用 AI 语义搜索挖掘 6500 本优质非虚构

一位读者本暑假花了些时间，借助 Claude Code 与 GPT 整理了一份覆盖 6500 余本英文非虚构佳作的数据库，并搭建了一个免费、可语义检索的浏览平台。项目本身没有复杂的「AI 含量」，核心亮点在于把语义搜索嵌入到一个研究者已经习惯的工作流中——找书、翻目录、随机浏览。

项目缘起：图书馆里的随机漫步

作者回忆大学时在图书馆做勤工俭学的经历：他把 A–F 书架（涵盖宗教、哲学、社会学、历史）上的每本书都随手翻到一页，读一句，若有共鸣就连读几页，再顺手翻看左右两侧的邻书。这种「经过筛选的随机抽样」——既有专家编目和馆员把关，又保留了偶然性——构成了他后来自学能力的基础。

他认为，今天大学生遇到查找资料的需求时，往往直接 Google，结果远不如当年去研究图书馆的 GR 830（俗称「捉鬼敢死队会读的书」）书架旁随手翻一翻。作者感叹，研究图书馆的开放书架正逐渐被学习实验室、数字创新中心、社交与零食区取代，那些「奇怪又好看的旧书」很多正被电子版替代或直接送进垃圾箱。

判断一本书是否「优质」很难，但作者的经验是：入围或获得主要非虚构奖项的书几乎都是好书，这成为他的筛选标尺。他先盘点英语世界的主要非虚构奖项，再让 Claude 与 GPT 从维基百科等公开来源抓取历届入围与获奖名单，最终汇成一份可检索、可排序的书单。

技术层面，平台的核心 AI 能力是语义搜索：用户既可以输入「现代法国」「社会史」这样的关键词，也可以搜索像「出人意料地怪诞的经典传记」这样的自然语句，由 embedding 模型在 6500 余条书目中做相似度匹配，找出语义相近的推荐结果。

数据规模：约 6500 本历届主要非虚构奖项入围及获奖作品。
查询方式：支持简单词组与自然语言描述，匹配结果有时「出乎意料但合情合理」，有时则令人费解——后者恰恰是作者喜欢的部分，因为它复刻了图书馆书架旁那种「修葺良好的花园里随机漫步」的感觉。
典型用法：找「类似某本书」的作品。例如他在读完茨威格回忆昨日欧洲的《昨日的世界》后，用语义搜索立刻发现几本此前从未听说、但气质相近的备选书。
附加可视化：作者还用这批数据做了些小实验，比如按颜色排列约 5000 本书的封面，探讨书籍设计是否也存在像汽车那样随年代「变灰」的趋势。

作者强调，自己支付全部托管与 API 费用，目的单纯是希望更多人能找到并阅读优质非虚构。在 AI 与播客蚕食阅读时间的当下，他仍认为非虚构正处在一个「很少被承认的黄金时代」。对他而言，语义搜索之所以是当下最值得欢迎的 AI 工具，正是因为它对已有工作流的改进最为朴素直接：让文本搜索变得更好用。

（注：原文中提到的模型写作「GPT-5.6」，按目前公开信息应为笔误或非标准名称，此处按原文事实陈述，未做更正性推断。）