把中国古代文献全部装进一块硬盘，需要多大？
答案：不到 5GB。
GitHub 上的殆知阁古代文献（daizhigev20），1.7k star 的老牌语料库：16000 种古籍、20 万卷、约 20 亿字，全部 txt 纯文本，一次 clone 全带走。
什么概念？《四库全书》收书 3503 种——它的收录量是四库全书的四倍还多。
整个文库按传统方法分作十藏： 易藏 · 儒藏 · 道藏 · 佛藏 · 子藏 史藏 · 诗藏 · 集藏 · 医藏 · 艺藏
经史子集、佛经道藏、历代医书、诗词文集，基本你想得到的中国古代文献都躺在里面。
能干嘛？ 做 RAG 国学知识库，喂给 AI 答四书五经 古文 NLP 研究的现成大规模语料 当私人电子文库，GitHub 页面里直接全文检索
一个小提醒：文本来自多年网络协作录入，质量参差，拿去做学术引用前记得自行校对。
https://github.com/garychowcmu/daizhigev20
答案：不到 5GB。
GitHub 上的殆知阁古代文献（daizhigev20），1.7k star 的老牌语料库：16000 种古籍、20 万卷、约 20 亿字，全部 txt 纯文本，一次 clone 全带走。
什么概念？《四库全书》收书 3503 种——它的收录量是四库全书的四倍还多。
整个文库按传统方法分作十藏： 易藏 · 儒藏 · 道藏 · 佛藏 · 子藏 史藏 · 诗藏 · 集藏 · 医藏 · 艺藏
经史子集、佛经道藏、历代医书、诗词文集，基本你想得到的中国古代文献都躺在里面。
能干嘛？ 做 RAG 国学知识库，喂给 AI 答四书五经 古文 NLP 研究的现成大规模语料 当私人电子文库，GitHub 页面里直接全文检索
一个小提醒：文本来自多年网络协作录入，质量参差，拿去做学术引用前记得自行校对。
https://github.com/garychowcmu/daizhigev20
GitHub
GitHub - garychowcmu/daizhigev20: 殆知阁古代文献
殆知阁古代文献. Contribute to garychowcmu/daizhigev20 development by creating an account on GitHub.
