工程师用 AI 智能体工作流在荷兰东印度公司档案中发现失传陨石与火山记录

作者利用自建的 AI 研究管道，对荷兰东印度公司（VOC）的数百万页数字化手写档案进行了深度检索，成功发现了三则被主流科学目录遗漏的历史记录：1812 年马哈拉施特拉邦最早的陨石坠落报告、1738-1740 年间送往斯里兰卡国王却死在途中的三只爪哇犀牛，以及三次未被史密森尼学会全球火山计划收录的火山爆发事件。

该项目的核心在于构建了一个分层处理架构而非单一模型调用。首先使用 Embedding 技术将 570 万段文本转化为数学指纹以解决古荷兰语拼写混乱导致的关键词搜索失效问题；随后引入名为 Jev 的小型决策模型作为“过滤器”，以极低算力成本筛选出 5.9 万条候选记录；最后由 Claude Haiku 进行翻译提取，并由 Agent 调取原始扫描件进行 OCR 校对和事实核查。这种设计解决了传统 RAG 在处理长尾数据时幻觉率高且无法验证的问题。

作者强调该流程并非完全自动化，而是人机协同的辅助研究模式，通过已知事件（如拉基火山爆发）作为“埋藏的手表”来校准系统灵敏度。目前发现结果已开源为 Antiquity 工具包，展示了端侧或低成本 GPU 集群在特定垂直领域数据处理上的可行性，但同时也指出对于未转录的日志等深层数据仍需进一步探索。