusika wengine bila ridhaa ya wazi.
• Wacha mtumiaji amalize kuingia kwenye tovuti na kujaza CAPTCHA. Wakala hapaswi kamwe kutatua au kukwepa CAPTCHA.
• Usikwepe vizuizi vya malipo, vizuizi vya kijiografia, vikomo vya kasi au vidhibiti vingine vya ufikiaji, na usitumie hifadhidata zilizovuja.
• Ripoti uvumbuzi nyeti unaohusu ukandamizaji, uhamisho wa lazima, kuasili au mshangao wa DNA kwa njia isiyoegemea upande wowote na kwa kiwango kinachohitajika tu na swali la utafiti.
• Thibitisha taratibu za sasa za kumbukumbu kabla ya kuwasilisha ombi kwa sababu kanuni za ufikiaji zinaweza kubadilika.

Elewa hazina

SKILL.md ina mtiririko mkuu wa kazi, kanuni zisizobadilika na sera ya lugha. Saraka ya references/ hutoa mkakati wa vyanzo, kanuni za ushahidi, mwongozo wa lugha za eneo, mbinu za kivinjari, mwongozo wa faragha, vyanzo teule vya kuanzia na mafunzo ya vitendo ya uwanjani. Saraka ya assets/ ina violezo vya kesi, huku scripts/ ikiwa na zana za uanzishaji, uundaji wa heshi na ukaguzi.

Wachangiaji wanaweza kuongeza vyanzo kwenye references/seed-sources.md. Maingizo yanapaswa kutaja mmiliki, mamlaka, aina ya mkusanyo, ikiwa rasilimali ina nakala asili au faharasa, vitambulishi thabiti, masharti ya ufikiaji, vikwazo, makosa ya kawaida na tarehe ya mwisho ya kukaguliwa. Mifano haipaswi kufichua data ya kibinafsi.

Hitimisho

Utafiti wa Ukoo katika USSR ya Zamani huibadilisha wakala wa AI kuwa msaidizi wa utafiti mwenye mpangilio badala ya jenereta otomatiki ya mti wa familia. Thamani yake kuu ni ufuatiliaji: kila mtu, kifaa, dai, uhusiano na utafutaji vinaweza kukaguliwa, huku kutokuwa na uhakika na kinzani zikiendelea kuonekana. Kwa kuchanganya mamlaka za kihistoria, mibadala ya majina katika lugha nyingi, utatuzi wa utambulisho kwa tahadhari na ukaguzi wa mwisho, unaweza kutoa hitimisho la historia ya familia linaloweza kurudiwa na lenye uaminifu kuhusu mipaka yake.

Mradi huu unasimamiwa na Denis Shiryaev na unasambazwa chini ya Leseni ya MIT.