寓言
抄书人和暗号库,两件事不能混
县城里有一座大书院藏了很多古籍。院长想让学生查资料更快,找了两个助手来想办法。甲助手把每本书的重要内容抄写成暗号——一串很长的数字,每本书的暗号都不一样,意思相近的书暗号也相近。乙助手则在书院旁边建了一座暗号库,把所有暗号按目录存放,还设计了按相似度检索的方式。
甲助手做完第一批暗号,很得意地交给院长。院长问学生怎么用这些暗号查资料,甲助手说这些暗号已经写好了,查就行了。院长问从哪里查、怎么输、相似度怎么算,甲助手说这不在他的工作范围内。
乙助手来汇报工作,带来了暗号库的图纸。院长问暗号在哪里,乙助手说还在等甲助手交付。院长说你们不是一起做的吗,乙助手说甲助手只负责抄写暗号,建库是我的工作,两件事分开立项的。
后来甲助手终于把所有暗号抄完了,乙助手把它们录入暗号库。录入的时候乙助手发现,有些暗号写得潦草,数字错了好几位;有些书被抄成了暗号,但抄的人不懂专业术语,出来的暗号意思全拧了。乙助手问甲助手能不能重新核对,甲助手说他只负责抄,不负责对内容负责。
暗号库建好后的第一次检索,院长发现结果很离谱。查"经营风险"出来的全是"财务报告",看起来相关,细看完全不是一回事。乙助手查了半天,说是暗号质量有问题——有些术语的暗号跟另一个领域的术语暗号相似度太高,区分不开。
院长后来请了一位老学者来诊断。老学者说:暗号和暗号库是两件事。暗号解决的是把知识装进数字里,暗号库解决的是把数字快速找出来。你们现在的麻烦是,暗号做得好不好没人管,暗号库建得再快也白搭。
后来书院定了两条规矩:抄写暗号的人必须对原文负责,验收时抽检暗号质量;暗号库索引结构每年评估一次,按检索命中率调整。两件事变成了一条链上的前后环节,而不是两个独立的工作包。