1. 拥有多种声音的文库
有用的目录不能把全部佛教文献视为某种单一立场可互换的表达。典藏、语言、文类与注释传统各不相同。原典、现代导论与口头开示，可能讨论同一术语却服务不同目的。在算法合并检索结果之前，就应让它们的关系可见。
因此，我们拟议的设计分别记录文本的语言、文类、归属作者、版本与传统背景。这些描述应容许不确定性与分歧。关联记录是有用的；悄悄决定某条记录是佛教的最终表达，则不是。共享的发现系统可以保留独特声音，而这些声音使比较值得进行。
2. 从作品走向可核查段落
佛教数字资源中心（BDRC）的 BUDA 文档，区分概念层面的作品与具体版本。[3] 这是追踪版本、译本与数字呈现而不混淆它们的有用起点。
对未来 Matreya 试点，我们提议建立从作品到版本、数字对象，再到页码或片段的可追溯链条。引用应指出译者与版本，而不只是提及著名经典。版本改变后，旧引用仍应可理解。原始拼写可与规范化检索形式并存。可能的平行文本应与已确认的对应区分；日期不确定时应标明，而非猜测。元数据属于研究论证的一部分，不是采集之后附上的装饰。
- 01来源→
- 02权利与同意→
- 03文本版本→
- 04核查
Matreya 编辑图示：用于说明方法，并非实验结果。
3. 图像是独立的来源
写本图像保存版式、损伤、修改及其他无法由文字转录完全呈现的特征。BDRC 的数字化指导为将拍摄与记录视作实质性保存工作提供实际参照。[5]
建议流程将图像、光学字符识别结果、校订转录与译文保留为不同层。每层都有自己的审查状态和修订历史。志愿者的校正应可署名、可撤销。测试应包括受损与难辨页面，而非只用清晰样本。报告单一准确率不足以满足需要：读者应看到遗漏、虚构字形与改变意义的错误实例。漏掉一个否定词，可能比正确识别许多常见词更重要。
4. 让翻译决策可见
流畅的译文不自动是最精确的。术语取决于文类、读者与解释选择。语料库应帮助读者检查这些选择，而不假装每个术语都有唯一普遍对应词。
84000 的指导原则包括准确、可读，以及对译者的支持。[4] 对我们拟议的实践，启示是让导论、注释与编辑语境持续关联译文。术语映射应注明作者与适用范围。在某部注释中合适的对应，在另一部可能误导。获得许可时，机器翻译可辅助起草；公开的研究译文则需要合格审校，或显著说明尚未经此类审校。
5. 可以获取不等于无限许可
古代作品、现代译文、扫描件、注释与软件接口，可能有不同的再利用条件。BDRC 区分开放与受限材料，也无法授予第三方持有的权利。[2] 网页可读，本身并不是对一切后续用途的许可记录。
SuttaCentral 在许可政策中区分材料类别，并明确请求不要采集其内容用于生成式人工智能数据集。[1] 分析许可时也应重视这一立场。本文查阅的84000条款网页标为草案，不能把其中有区别的规定说成模型训练的普遍授权。[6] 我们建议在导入之前，记录获许可的存储、发表、转换与转移用途。具体权利问题须单独评估，不能从“开放”标签推断。
6. 保存与发表可以不同
BDRC 既描述版权限制，也描述文化性的访问限制。[3] 这些条件关乎活的传统中的关系与责任，不应只被当作工程师要移除的障碍。
档案可以保存说明，而不公开底层材料。公开目录记录、受限保存副本与开放阅读文本，是不同选择。社群需要实际可用的途径申请更正或重新考虑。口头录音尤其需要谨慎：同意研讨会使用，并不自动授权永久公开声音或训练模型。同意应以易懂方式说明拟议用途。当开放扩展参与者的行动能力，而非在一次初始决定后剥夺其控制时，开放才有价值。
7. 可承受的首批典藏
可信的试点可以从一小组已达成共识、来源与许可清楚的文本开始，比较获授权的译本，并评估检索工具是否返回正确段落。这是可能的设计，不是声称权限或语料库已存在。
成功意味着独立读者能够重建工作。每份文档需要稳定标识、版本说明、权利记录与审查状态；每项更正需要理由与署名。权利不清的材料应暂缓；未经审校的语言应标明；困难页面不应悄悄从评估中消失。这些停止规则让项目在首次公开演示后仍可维护。
8. 文库是一项持续合作
随着释读改善、错误出现与访问条件发展，数字传承也会变化。因此，系统不只需要下载按钮，还需要更正程序和版本历史。贡献者应能看到自己的专长如何获得认可，以及工作如何惠及相关社群。
对 Matreya 而言，开放问题很具体：社群优先重视哪些文本，哪些语言服务不足，学生与专家需要什么，谁能长期维护目录？技术应跟随这些决定。佛教与科学对话的首份贡献，或许只是让来源更容易找到，同时不破坏其语境。待相关用途明确达成共识后，再开展人工智能评估。
要点
- 分别追踪作品、版本与段落，保留核查引文所需的语境。
- 内容可读、再利用权利及同意人工智能处理，是不同事项。
- 从小规模、有记录且参与者可审查、纠正和维护的试点开始。
来源与延伸阅读
链接指向原始论文、文献或机构官方网站。不同材料的获取与再利用条件可能不同。
- LicensingSuttaCentral
材料类别及有关生成式人工智能数据集的具体请求；须逐项核查。
- Access PoliciesBuddhist Digital Resource Center
开放与受限材料，以及第三方权利。
- Frequently Asked QuestionsBuddhist Digital Resource Center
作品与版本的区别、电子文本来源和文化性访问限制。
- Guiding Principles84000: Translating the Words of the Buddha
翻译原则；引用不意味着与 Matreya 建立合作关系。
- Digitization GuidelinesBDRC / BUDA
数字化项目文档。
- Terms of Use (DRAFT)84000: Translating the Words of the Buddha
所查网页标为条款草案，并非再利用的普遍授权。
