《图书馆理论与实践》副主编郭生山先生就技术与图书馆发展的主题，从不同视角向刘炜先生作了访谈。
标签： 智慧图书馆
Orbis Cascade联盟加入ReShare社区
Orbis Cascade 联盟于近日宣布加入ReShare社区。Orbis Cascade将致力于实现ReShare的愿景，即打造一个开源的、由社区共同拥有的图书馆资源共享平台。ReShare社区强调通过合作开发满足图书馆用户的功能需求，这与Orbis Cascade联盟的价值观和愿景保持一致。
漫谈大模型与图书馆应用
“社区博客”是云瀚社区分享技术洞察与实践体会的专栏。本栏目专注于探讨图书馆技术应用与思考，旨在促进深入交流，洞察技术在实际中的应用效果、价值及潜力。本文《漫谈大模型与图书馆应用》由方洋撰写，探讨了大模型技术，特别是ChatGPT等AI工具，在图书馆领域的应用潜力与现状。
2024图书馆系统报告（节选）
2024年5月1日，Marshall Breeding发布《2024年图书馆系统报告》。报告系统概述了图书馆技术市场的竞争格局、行业现状与发展趋势。本文主要提取报告中与图书馆服务平台FOLIO及开源相关的内容进行编译介绍。
云瀚社区治理架构升级 助力技术生态蓬勃发展
3月16日，云瀚社区审议并通过了最新修订的《智慧图书馆技术应用联盟章程》。新的章程描述了社区全新的治理架构，其目的在于进一步提升云瀚成员在社区事务中的参与度、增强决策流程的透明度和公平性，推动社区健康、高效和可持续发展。目前，云瀚社区的组织架构包括社区委员会、应用委员会、技术委员会和专家委员会，社区委员会下设秘书处和社区运营。
北京城市图书馆无感借阅书房系统介绍
2023年12月27日，作为北京城市副中心的三大文化建筑之一，文化界的新晋“网红”地标，北京城市图书馆正式开馆试运营，与首都图书馆华威桥馆址和首都图书馆大兴机场分馆共同构成首都图书馆“一馆三址”的服务新格局。
此次北京城市图书馆开创性实施了24小时“无感借阅”书房，实现了无人值守、无感借阅的创新服务体验。该24小时无感借阅书房由首都图书馆与云瀚成员单位阿依瓦技术有限公司联合建设。
基于 FOLIO 平台的图书馆馆藏资源管理
“十四五”以来，智慧图书馆建设逐渐进入高质量建设深水区。新一代图书馆服务平台是智慧图书馆建设的重要抓手。上海图书馆云瀚平台是FOLIO的中国化。云瀚以“平台+应用”的模式为系统开发提供了足够的灵活性和可扩展性。FOLIO馆藏管理系统就是云瀚平台的首个应用模块。上海图书馆在前期用户需求调研基础上，利用云瀚平台的业务和技术底座，并复用FOLIO社区的LSP基座模块，扩展开发了3个基础Apps（详编、简编、数据导入）和5个业务Apps（验收、出入库、移库、清点、剔旧）。初步实现了上海图书馆纸质馆藏资源的全流程管理。
进化中的图书馆AI策略：来自ARL成员代表九个月两次调查的见解
新一代人工智能（AI）技术的兴起，为图书馆界带来了重要的转型契机，开启了一个充满崭新机遇和复杂挑战的新时代。在这个技术迅速变革的时代，图书馆正处于一个关键的十字路口。为了有效应对这一变革，研究图书馆协会（ARL）的成员先后进行了两次快速调查。
第一次调查在2023年4月开展，初步勾勒了图书馆AI领域的概况。第二次调查于2023年12月进行，延续了这一探索，为我们提供了一个比较的视角，以观察AI在图书馆服务中的应用及其发展潜力的进展。
本研究对比分析这两次调查结果，以深入理解图书馆领导者如何应对将AI整合至运营与服务中的复杂挑战。研究特别关注对AI潜在影响的看法变化，评估图书馆内部AI探索和实施的程度，并确定与当前图书馆环境紧密相关的AI应用。
此次比较分析得出的见解，阐明了图书馆在一个日益由AI驱动的时代中所扮演的角色，提供了战略方向，并突显了研究图书馆的实践做法。
上海图书馆云瀚智慧图书馆服务平台的探索和思考
根据开放、智慧、包容、共享的现代图书馆理念和发展趋势，上海图书馆调研FOLIO开源图书馆服务平台、开创FOLIO的中国化“云瀚”，以“平台+应用+社区”的开放技术和理念在上海图书馆东馆构建了云瀚智慧图书馆服务平台，协助实现上图东馆的智慧服务。上海图书馆云瀚智慧图书馆服务平台是自托管、可扩展、云原生和可观测的，涵盖图书馆资源的统一管理和发现、全场景服务，支持广泛的智慧服务场景。文章探讨了中国智慧图书馆服务平台的构建路径、 发展思路、竞争力、永续性，上海图书馆云瀚智慧图书馆服务平台的探索对中国智慧图书馆建设具有重要意义。
美国国会图书馆实验室人工智能规划框架
《美国国会图书馆实验室人工智能规划框架》由美国国会图书馆实验室高级创新专家Abigail Potter撰写，最早于2022年提出，并于2023年11月进行了更新发布。文件旨在为图博档机构提供实用的指导和战略方针，以应对迅速发展的人工智能技术所带来的挑战和机遇。这一框架为组织提供了清晰而系统的方法，帮助他们在实验和部署人工智能解决方案时，更好地理解其需求、风险和机遇，值得研究参考。