《塞耶希腊语词典》，基于 1889 年书页扫描件重建——逐条对照原书验证

简而言之：《塞耶希英词典》（Thayer's Greek–English Lexicon，1889 年修订版）属于公有领域，但现存每一个公开的数字化版本都有所缺失。多数版本源自同一个有缺陷的转录文本；而那些并非源自该文本的版本，也各有各的缺失。Publifye 基于书页扫描件对其进行了重建：716 页，5,870 个词条，转录两次并在 856,793 个词元（token）间实现了 98.91% 的比对一致率，存疑之处均在书页图像上逐一核定，并引入第二个完全无关的模型家族作为独立见证。该成果现已在 Darash 上线。

《塞耶希英词典》进入公有领域已有一个多世纪，但我们在任何公开渠道都找不到一份一流的数字化文本。我们这样表述是深思熟虑的——这是基于有据可查的全面检索得出的结论，而非无法证实的空泛论断。在动工之前，我们地毯式排查了每一个可能存在该文本的领域——圣经应用生态、商业圣经软件、GitHub 上的开放数据社区、欧洲大陆学术界、Perseus 项目、各大研究型图书馆、维基文库——并记录了每一个候选版本为何不合格。

这些缺陷都有着共同的“指纹”。我们用一个词条——βάπτισμα——对照印刷原页测试了每一个候选版本，原页印刷内容为 …Acts i. 22; x. 37; xviii. 25; [xix. 3]…。我们测试的每一个可下载的公开塞耶数据集，都将其渲染为 Acts 18:25; ();——括号内的经文引用丢失了，留下了孤零零的标点符号。这个错误早在几十年前就已铸成，而今天人们下载的数据集仍在沿袭它。这绝非无关紧要的格式小瑕疵：塞耶使用方括号来标示他对格林（Grimm）原书的增补，因此丢失方括号的文本直接抹去了两位学者劳动成果之间的界限——我们测算过的一个公开数据集仅保留了 726 个方括号，而原书页面上有 17,540 个。

网络上提供的版本也并非出自同一个体系，与其让看似简单的说法混淆视听，不如直言相告：Blue Letter Bible 确实保留了 那个方括号。但它丢失了其他内容——塞耶的 sq. 缩写，以及他的尾部星号（这是他用来表明该词在《新约》中的每一次出现均已在词条中列出的标记）。我们测试的数字化见证版本无一完整保留了所有内容，这也正是为什么单靠校勘这些现有版本根本无法还原原书页面。此外，还有若干数据集根本不是塞耶词典本身，而只是冠以他名字的词义解释集和释义大纲。以机器可读的形式存在的唯一完整版塞耶词典，就只有纸页油墨的扫描件：Harper & Brothers 的 1889 年修订版，整整 716 页密密麻麻的双栏希腊语与英语文本。

于是，我们基于书页扫描件对其进行了重建。完整重建。以下是我们的实现过程，因为实现过程正是该成果值得信赖的原因所在——这同样也是支撑 Darash 所提供之一切的严谨规范。

模型总是记起错误的塞耶版本

转录工作始于最直观的方法：向视觉模型展示书页，获取文本。然而它以一种出乎意料且极具说明性的方式失败了——模型的记忆防线（memorisation guard）不断被触发。由于塞耶词典被广泛复制的缺陷数字化版本充斥在各大模型的训练数据中，当模型看到真实的 1889 年版页面时，它识别出了与记忆中的文本极其相似的内容，为了避免直接背诵原文，它拒绝进行转录。

想想这意味着什么：这本书的损坏版本流传得如此之广，以至于 AI 在审视原著时，都无法摆脱副本的阴影。这就是该问题的一个生动写照。这虽是启发性的观察而非严格证明——但拒绝转录的情况高度集中在 κύριος 和 χάρις 词条中，它们正是全书中被引用最多、因而被复制最多的词条。

破局之法是切片瓦片化（tiling）：将每一栏切成多达十六块碎片，因为较短的文本跨度匹配记忆文本的概率要低得多。我们设立了四条层层递进的转录路径——整页、分栏、切片瓦片，最后彻底引入第二个独立模型家族——每页均采用可行方案中最经济的一条路径。任何引擎都无法处理的页面则由人工转录，每份人工文件都附带生成该视角的精确裁切命令，以便审查员能够精确重现转录员当时所见的画面。

两个轮次、第三见证者，以及专门挑刺的裁判机制

随后，每一页都通过不同路径转录两次——整页转录对比逐栏转录——并对这两个轮次进行校勘比对：在 685 页的 856,793 个词元中，一致率达到了 98.91%。这两个轮次均由同一模型在不同提示词结构下运行，而我们对这一做法的实际收益保持着清醒认识：这属于相互印证，而非独立验证。同一模型的两次运行完全有可能一起自信地犯错，事实上也确实出现过——在原页印有 [here 的地方，它写成了 [where，因为在英语语法上读起来更顺畅。因此，我们引入了一个真正无关的模型家族作为第三见证者；它倾向于犯不同类型的平滑错误，而每个模型的平滑改动都会表现为不一致。一致并不等于真理，但不一致就是重大发现——校勘工作将人工审查队列从 716 页骤降至 16 页外加一份按优先级排列的疑点清单。

接下来是绝大多数数字化项目都会跳过的环节。这项工作并非由单一模型完成，也没有任何模型被要求给自己的工作打分。整条流水线作为一组职责相互冲突的独立智能体运行：一个模型家族负责转录，另一个无关的模型家族读取相同页面作为见证，执行器应用修复，一个线上生产 QA 智能体从线上服务中抓取所有 5,870 个词条并审计实际对外提供的内容，以及五轮对抗性裁判机制——它们的指令是去推翻既有成果而非确认它们，并且必须在结论中声明自己有哪些地方没有核查过，否则其评审裁决作废。其中一位裁判拒绝接受我们自己派生的数据作为“没有词条丢失”的证据，其理由非常正确：你不能用某个事物构建出的产物来审计该事物本身。相反，它转向了转录过程中从未触及的三类信号——印刷的书眉（running heads）、事先测量过召回率的字母空缺测试，以及作为独立读取者的第三个模型——通过这些手段，均未发现任何丢失的词条。

裁判们发现了真实的缺陷。最典型的一个案例是：扫描件上的墨迹导致模型将 ἐντ- 误识为 ἐνπ-，造成匹配游标跳变——七个词条无声无息地消失在了邻近词条中，致使一个简短词条膨胀到了 8,295 个字符。一条汇总日志曾将其报告为 out of order: 33，听起来就像是个微不足道的排序瑕疵。但那实际上是数据丢失。数量核对不等于内容核查——这句话如今已刻在本项目的设计准则中。

核心准则

有一条规则统领着每一次修复：绝对不要写下原页上不存在的字符。 只有在映射关系不存在任何主观臆断，或者能够通过肉眼从书页图像上确认正确读法并明确记录在案的情况下，才允许进行修复。其他所有情况一律保留标记。在约瑟夫斯（Josephus）的一处经外文献引用中，有一个数字无论用肉眼如何辨识扫描件都无法确认——它被原样保留为 "?"，因为一个坦诚的问号远胜于一个自信的盲猜。

在此过程中不惜一切代价。任何引擎都无法返回结果的页面，会被切成多达十六块碎片，然后由人工读取。我们以 600dpi 的分辨率重新渲染了来自同一副铅版印版的第二份实体纸本，从而可以通过对比两次独立印刷的墨迹来裁定四个存疑数字——因为在完全相同的印版上，字形差异只能是物理破损，绝不可能是版本异文。裁判程序持续运行，直到再也找不出问题，然后我们又多运行了一轮。上面那一段之所以以问号而非数字收尾，原因就在于我们的精力花在了追求正确上，而不是为了看起来大功告成。

因此，并非 100%，我们也不会宣称达到了 100%。当操作员提出那个确切的问题——它达到 100% 了吗？——审计线上服务的 QA 智能体回答没有，并列出了六处缺陷。这些缺陷均已修复。残留的细微差异已被测定并公开，而非被四舍五入抹杀：在转录过两次的页面上存在 0.19% 的词元不一致率，约瑟夫斯引文中的那一个数字依然是 "?"，以及一轮彻底但并非完全均质的验证流程。一个自称完美无瑕的语料库，实际上是在告诉你它已经放弃了继续排查。

最后，5,870 个词条中的每一个都对照其所在页面的转录文本进行了完整通读——巨型长词条得以复原，两页出现的版面混乱被重新归位到排字工当年实际排版的位置——直到满足所有不变量约束：零重复词条、零空词条、零隐蔽丢失、全链路证实文本守恒、每一个词条均被证实是切自原页且严格保真、有序、无重叠的切片，并且每一个词条都附带其印刷文本的 sha256 校验和，以便将单条释义对照单张页面进行核验。

需要强调的是，这并不等同于用肉眼逐行对照图像校对完 716 页，这一区别十分重要，必须明确说明：肉眼审查只聚焦于存在分歧之处、裁判指出的疑点以及抽样页面——并未覆盖全书的每一行。在扫描仪碰巧重复拍摄了两次、因而进行了两次独立转录的十三页中，含有希腊语字符的词元不一致率为 0.19%——平均每页大约两处，主要是重音符号、下标 iota 以及 συν-/συγ- 的同化现象。这就是坦诚公布的误差范围。

一家圣经软件公司为何要下这种功夫

这并非出于对数字人文学科的热爱。我们必须这么做，仅仅是为了能够向用户提供真正的塞耶词典——因为我们找不到任何一流的数字化文本可供授权、购买或借用。当公开生态所能提供的全都是残破不全的文本以及冠其名号的简易释义集时，将真正的典籍交到读者手中的唯一办法，就是亲自把它创造出来。

更因为对研究引擎的信任从来不是一句营销口号——它是填充该引擎的数据流水线所具备的内在属性。当你的 AI 助手通过 Darash 与你一同研读希腊语并引用塞耶词典时，该引文必须是真正的塞耶词典——即 1889 年的原版文本，而非顶替其名的简易释义集。据我们有据可查的源头检索，这是目前公开领域中唯一一份一流的数字化塞耶词典——如果有人能向我们展示更好的版本，那将是令人欣喜的幸事，而非坏事。它于 2026 年 9 月 2 日正式集成至 Darash，在此之前一直处于封存状态，直到每个词条都通过了验证，因为一本徒有虚名的塞耶词典对任何人都没有帮助。

同样的严苛标准贯穿于我们名下的其余资产——词典、词法数据库、4,200 多部已出版版本——这也是我们为教会构建产品时秉持的准则。严谨并非我们后来添加的功能。它就是这家公司的立足之本。

数据盘点

常见问题

《塞耶希腊语词典》属于公有领域吗？

是的。约瑟夫·亨利·塞耶（Joseph Henry Thayer）编纂的《新约希英词典》（Greek–English Lexicon of the New Testament）于 1887 年由 Harper 首次出版——其序言签署日期为 1886 年，这也是人们通常引用的年份出处——并于 1889 年进行了修订。这两个版本均早已超出版权保护期。问题不在于版权，而在于数字化副本的质量。

为什么网上免费的塞耶词典版本并不可靠？

大多数可下载版本均源自早期的一个单一数字化版本，带有可证实的共有缺陷（丢失括号内的经文引用、遗留孤立标点、词条被合并）。那些并非源自该版本的文本则存在其他方面的缺失——遗漏缩写、遗漏末尾星号——在我们测试过的副本中，没有一个完整保留了印刷纸页上承载的全部内容。更有若干版本根本不是塞耶的原文，而只是节略本或简易词义列表。

我在哪里可以使用这份重建的塞耶词典？

在 Darash 内部，与 BDB、LSJ 和 Abbott-Smith 并列，通过任何支持 MCP 的 AI 助手（如 Claude 或 Cursor）即可使用。darash.publifye.pro 提供了完整语料库的免费试用。

准确性是如何验证的？

通过不同路径进行的两次转录轮次逐词元进行校勘比对，引入来自无关模型家族的第三轮次作为独立见证，设立对抗性审查机制竭力推翻“零词条丢失”的结论，运行与转录流程机制完全独立的书眉测试及字母空缺测试，并对每一个词条进行最终通读——存疑之处均在书页图像本身上进行裁决。

---

使用真正的塞耶词典研读希腊语： 将您的 AI 助手连接至 Darash——免费试用，无需安装任何软件。

作者：Jørn André Halseth，Publifye AS 创始人——深耕圣经出版及出版系统开发十年，出版了 4,200 多种圣经版本，同时也是 Darash、Junifye、Lexifye 和 Tringine 的作者。关于 · 联系方式