图书馆上AI，翻车才是常态

01 先讲一个真实的故事

先讲个真事。

2024年，某省会城市图书馆上线了一套AI馆员系统。预算120万，厂商的宣传册上写的是”国内领先的智慧图书馆AI平台”，听着就很高端。

上线第一天，有读者问：”这本书在哪？”

AI回答得特别详细。书名、作者、出版社、内容简介，一气呵成。还贴心地补了一句”三楼B区，第5排书架”。

唯一的问题是——这本”书”根本不存在。

系统一本正经地编了一本不存在的书，还编得有鼻子有眼的。读者去找了，没找到。回来再问，AI换了个位置说：”可能在四楼。”读者又去了，还是没找到。

来回跑了三趟，读者怒了，直接投诉到馆长办公室。

事后一查，问题出在哪？这个AI模型用的是通用大模型，压根没接图书馆的真实馆藏数据。它不是在”回答问题”，是在”编故事”。馆藏库里根本没有这本书，它”觉得”应该有，就自己造了一本。

结果呢？项目上线三个月后被叫停。120万，打了水漂。

这事不是个例。过去两年我断断续续接触了全国12个图书馆的AI建设项目，真正跑通、能用、不翻车的，不到一半。

所以今天这篇，不写那些光鲜的”智慧图书馆案例”，专门聊聊翻车的事。

先说清楚：我写这些不是为了唱衰，而是觉得——这些坑，值得被看见。

02 RFID翻车：每5本书就有一本读不出来

RFID，射频识别，图书馆智能化的第一块砖。没有它，自助借还、智能盘点全是空谈。

但就是这块最基础的砖，翻车的概率高得吓人。

真实案例：某大型城市图书馆

2023年，某一线城市图书馆花了几百万部署RFID自助借还系统。结果上线第一个月，读者投诉量暴涨300%。

问题出在哪？读不出来。

读者把书放在感应区，机器没反应。换了个角度，还是没反应。反复试了五六次，终于有反应了——但借的是A书，系统记成了B书。

业内叫”串读”。RFID信号覆盖范围没控制好，同时扫到了旁边几本书的标签，数据全乱了。

有机构做过统计，某些部署初期的RFID系统，串读率高达15%-20%。什么意思？每5次借还操作，就有1次数据是错的。

后果是什么？

读者以为借了书，系统没记录，逾期了还要被罚钱。读者还了书，系统没更新，书被标记”在借”，别人借不了。管理员呢？每天花2-3小时手动核对数据，比没用系统之前还累。

为什么翻车？

不是RFID技术本身的问题。问题出在实施环节，具体三个坑：

坑一：标签质量不过关。 低价竞标，选了个便宜的RFID标签供应商。标签的读取距离、抗干扰能力都不达标。正常能用5-8年的标签，有的3个月就开始掉链子。

坑二：读写器功率设得不对。 功率太高容易串读，功率太低读不出来。很多实施方一套参数打天下，书架金属材质不同、房间布局不同，参数完全一样。

坑三：防盗门和借还机没打通。 借阅系统更新了，防盗门的AFI状态位没同步。读者借完书出门，防盗门响个不停。读者尴尬地站在门口，管理员无奈地跑过来解锁。

我记得有个高校图书馆，上线RFID的第一周，防盗门报警声几乎没停过。技术团队在现场连轴转了一周，晚上回宿舍，耳朵里还嗡嗡响着报警声。

03 AI馆员翻车：一本正经地胡说八道

RFID的坑好歹还能通过技术调试解决。AI的坑，更麻烦。

因为AI的问题不是”读不出来”，而是”读出来了，但不对，而且说得特别自信”。

真实案例：中山纪念图书馆”小图图”上线前踩的坑

中山纪念图书馆2025年正式推出AI馆员”小图图”之前，踩了不少坑。

最初的版本，他们直接接了个通用大模型。结果呢？

第一个问题：馆藏数据不准。模型有时候凭空”创造”馆藏图书。读者问”有没有《三体》”，它说有，在二楼。实际上二楼那本早被借走了。

第二个问题：政策解答出错。读者问”逾期罚款怎么算”，模型给出的金额和实际规定差了3倍。有读者按AI说的金额去交罚款，当场和管理员吵起来。

第三个问题：开放时间搞混了。不同书房的开放时间不一样，AI有时候把A书房的开放时间安到了B书房上。

这些问题不是个别现象。四川大学图书馆张盛强团队2026年发表的一篇研究指出，当前图书馆引入生成式AI时，普遍缺乏对”AI幻觉”的系统性评估和防控机制。

说人话就是：模型没调好就直接上线了。

更隐蔽的问题：复合幻觉

今年5月我看到一篇技术分析，讲”复合幻觉”——在多阶段的AI流水线中，如果每个阶段都无条件信任前一个阶段的输出，一个小错误会像滚雪球一样越滚越大。

放到图书馆场景是这样的：

读者问：”有没有关于深度学习的中文书？”

第一阶段（意图识别）：正确识别了。
第二阶段（馆藏检索）：找到5本相关图书。
第三阶段（推荐排序）：AI自作主张，把一本”虽然相关但已经被借完”的书排到了第一。
第四阶段（生成回答）：AI说”这本书在馆，三楼B区”。

读者去了，书不在。

AI没撒谎，每一步看起来都没问题。但每一层都在”猜”，猜到最后结论就偏了。

这个问题，不是换一个更强的模型就能解决的。这是系统架构问题，得从根上重新设计。

04 无人值守翻车：127个书房，8个人管不过来

中山香山书房，127个书房，8个人管理，人力成本降了87%。这个数据在业内传得很广，经常被拿来当标杆案例。

但没人告诉你，这个模式刚起步的时候，翻过多少次车。

2022年，第一批试点的书房，问题一个接一个

翻车一：空调半夜自己关了。

有个书房是24小时开放的。凌晨2点，有读者扫码进去，发现空调是关的。夏天，30多度，待不住。

后来排查发现，系统的节能策略过于激进——检测到”无人”状态超过30分钟就自动关空调。问题是，读者扫码进馆到空调启动之间有延迟，先进去的人得先”蒸桑拿”10分钟。

翻车二：门禁失灵，读者被困。

读者扫码进去了，出来的时候门禁卡住，打不开。有个人在里面困了20分钟，最后打了求助电话才被放出来。

原因很奇葩：门禁系统和借还系统的数据同步有延时。借完书后门禁系统以为”书未归还”，拒绝放行。

翻车三：深夜被投诉。

有个书房选址在居民区楼下。深夜有读者进出，自动门的提示音、空调外机的运转声，楼上住户受不了，投诉到物业。最后不得不加装隔音设施，额外花了十几万。

这些问题的共同点是什么？技术方案只考虑了”正常情况”，没考虑”边界情况”。

系统设计者可能从来没想过”凌晨两点有人进馆”这种事。但24小时开放的书房，这种事就是会发生。低频但关键，不处理好就翻车。

05 软件翻车：买一套系统，等于被厂商绑架

比硬件翻车更难受的是软件翻车。

真实案例：某高校图书馆的ILS系统

2019年，某高校图书馆采购了一套ILS（集成图书馆系统），花了80万。

买回来才发现：

第一，系统架构老旧，不支持RESTful API。想对接新的AI服务？没门。只能通过中间件”打补丁”，性能和稳定性都不行。

第二，数据格式封闭。馆藏数据、读者数据、流通数据，全是厂商的私有格式。想导出来做分析？加钱。想换别家系统？数据迁不走。

第三，厂商维护响应慢。系统出了Bug，提交工单后平均3-5天才有人回复。有时候等不及，图书馆自己的技术团队只能硬着头皮去改厂商的代码。

这还不是最糟的。

更糟的情况：厂商跑了

有个图书馆采购了一套智能推荐系统，上线半年运行正常。结果第二年，厂商转型去做别的业务了，不再维护这套系统。

图书馆的AI推荐系统变成了”死系统”——没人修Bug，没人更新算法，连安全补丁都不再提供。

想换系统？数据迁不走。想继续用？系统越来越慢，Bug越来越多。

最后，这套花了几十万的系统，用了不到两年就废弃了。

四川大学张盛强的研究里有一句话我印象很深：“图书馆普遍缺乏评估AI项目可行性与适配性的中观分析工具，导致创新路径碎片化、资源错配及战略焦虑。”

说人话：很多图书馆买AI系统的时候，根本没想清楚自己要什么、能做什么、厂商靠不靠谱。跟着厂商的PPT走，踩坑是必然的。

06 人的翻车：最难搞的不是技术，是人

说个数据。

某公共图书馆上了RFID系统后，借阅效率提升了一倍。听起来不错吧？

半年后一统计，自助借还机的使用率——34%。

为什么？

很多读者，尤其是上了年纪的读者，不愿意用。习惯了柜台人工服务，觉得机器”不靠谱”，”怕弄错”。管理员也乐得清闲，读者来柜台就帮忙操作，不会主动引导去用自助机。

结果就是：花了大价钱买的自助设备，一大半时间在吃灰。

南昌航空大学图书馆也遇到过同样的问题。他们搞了一套AI视觉自助借还系统，技术上很牛——纯视觉识别，不用RFID标签，单次借书只要2.8秒。但推广初期，很多学生还是习惯去柜台排队。

他们怎么解决的？不是靠技术，是靠管理。

高峰时段，柜台人工服务只保留一个窗口，其他窗口关闭。学生想去柜台？排长队。自助机？没人排队。

一个月后，自助机使用率从34%飙到了82%。

这个事给我的触动挺大。技术翻车可以修，人的习惯翻车更难办。有时候解决问题的方法，不在技术本身。

07 翻车之后：那些活下来的项目做对了什么？

翻车案例讲完了。但也不是所有项目都翻了。

那些”活下来”的项目有什么共性？我观察下来，三点：

第一，小步快跑，别想一口吃成胖子。

中山香山书房不是一下子铺127个点的。2022年先试点10个，跑了半年。空调的问题、门禁的问题、数据同步的问题，一个一个解决完，才逐步扩展到全城。

南昌航空大学的AI视觉系统也一样。先在一台设备上验证，跑通了，再扩大规模。

第二，人机互补，别想着完全替代人。

“小图图”上线后，中山纪念图书馆保留了人工服务窗口。AI能处理的——查书、借还、政策问答——让AI处理。AI搞不定的——投诉、复杂咨询、特殊需求——转人工。

这不是”技术不够好”的妥协，是设计上的清醒。

第三，系统要开放，别被厂商锁死。

那些活下来的项目，采购系统时有一个共同点：要求系统支持开放接口，数据格式标准化，支持SIP2或NCIP协议。

听起来像是技术细节，但这是生存策略。数据是自己的，系统是可替换的，才不会被单一厂商绑架。

08 结语

写这篇文章不是为了唱衰图书馆的AI化。

恰恰相反。正是因为看到了太多翻车案例，才觉得有必要把这些坑写出来。

现在到处都在讲”AI赋能””智慧图书馆”，PPT一个比一个好看。但真实的落地过程，充满了妥协、反复和意外。

120万打水漂的AI馆员、每天报警声不断的防盗门、半夜困在书房里的读者——这些才是智慧图书馆建设的B面。

好消息是，那些踩过的坑，正在被填上。RFID的串读问题在解决，AI幻觉在通过RAG技术被控制，ILS系统的开放接口标准正在推广。

方向没错。路要一步一步走，坑要一个一个填。

这话不好听，但有用。

数据来源说明：
– 张盛强、于棋《生成式人工智能技术背景下图书馆创新路径评估与分析》，《信息与管理研究》2026年第2期
– 何小东《南昌航空大学图书馆AI视觉自助借还系统技术实践》，云瀚联盟2025年第10期
– 斯科信息《RFID立式工作站用户调研报告》，RFID世界网2026年4月
– 善思科技《RFID自助借还书机的痛点分析》，2025年
– 中山市文化广电旅游局《香山书房建设申报和运营发展指引》，2025年10月
– 南方+《共建共生，香山书房的新运营策》，2025年5月

铁三角团队 · 峰哥 | write | tech
共同成长 💪