图书馆信息化服务演进：从检索系统到智能中枢

图书馆信息化折腾了三十年。

1990年代用OPAC检索终端替代卡片目录。2000年代上架自助借还机。2010年代上线数字资源平台。系统买了，设备装了，读者还是排队问工作人员。能用，但不好用。

2025年是个转折点。中山纪念图书馆引入AI馆员，香山书房智慧管理系统覆盖全市106个节点。信息化从”堆工具”变成”做服务”。演进的核心不在于技术本身，在于技术怎么嵌入服务流程。

一、传统信息化服务的痛点

1.1 检索系统的”有书找不到”问题

OPAC检索系统解决了卡片目录的效率问题，但引入了新痛点。

检索词匹配机制存在天然缺陷。用户输入”人工智能”，系统返回书名或主题词包含”人工智能”的所有记录。但一本书可能叫”机器学习导论”，内容却全是人工智能。用户找不到，系统匹配不到。

中山纪念图书馆在引入AI馆员前，做过一次读者调研。结果显示：60%的读者曾遇到”系统显示在馆，书架上找不到”的情况；45%的读者因检索困难放弃借阅；30%的读者直接问工作人员，而不是使用检索终端。

检索系统的设计逻辑是”精确匹配”，读者需要的是”语义理解”。两者有鸿沟。

1.2 数字资源的”信息孤岛”问题

图书馆的数字资源通常分散在不同平台：电子书系统、期刊数据库、音视频资源库、在线课程平台。

每个平台独立登录、独立检索、独立界面。读者要找一篇期刊论文，得先判断属于哪个数据库，然后登录对应系统，再在该系统内检索。跨库检索功能在技术上可行，但大多数图书馆没有实施。

中山纪念图书馆在2024年整合数字资源前，拥有12个独立数据库。读者平均需要尝试3次才能找到目标资源。老年读者和低龄儿童用户尤其困难——他们往往不具备判断数据库归属的能力。

信息孤岛的后果是资源利用率低下。中山纪念图书馆的数据显示：期刊数据库的月访问量仅为馆藏书籍借阅量的5%；在线课程平台的注册用户中，活跃用户比例不足10%。

资源有了，但读者用不起来。

1.3 物理空间的”静态化”问题

传统图书馆的空间管理依赖人工。座位分配靠现场引导，馆藏布局靠经验判断，人流监控靠肉眼观察。

这种模式有几个问题：一是效率低下，高峰期座位引导耗时；二是数据缺失，无法掌握空间使用规律；三是响应滞后，布局调整需要人工统计和分析后才能决策。

中山纪念图书馆在2023年做过一次空间使用调研。结果显示：少儿阅览区周末平均拥挤度达到95%，而成人阅览区同期拥挤度仅为60%；北楼三层社会科学区域借阅量持续走低，但空间布局未调整。

空间是图书馆的核心资产，但传统管理模式无法让空间发挥最大效益。

二、智能检索：从关键词匹配到语义理解

2.1 AI检索系统的技术原理

中山纪念图书馆AI馆员”小图图”的检索功能，采用的是检索增强生成（RAG）架构。

RAG架构的核心思路是：把图书馆的馆藏数据、书目信息、读者行为数据构建成知识库；当用户提问时，AI先从知识库检索相关信息，再基于检索结果生成回答。

这种架构能做”语义理解”。用户说”我想找人工智能入门书”，AI识别”入门”意味着通俗读物而非专业教材；识别”人工智能”包括机器学习、深度学习、自然语言处理等领域；根据用户画像，少儿推荐绘本，成人推荐技术读物。

2025年12月31日上线仪式后的实测数据显示：AI馆员的图书定位响应时间平均为2秒；定位准确率达到92%；读者满意度评分4.5/5。

对比传统OPAC检索系统：响应时间平均15秒（输入、匹配、呈现），读者调研显示60%遇到”找不到”问题。

效率提升明显。检索从”用户适应系统”变成”系统理解用户”。

2.2 知识库构建的实践难点

RAG架构听起来美好，但落地有难点。

知识库构建是第一道坎。图书馆的馆藏数据分散在不同系统：图书管理系统、期刊管理系统、数字资源平台、读者管理系统。要把这些数据整合成统一知识库，需要打通系统间的数据壁垒。

中山纪念图书馆在引入AI馆员前，花了三个月时间做数据整合。书目信息从图书管理系统导出，期刊信息从数据库接口获取，数字资源元数据从各平台采集。整合过程中遇到的问题包括：数据格式不一致（有的系统用ISBN，有的用内部编号）、字段缺失（部分旧书目缺少主题词）、数据冲突（同一本书在不同系统中的信息不一致）。

数据清洗是第二道坎。AI检索的效果取决于知识库的质量。脏数据会导致AI生成错误回答。中山纪念图书馆在数据清洗阶段投入了专人力量：核对书目信息、补充缺失字段、解决数据冲突。

知识更新是第三道坎。馆藏数据是动态的：新书上架、旧书下架、馆藏位置调整、借阅状态变化。知识库需要同步更新。中山纪念图书馆的做法是建立增量更新机制：图书管理系统每次变更数据，同步推送至AI知识库。

这三个坎越过，AI检索才能落地。不是买一套系统就能解决问题，需要数据工程支撑。

2.3 用户行为数据的赋能

AI检索的另一个优势在于用户行为数据的利用。

传统检索系统不记录用户行为。用户输入什么、检索结果是什么、用户最终选择了什么——这些数据没有被系统化采集和分析。

AI馆员改变了这个局面。每次检索交互都被记录：用户提问内容、AI回答内容、用户后续行为（是否借阅、是否追问）。这些数据可以转化为运营洞察。

中山纪念图书馆的数据分析团队做过一次实验：分析AI馆员上线后一个月的检索日志，发现高频检索词集中在”绘本推荐””健康养生””本地历史”三类。运营团队据此调整馆藏布局：少儿阅览区绘本陈列面积扩大20%；成人阅览区新增健康养生专题书架；地方文献室增设中山历史专题展架。

检索数据从”系统日志”变成”决策支持”。

三、数字资源整合：打破信息孤岛

3.1 “e启阅”平台的架构设计

中山纪念图书馆的数字资源整合平台叫”e启阅”。

平台的核心理念是”一站式访问”。期刊论文、电子图书、音视频课程、数据库检索——所有数字资源在单一平台内可访问。

技术架构包括三个层次：

资源层：各数字资源平台通过API或数据接口接入e启阅平台。期刊数据库提供检索API，电子书平台提供访问接口，音视频平台提供播放接口。

整合层：e启阅平台构建统一索引。所有数字资源的元数据（标题、作者、主题、来源）被整合到统一索引库。用户检索时，平台从索引库匹配，再调用对应资源平台的接口获取内容。

服务层：平台提供统一界面。用户在单一界面内完成检索、浏览、下载、播放。不需要切换平台、不需要重复登录。

平台的难点在于”接口对接”。不同资源平台的API标准不一致，有的支持标准协议，有的使用私有接口。中山纪念图书馆在平台建设阶段，与各资源平台逐一对接，解决接口兼容问题。

3.2 AI智能检索的赋能

e启阅平台的另一个创新在于AI智能检索。

传统数字资源检索依赖关键词匹配。用户输入关键词，系统返回标题或元数据包含关键词的资源列表。问题与OPAC检索类似：匹配精确但语义理解不足。

AI智能检索引入了语义理解。用户说”我想了解深度学习的应用案例”，AI能识别用户意图（不是学习理论，而是看实际应用），能扩展检索范围（搜索”深度学习应用””神经网络实践””AI落地案例”等相关主题），能筛选资源类型（优先推荐视频课程和案例文档，而非理论教材）。

中山纪念图书馆的数据显示：e启阅平台引入AI检索后，期刊数据库的月访问量提升300%；在线课程平台的活跃用户比例从10%提升至35%。

资源利用率提升的关键在于”降低使用门槛”。当检索变得简单，资源自然被用起来。

3.3 分权限访问的实现

数字资源整合面临一个管理问题：不同资源有不同的访问权限。

期刊数据库可能限制校外访问；电子书平台可能限制并发用户数；付费课程可能需要单独订阅。平台整合后，如何统一权限管理？

中山纪念图书馆的解决方案是”分权限访问”。e启阅平台集成读者管理系统，识别用户身份（总馆读者、分馆读者、香山书房读者、校外访客）。不同身份对应不同权限：总馆读者可访问所有资源；分馆读者访问权限与总馆一致；香山书房读者可访问电子书和音视频资源；校外访客可访问公开资源。

权限管理的关键在于”无感切换”。用户登录后，平台自动识别身份，展示可访问资源。用户不需要手动选择权限类别，系统自动适配。

四、空间数字化：从静态容器到动态系统

4.1 3D导览系统的实践

中山纪念图书馆主馆的3D导览系统，不是简单的平面地图。

系统构建了馆内三维空间模型：楼层布局、区域划分、书架位置、设施分布。用户可以在虚拟环境中漫游，提前了解馆内布局；到现场后，按照导航路径快速找到目标区域。

3D导览的价值在于”降低陌生感”。新读者进图书馆，空间复杂容易迷失。进入前就能熟悉结构，到达后导航指引。

中山纪念图书馆的数据：引入3D导览后，读者”迷路求助”次数下降70%，找书时间从8分钟缩短至3分钟。

空间从”陌生环境”变成”熟悉场所”。

4.2 智能座位预约系统

座位预约是图书馆空间管理的经典问题。传统模式依赖现场引导：读者到达后，工作人员分配座位。高峰期效率低下，座位利用率难以优化。

中山纪念图书馆引入智能座位预约系统，核心功能包括：

在线预约：读者通过手机或网页提前预约座位。系统展示实时座位状态（空闲、已预约、占用），用户选择座位并预约时段。

扫码入座：预约时段内，读者到现场扫码入座。系统确认身份，座位状态变为占用。

超时释放：预约时段开始后，读者未在规定时间内到达，座位自动释放。防止座位被预约但未使用。

数据记录：系统记录座位使用数据——预约时段、实际占用时长、用户类型。这些数据用于空间使用分析。

系统的价值在于”空间资源优化”。中山纪念图书馆的数据分析显示：周末少儿阅览区座位利用率达到95%，成人阅览区仅为60%。运营团队据此调整空间分配：少儿阅览区座位数量增加20%，成人阅览区部分区域改设为少儿阅览延伸区。

空间从”静态分配”变成”动态优化”。

4.3 人流监控与预警

香山书房智慧管理系统的人流监控功能，是空间数字化的延伸。

系统实时采集各书房的人流数据：进出人数、在场人数、停留时长。数据汇总到中山纪念图书馆的”中控系统”，每45秒大屏滚动更新百家书房状态。

监控的价值在于”运营预警”。某书房人流突然下降，系统提醒检查设备；某书房人流持续高位，系统提示增加供给。

2024年世界读书日，香山书房的数据监控发挥了作用。西苑社区店人流激增，系统预警，运营团队提前调配人员和物资。当天接待读者量达到日均的3倍，服务未中断。

人流监控从”事后统计”变成”实时预警”。

五、总分馆体系联网：从单点到网络

5.1 香山书房智慧管理系统

中山市香山书房的核心创新在于”总分馆联网”。

传统分馆体系存在资源壁垒：总馆藏书，分馆藏书，各自独立。读者在分馆借书，只能在分馆归还；分馆需求旺盛的书，无法从总馆调配；总分馆间的图书流转依赖人工调度。

香山书房智慧管理系统打破了壁垒。系统将全市106个书房统一联网：图书资源共享、借阅记录打通、物流调度自动化。

资源共享的实现：所有书房的图书纳入统一库存。某书房借出的书，可以在任意其他书房归还。系统自动更新库存状态，物流团队定期调配图书，平衡各书房的藏书结构。

借阅记录打通的实现：读者在任何书房的借阅记录，汇总到统一系统。读者可以在任意书房查询自己的借阅历史、预约图书、续借操作。

物流调度自动化的实现：系统根据各书房的借阅数据，生成调配建议。某书房少儿读物需求激增，系统从其他书房调运少儿图书；某书房某类书籍长期闲置，系统建议调往需求旺盛的书房。

系统的价值在于”资源流动”。图书馆从”单点资源仓库”变成”网络化资源中枢”。

5.2 RFID技术的支撑

香山书房智慧管理系统的基础技术是RFID（射频识别）。

每本书贴有RFID标签，标签存储书籍的唯一标识。自助借还机通过RFID读取书籍信息，无需人工扫描ISBN。

RFID技术的优势在于”批量识别”。传统条码扫描需要逐本操作，RFID可以批量读取——把多本书放在自助设备上，系统同时识别所有书籍。

中山纪念图书馆的数据显示：自助借还机的平均操作时间从条码扫描的30秒缩短至RFID的5秒。高峰期排队时间下降80%。

技术的价值在于”效率提升”。当操作变得简单，服务自然顺畅。

5.3 数据驱动的运营决策

香山书房智慧管理系统的核心价值在于”数据驱动”。

系统每天产生数据：各书房的人流量、借阅量、图书流转量、设备使用率。这些数据汇总到中山纪念图书馆的中控系统，转化为运营决策。

2024年3月，文化和旅游部的官方报道披露了中山香山书房的运营数据：全市106家书房，累计接待读者约280万人次，举办文化活动1300多场，平均每个书房月均运营费用仅1万元。

低成本运营的背后是数据支撑。系统识别高流量节点和低流量节点，资源配置优先保障高流量节点；系统监控设备故障率，维护资源优先投放故障率高的书房；系统分析借阅偏好，图书采购优先满足高频需求。

运营从”经验判断”变成”数据决策”。

六、AI馆员的信息化角色

6.1 咨询响应自动化

AI馆员”小图图”的核心功能是咨询响应自动化。

传统咨询服务依赖人工。读者有问题，排队问工作人员。高峰期响应时间长达30分钟；非开馆时间无法咨询；重复性问题消耗大量人力。

AI馆员改变了局面。咨询响应24小时在线；平均响应时间2秒；重复性问题由AI处理，工作人员专注于复杂咨询。

中山纪念图书馆馆长钟远薪接受中山日报采访时说：”AI馆员的引入缓解了传统咨询服务压力，让馆员更专注于深度导读与个性化服务。”

咨询自动化的价值在于”人力解放”。当重复工作交给AI，人可以做更有价值的工作。

6.2 个性化推荐的实现

AI馆员的另一个功能是个性化推荐。

传统推荐依赖通用榜单：新书通报、热门书籍、主题推荐。榜单不分用户类型，所有人看到相同内容。

AI推荐基于用户画像。系统分析用户的借阅历史、检索行为、提问内容，构建用户画像。基于画像，AI生成个性化推荐：少儿读者推荐绘本；关注健康的中老年读者推荐养生书籍；检索本地历史的读者推荐中山文史资料。

推荐从”统一供给”变成”按需定制”。

6.3 互动学习体验的营造

AI馆员在少儿阅览区的应用，营造了互动学习体验。

孩子们通过语音与AI对话，快速定位图书、参与知识问答。钟远薪说，这”为小读者提供了更具陪伴感的互动学习体验”。

互动的价值在于”激发学习热情”。当学习变成对话，孩子的主动性被唤醒。图书馆的氛围从”安静读书的地方”变成”可以提问、可以互动、可以探索的地方”。

七、未来趋势：知识图谱与语义检索

7.1 知识图谱的构建方向

当前AI检索基于RAG架构，下一阶段的方向是知识图谱。

RAG架构的优势在于”快速落地”——利用现有数据构建知识库，无需复杂的知识工程。但RAG的局限在于”知识碎片化”——检索结果是离散的信息片段，缺乏关联性。

知识图谱的优势在于”知识结构化”——构建实体间的关联网络。一本书关联作者、主题、相关书籍、读者评价；一个主题关联相关书籍、研究进展、应用案例。用户检索时，系统返回的不是孤立信息，而是知识网络。

中山纪念图书馆正在探索知识图谱构建。当前阶段的工作包括：书目信息的实体抽取（提取作者、主题、关键词等实体）；实体关联的建立（同一作者的不同书籍、同一主题的相关文献）；关联网络的构建（书籍、作者、主题、读者行为的关联图谱）。

知识图谱落地需要时间，但方向明确。

7.2 语义检索的深化方向

当前AI检索的语义理解能力有限。用户说”我想找人工智能入门书”，AI能识别”入门”和”人工智能”，但对”入门”的理解可能不准确——是零基础入门，还是有一定基础的入门？是技术入门，还是概念入门？

语义检索的深化方向在于”精准意图识别”。系统需要更细粒度地理解用户意图：用户的专业背景、学习目标、阅读偏好。这需要更丰富的用户画像和更复杂的语义模型。

中山纪念图书馆正在积累用户行为数据，为语义检索深化做准备。每次检索交互都被记录，用户画像持续更新。未来，AI能基于用户画像做出更精准的推荐。

7.3 跨馆资源互联的愿景

当前香山书房智慧管理系统覆盖中山市内106个节点。下一阶段的愿景是”跨馆互联”。

系统正在与珠三角其他城市图书馆对接。未来，中山市民可能能借阅广州图书馆的书，香山书房能访问深圳图书馆的数字资源。

跨馆互联的技术基础是统一标准：书目信息的标准格式、借阅记录的标准接口、数字资源的标准协议。中山市正在参与珠三角图书馆联盟的标准制定工作。

愿景的实现需要区域协作，但趋势不可逆转。

八、结语：技术服务于人

图书馆信息化演进的启示：技术服务于人，不是人适应技术。

传统信息化的误区是”堆工具”。系统买了、设备装了，读者还是排队问工作人员。技术没嵌入服务流程，读者被迫适应技术。

中山纪念图书馆的实践表明：信息化要从”堆工具”转向”做服务”。检索系统从关键词匹配转向语义理解，系统理解用户；数字资源从分散平台转向一站式整合，降低门槛；空间管理从静态分配转向动态优化，数据驱动决策；总分馆从单点资源转向网络共享，资源流动；咨询服务从人工排队转向AI自动化，人力解放。

技术不是目的，服务才是目的。技术嵌入服务流程，信息化才真正落地。

中山纪念图书馆AI馆员”小图图”2025年12月31日上线。不是终点，是起点。信息化演进还在进行，方向明确：让图书馆更好地服务人。

参考来源

1. 《触碰未来·”AI”上阅读 | 中山纪念图书馆AI馆员上岗啦！》，搜狐网，2025年12月31日
2. 《广东中山市探索”两低一高”香山书房新模式》，文化和旅游部官网，2024年3月6日
3. 《当AI遇见香山——解码世界读书日中山现象》，珠海特区报，2024年4月23日
4. 《打开”阅读+”无限可能》，《南方日报·中山观察》
5. 中山纪念图书馆官方网站，www.zslib.cn
6. 国际图联（IFLA）《图书馆人工智能引入指南》，2025年6月
7. 教育部等五部门《”人工智能+教育”行动计划》（教科信〔2026〕1号），2026年4月2日

铁三角团队 · 峰哥 | write | tech
共同成长 💪