Project Lighthouse 的作用
Project Lighthouse 是一项开放式研究计划，旨在大规模研究科学手稿、笔记本、信件以及被忽视的印刷作品。它利用人工智能转录数字化页面并重建其中的数学含义，同时要求在将候选结果视为可信发现之前，经过人工检查、计算验证、文献研究和独立评审。
该项目旨在寻找未完成的思想、未获署名的成果以及被忽视的联系。它还会在共享台账中记录错误线索和已知成果，以便贡献者不会重复已经走入死胡同的调查。
根据日期为 November 9, 2026 的仓库状态，大约已深入阅读 Gauss、Riemann、Hilbert、Dedekind 和 Grothendieck 的 12,000 页材料。当前最主要的候选项是 L-019，涉及据称属于 Riemann 的未发表激波片。其代数部分已经过计算验证，但其归属仍在等待人类古文献学家的确认。
由人工智能辅助完成的有前景解读，并不自动等于一项发现。Project Lighthouse 将转录、解释、验证、历史优先权和专家确认视为彼此独立的问题。
主要功能
- 页面级转录：将手稿图像转换为逐字文本，使用 LaTeX 表示公式，并明确标记划除的文字。
- 上下文深度阅读：结合相邻页面分析数学页面，从而重建论证，而不是孤立地进行解读。
- 现代成果对照：深度阅读会确定一个现代对应成果、通常被认为是该成果归属者的人，以及从 0 到 10 的意外程度评分。
- 四阶段候选协议：每个候选项都必须通过扫描检查、计算再推导、基于含义的文献研究，以及独立且不带先入信息的评审。
- 共享台账：
ledger/LEADS.md记录候选项和结论，包括重复项、错误，以及解决这些问题的来源。 - 误报控制：
docs/FALSE_POSITIVES.md记录表面发现可能失败的十二种常见方式，并提供必需的检查清单。 - 贡献标签：标签描述已完成的工作，而不是置信度或受欢迎程度。
- 开放格式：转录和分析采用有文档说明的仓库格式，便于贡献者检查和扩展数据。
了解仓库结构
在处理页面之前，请先熟悉主要路径：
queue/QUEUE.md
src/transcribe.py
src/deep.py
src/read_source.py
data/<author>/STATUS.tsv
data/<author>/transcripts/<bundle>/cNNN.json
data/<author>/deep/<bundle>_cNNN.json
data/FORMAT.md
verify/
ledger/LEADS.md
docs/HOT_PAGES.md
docs/FALSE_POSITIVES.md
CONTRIBUTING.md
CITATION.cffqueue/ 目录用于跟踪等待处理的来源。src/ 脚本负责转录和深度阅读。作者特定的输出存放在 data/ 下，验证程序放在 verify/ 中，已调查的线索记录在台账中。
安装与设置
1. 获取仓库
从 GitHub 克隆或下载 Project Lighthouse 仓库，然后在其根目录中进行操作。在添加数据或评审候选项之前，请先阅读 CONTRIBUTING.md，因为其中规定了贡献流程。
2. 检查有文档说明的数据格式
在创建转录文件或深度阅读文件之前，请打开 data/FORMAT.md。现有数据遵循以下模式：
data/<author>/transcripts/<bundle>/cNNN.json
data/<author>/deep/<bundle>_cNNN.json请遵循有文档说明的架构，不要创建其他结构。一致的文件名和字段使贡献者能够确定哪些页面已经处理过。
3. 配置 API 密钥
该仓库要求贡献者自行提供 Anthropic API 密钥。请将其存储在以下本地路径：
~/.config/hunt/anthropic_key切勿将密钥提交到仓库。README 估算，使用 Claude Opus 5.5 进行转录和深度阅读的成本约为每页 $0.25。在处理大型来源之前，应监控实际用量。
4. 选择符合条件的来源
来源可以来自任何作者、领域、语言或世纪，但必须属于公有领域、已经数字化，并且托管平台的条款允许获取。项目接受手稿、笔记本、信件以及被忽视的印刷作品。
将来源添加到 queue/QUEUE.md，并在以下路径下创建其作者目录：
data/<author>/不要将图书馆扫描件托管在仓库中。Project Lighthouse 会链接到扫描件，同时根据仓库的许可规则，将本地生成的转录和分析保存在仓库内。
基本使用流程
步骤 1：转录每个页面
当来源可通过 IIIF 图像 URL 获取时，请使用 src/transcribe.py。对于扫描 PDF，请使用 src/read_source.py，它支持将 PDF 页面转换为 JPEG 图像和页面记录的工作流程。
转录应保留页面上实际出现的内容，而不是默默更正。请使用 LaTeX 记录公式，并标记划除的文字。按照 data/FORMAT.md 定义的作者和文档包结构保存结果。
data/example_author/transcripts/example_bundle/c001.json此路径是对文档化命名模式的示例。请为你的来源使用实际的作者、文集和页面标识符。
第 2 步：深入阅读数学页面
使用 src/deep.py 或 src/read_source.py 中的深度阅读函数。请纳入相邻页面，以便在上下文中理解记号、定义和中间步骤。
对于每个相关页面，重构其论证，确定其现代对应形式，注明通常被认为对此负责的人，并为其分配仓库的 0–10 惊奇度评分。将结果存放在对应的深度阅读路径下：
data/example_author/deep/example_bundle_c001.json高评分只能用于优先安排关注顺序。它不能证明历史优先权，也不能据此使用更高等级的审核标签。
第 3 步：检查处理状态
打开 data/<author>/STATUS.tsv，查找已经转录但尚未完成深度阅读的文集。这是一种无需引入新来源即可参与项目的实用方式。
第 4 步：调查令人惊讶的页面
最快的审核入口是 docs/HOT_PAGES.md。其中列出了模型评为令人惊讶、但尚无人类检查的页面。将转录内容直接与扫描件对比，检查周围页面，并判断该主张是已知事实、转录错误、日期错误，还是确实值得作为候选项展开调查。
执行候选项协议
在陈述可能发现的重要性之前，请按顺序完成以下四项检查。
- 对照扫描件阅读页面。确认笔迹、符号、边注、删改内容和页面顺序。仅凭 AI 输出不足以得出结论。
- 使用代码重新推导数学内容。将可复现的计算放入
verify/。检验所声称的恒等式或推论，不要依赖口头上的相似性。 - 按含义检索文献。先从作者已发表的作品开始，再查看更早的来源。不要未经核实就相信 AI 生成的“最早归功于”日期，因为这类日期可能过晚。
- 请求独立且不受锚定影响的审核。向第二位贡献者或代理提供相关事实，但不要透露期望的结论。审核者必须写出判定并引用来源。
每个候选项文件还必须包含 docs/FALSE_POSITIVES.md 中的检查清单。这有助于发现转录错误、现代化解读、以其他名称发表的已知成果，或缺乏依据的日期判断等常见错误。
在台账中记录结果
将候选项及其判定添加到 ledger/LEADS.md。请像记录正面结果一样认真记录负面结果。即使某个候选项最终被证明属于广为人知的历史，也能防止其他贡献者重复相同的搜索。
仓库中突出展示的示例是 L-019。其完整记录位于 ledger/LEADS.md，而 docs/L019_expert_request_draft.md 包含了为专家准备的请求草案。README 描述了计算机验证和盲法 AI 笔迹比较，但明确说明人类古文书学家尚未确认这一归属。
正确使用标签
Project Lighthouse 的标签表示已完成的操作，而不是对某项发现的信念：
transcribed：页面 JSON 文件已存在。任何贡献者都可以设置此标签。read：深度阅读记录已存在。任何贡献者都可以设置此标签。self-checked：发现者检查了扫描件，运行了数学验证，并检索了文献。reviewed：另一位贡献者或不受锚定影响的代理独立重复了全部四项检查，并写出了有来源支持的判定。expert：一位具名专家确认了扫描件。
投票可以帮助决定哪些页面优先获得关注，但投票永远不能确立标签。
可靠研究的进阶提示
将转录与解读分开
即使你认为自己理解了数学内容，也要保持转录忠实于原文。请将重构、现代记号和历史比较放入深度阅读记录，而不是改写来源。
阅读页面邻域
如果脱离定义或先前的推导，一个公式可能显得很新颖。在提出线索之前，务必检查前后页面、文集顺序和相关笔记本。
检索概念，而不只是术语
历史作者可能描述现代成果，却没有使用其现今名称。请检索数学关系、几何构造、物理条件或证明技巧。在比较后来被归功于他人的来源之前，先从作者自己的出版物开始。
保持审核不受锚定影响
不要告诉独立审核者某个页面预计包含后来著名的成果。提供扫描件、转录内容、日期证据和数学事实，同时隐去提出的结论。这样可以减少确认偏误。
使验证可复现
将脚本和计算放入 verify/，记录假设，并区分精确的符号检查与数值证据。有效的验证应允许另一位贡献者独立重新运行推导。
优先处理未完成的工作
使用 STATUS.tsv 查找等待深度阅读的已转录文集，使用 docs/HOT_PAGES.md 查找等待人工检查的令人惊讶页面。这些路径有助于避免重复已完成的处理工作。
尊重特定来源的权利
扫描件仍保留在其所属的图书馆中，应通过链接引用，而不应托管在项目中。仓库中的转录文本和分析内容采用 CC BY 4.0 许可，代码则采用 MIT 许可。对于 Grothendieck 未发表的笔记，仓库仅收录分析内容和简短引文，不提供完整转录文本，以符合 README 中所述的例外规定。
保留优先权和引用信息
Project Lighthouse 将首次包含某条账目记录的提交或发布视为其公开日期。在 Zenodo 上存档的 GitHub 发布版本可以补充 DOI 和独立时间戳。引用该仓库时，请使用 CITATION.cff；重新使用其 CC BY 转录文本时，请注明仓库来源。
参与方式
- 分享人工或使用任何工具或模型制作的现有转录文本或译文。
- 在新的合资格来源上运行处理脚本。
- 通过与扫描件比对，修正生成的转录文本。
- 深入阅读目前仅完成转录的文献包。
- 独立审查现有候选项。
- 如果具备相关专业知识，请提供署名的专家结论。
项目强调，专家研读能力和文献知识比模型令牌更加稀缺。即使某项贡献最终证伪了某个候选项，只要以清晰的证据和来源加以记录，也可能具有重要价值。
结语
Project Lighthouse 将人工智能规模的手稿处理能力与刻意保持怀疑态度的研究流程相结合。首先选择合资格的来源或尚未完成的文献包，制作忠实的转录文本，在上下文中深入阅读页面，并通过检查扫描件、编写代码、开展文献研究和独立审查来调查令人意外的主张。将每项结果记录在共享账目中，使发现和研究死胡同都能成为可复用的学术证据。