下载：
汉语成语源流大辞典.zip (11.0 MB)
谢谢制作。
边使用、边反馈使用中发现的问题
太牛了兄弟。能不能搞个文字图片综合版啊？这个《成语源流大词典》收词太牛叉了。
生僻字也是ai核对的吗，我之前试现代汉日辞海，发现ai生僻字会认错，容易把对的改错。
gpt 6 astra校改生僻字很专业，除了查看原始图片，还会生成很多近似字来比对，但额度消耗太厉害了，我现在通常用gpt 6.1 sol。
这是原来OCR的版本，又用AI校核的？
我没有用别人的版本，从零开始让AI自己做的。
@endnote 这是我做生僻字识别的skill，欢迎使用，无版权限制，可以自由上传GitHub。
rare-hanzi-source-proofreading.zip (11.0 KB)
麻烦请教阁下用的是什么模型，如果是sol还好，astra就受不了了
拆包看起来，有些词汇是没有收录的（飞走斝），有错误（ 冬温夏清），有些有但是没成为词头（卬首信眉）。可以让AI收录下帖主的校对
制定方案用astra，执行用sol，子agent用luna。目前AI核对是做不到完全正确的，等明年AGI实现了估计就能接近完美了。
astra我一般只用来写代码或者生成一些复杂的排版格式，校对几百万字的文本太费额度了，sol日常校对没问题
和我用的方法不同，我之前是让ai把SimSun-ExtG全部rasterize成图片，然后和原书对比，找到相似度最高的，实际很多情况下正确的字排不到第一位，还需要人工核对一遍。另外我不是从头让ai处理的，而是用带每个词bbox的chrome lens ocr文本为基础让ai在这个和另一个文本的基础上校对的。
这种大部头，人工校对基本不可能，而且错误也未必一定能校出来。AI校对是必行之路。
人工校对只能Wiki分包+专家把关+版本留查。我还是相信人机协作，纯AI难以对付庞大的汉字生僻字异体字
是人工只校对疑难字，其他给ai校对，我现在处理其他词典普通ocr无法解决的问题都是先标注一部分数据，然后让ai训练专用模型处理的
从体量上来说，汉字本身就是非常小的，就算用新字海的收字量来看也才30万左右，AI处理起来非常轻松的，只是没有人专门去训练这一块而已。
