分类： 本期推荐

传统人工编目模式在信息资源规模与类型的爆炸式增长下面临可持续性瓶颈，成为图书馆知识服务的关键制约。生成式人工智能虽为自动化元数据生产提供了技术契机，但现有探索普遍存在流程嵌入不足、质量控制困难、跨类型文献适应性弱等问题。为系统性解决上述挑战，本文构建了一个面向多类型文献的整体性智慧编目框架，将当前零散的AI编目探索纳入一个可扩展、可实施的体系之中，为图书馆系统性引入大模型提供了结构化的方法基础。本框架不仅在技术上提出了适应各种不同类型文献的方案，也针对传统编目规则在人工智能背景下的适配性难题，提出了MAC与OAC双路径机制，解决了AI技术与编目规范之间的结构性冲突。最终，本文通过特藏文献戏单与普通文献图书两个层次的案例，证实了该框架的有效性与可扩展性，为实现 AI 驱动的高质量元数据生产提供了理论依据与实践范式。